-
后台任务关键监控指标定义为：task_duration_seconds（直方图耗时）、task_status_total（带task_name等标签的状态计数）、task_queue_length（多源队列积压数），三者分别对应“有没有做完”“做没做错”“做多慢”“会不会拖垮系统”四大目标。
-
答案：字符串转数字需确保格式合法，避免非法字符；浮点数转整数直接截断，非四舍五入；非数值转布尔时注意假值；容器类型转换注意去重与顺序；建议用try-except处理异常。
-
在Python中实现并行计算可以使用多线程、多进程、异步编程和并行计算库：1.多线程适合I/O密集型任务，但受GIL限制；2.多进程适合CPU密集型任务，避免GIL影响；3.异步编程适用于I/O密集型任务，提高响应性；4.并行计算库如Dask和Joblib提供高层次抽象，简化大规模数据处理。
-
httpx的-proxy参数不支持直接传入带认证的代理URL，因其底层fasthttp不解析URL中的用户密码字段；需用-http-proxy-header手动注入Base64编码的Proxy-Authorization头，格式为“Basicbase64(username:password)”。
-
tf.graph_util.extract_sub_graph仅提取指定节点及其依赖，不自动剔除无用节点；真正裁剪需按remove_training_nodes→convert_variables_to_constants→extract_sub_graph顺序组合使用。
-
Python字符串编码转换核心是encode()和decode()方法：encode()将str转为bytes，decode()将bytes转为str；二者bridgingUnicode文本与二进制数据，不可混用，需显式指定编码并处理异常。
-
TensorFlowServing生产部署应采用gRPC服务+FastAPI协议转换方案，SavedModel须用tf.keras.models.save_model显式指定tf格式并确保版本目录结构正确，启动需同时配置--rest_api_port和--enable_batching，gRPC客户端需版本严格匹配且stub全局复用。
-
必须设timeout参数，推荐timeout=(3,7)，连接超时≤3s、读取超时≤10s；仅status_code==200不够，需校验响应内容是否含预期关键词。
-
Python标准库json慢因纯Python实现及默认启用Unicode解码、对象钩子、重复键检查等安全逻辑；ujson和orjson用C/C++编写，跳过部分校验，速度快2–5倍。
-
引用计数无法解决循环引用，因互相持有引用导致计数永不归零；CPython依赖gc模块通过分代回收检测并清理容器型对象的循环引用，而不可变类型等不受GC管理。
-
df.info()是最轻量可靠的结构诊断方法，能一次性显示列类型、非空数量和内存占用，但默认不显全列、不显数值精度、易误判object列内容。
-
asyncio中不可用functools.lru_cache，因其不支持await、返回协程且无并发安全；应改用aiocache等原生异步缓存库，支持TTL、分布式锁及多后端。
-
用Matplotlib绘图关键在于掌握控制权：一、基础设置用样式切换与rcParams统一字体、防乱码；二、坐标轴用set_xlim/ylim、MultipleLocator及spines调整；三、图例用bbox_to_anchor定位，标题分层，annotate加注释；四、进阶用linewidth、alpha、fill_between及twinx优化细节，savefig设dpi和tight。
-
StreamingResponse默认启用chunkedtransferencoding，前提是不设Content-Length且ASGI服务器（如Uvicorn）支持；需注意Nginx缓冲、生成器yield频率与大小、前端读取方式及超时配置。
-
lxml不支持XPath2.0，因其底层libxml2仅实现XPath1.0；尝试使用lower-case()等函数会抛出XPathEvalError；可行方案是SaxonC（支持完整XPath2.0/3.0/3.1）或Python层模拟。
