-
asyncio中没有原生Barrier，因threading.Barrier依赖线程阻塞，与协程模型冲突；推荐用asyncio.Event（配合计数）或asyncio.Semaphore+Event组合模拟，Python3.12+的asyncio.Barrier尚未公开，trio.Barrier是更优替代但需切换运行时。
-
本文介绍使用typing.cast强制指定工厂函数返回值的具体子类类型，解决IDE无法识别子类特有方法的问题，兼顾类型安全与开发体验。
-
不能只用Uvicorn或Gunicorn：Uvicorn缺进程管理与平滑重启，Gunicorn不原生支持async；需用Gunicorn调度+UvicornWorker处理，且必须安装uvicorn[standard]、正确配置worker-class和端口参数。
-
正确做法是在except块中直接写raise（不带参数），可完整保留原始异常的类型、值和traceback；若需添加上下文，应使用raisenew_excfromoriginal_exc实现链式异常。
-
json.dumps()默认不支持set/frozenset，需通过default参数或自定义JSONEncoder处理；default最轻量，但需注意无序性、无限循环及嵌套未处理问题。
-
Python的“私有属性”实为命名改写机制：单下划线\_xxx是受保护约定，无语言限制；双下划线\_\_xxx触发\_ClassName\_\_name改写，防子类冲突但非真正私有，体现“我们都是有责任心的成年人”哲学。
-
json_normalize比手写递归更可靠，因其内置处理None、空列表、混合类型等边界情况，并按record_path和meta精准提取结构化记录与上下文字段。
-
使用open()或pathlib读取文件为字符串，小文件可用read()或Path.read_text()，大文件建议分块读取以避免内存溢出。
-
本文介绍一种基于Protocol与@overload的高阶类型装饰器设计方案，解决多层@register装饰时函数参数需精确匹配（或宽泛兼容）多个TypeVar约束类型的问题，在Pyright下实现精准类型校验与Union自动累积。
-
NumPy的np.dot更快是因为绕过Python解释器的类型检查、内存寻址和对象引用开销，直接在连续内存上执行BLAS级别点积，而非逐元素解释执行。
-
Python文本去重需先明确粒度：按行（最快，用dict.fromkeys保序）、按句子（需清洗后切分）、按语义（用TF-IDF或Sentence-BERT计算相似度）；预处理须统一编码、清理不可见字符、过滤空行。
-
pytest默认捕获print()和logging输出，需用-s显示print()、--log-cli-level=LEVEL显示日志，且代码中logger.setLevel()须设为对应级别。
-
isinstance(obj,collections.abc.Iterable)仅检查__iter__方法存在性或旧式__getitem__协议，不验证实际可迭代行为；真正安全的判断应调用iter(obj)并捕获TypeError，因其模拟for循环底层机制，能发现返回非法值、索引不从0开始等真实错误。
-
Python并发监控需分进程、线程、协程三级，结合psutil采集RSS、CPU占比、线程数等指标，避免高频轮询。
-
答案是配置Matplotlib使用支持中文的字体并清除缓存。文章指出Matplotlib默认字体不支持中文导致乱码，解决方法包括：设置rcParams['font.sans-serif']为系统中文字体如'SimHei'、'MicrosoftYaHei'或'PingFangSC'；通过fm._rebuild()清除字体缓存；设置rcParams['axes.unicode_minus']=False修复负号显示异常；并在不同操作系统下查找和配置对应中文字体；此外可使用FontProperties局部指定文
