-
Python爬虫必须闭环监控：用psutil实时查进程状态与资源、APScheduler+Redis定时上报心跳、RotatingFileHandler防日志爆盘、Flask提供健康接口，细节如时间戳对齐和降级逻辑需压测验证。
-
conntrack表满后秒满的根本原因是net.netfilter.nf_conntrack_tcp_established_timeout默认值过大（432000秒），导致空闲ESTABLISHED连接长期滞留；需分场景设为300–3600秒，并同步调低TIME_WAIT、CLOSE_WAIT等关联超时，且锁定nf_conntrack_max防止动态下调。
-
Python的set去重基于哈希表，通过__hash__()和__eq__()判断重复，平均时间复杂度O(1)，不保证插入顺序，不可变类型可哈希，可变类型需自定义哈希与相等逻辑。
-
Python中给异常对象动态添加属性基本安全，但需避开内置属性和CPython3.11+的冻结优化；推荐捕获后赋值或使用dataclass封装以兼顾类型安全与元数据完整性。
-
Python源码无法真正加密，但可通过编译字节码、打包可执行文件、Cython编译关键模块及服务化等手段提升逆向难度；需避免硬编码敏感信息，并结合法律与流程管控。
-
Python运行时先将.py编译为.pyc字节码再由PVM执行；首次import、源文件更新时自动生成，存于__pycache__目录，支持手动编译，但不跨版本兼容。
-
Python中恒为Falsy的值有9种：None、False、数值零（0、0.0、0j）、空序列（''、[]、()、range(0)）、空映射（{}、set()、frozenset()）及__len__返回0的空容器；其余均为Truthy。
-
Snowflake在Python中不稳定主因是GIL与时钟精度问题导致ID重复，需用C扩展版、强制时钟校验、全局唯一workerID；UUID不适合作为主键；Redis方案须保证原子性与高可用；数据库自增非分布式。
-
路径分隔符、换行符、包名大小写、环境变量四类问题需统一处理：用pathlib.Path替代字符串拼接，文本文件操作加newline=""参数，requirements.txt全小写，环境变量用os.getenv+pathlib.Path.home()兼容跨平台。
-
正确做法是分块读取大文件：设置缓冲区、循环read()、优先行迭代；超大文件随机访问用mmap；写入时批量处理并显式flush；跨平台需指定UTF-8编码和newline参数；流式数据用生成器+itertools实现内存恒定。
-
argparse中用add_mutually_exclusive_group(required=True)创建必须二选一的互斥参数组，否则默认可全不提供；组内参数类型宜一致，required必须设在组层级而非单个参数；子命令中需在对应子解析器上定义该组。
-
Python不支持函数重载因其动态类型特性导致无法通过参数类型区分同名函数，后定义函数会覆盖前者；例如deffunc(a)和deffunc(a,b)中后者生效，调用func(1)报错。可通过默认参数如deffunc(a,b=None)判断b是否为None来执行不同逻辑；使用args接收可变参数并根据len(args)分支处理；结合typing.overload装饰器为类型检查工具提供提示，如标注int转str、str转int的重载签名，实际逻辑在未注解的func中用isinstance分发。总结：Pyth
-
本文介绍如何在不显式循环的前提下，使用isin()、shift()和布尔逻辑组合，精准选取DataFrame中匹配关键词的行及其指定偏移量（如+2行）的记录，适用于多关键词、多偏移规则的批量筛选场景。
-
openpyxl与pandas分工协作：pandas负责数据清洗计算，openpyxl负责格式化呈现；pandas读写会丢失样式，需用openpyxl操作模板、填入结果并设置格式、条件高亮等。
-
应使用dtype={"col_a":"boolean","col_b":"boolean"}强制指定三态布尔类型，并配合na_values和converters处理空值及大小写混杂的字符串；避免用小写bool，因其不支持缺失值。
