-
<p>arr.nbytes是NumPy数组实际占用的内存字节数，准确反映数据区大小；而arr.itemsize是单个元素字节大小，二者满足arr.nbytes==arr.size*arr.itemsize（仅对连续数组成立）。</p>
-
用requests获取HTTP状态码比ping更靠谱，因ping仅检测ICMP连通性，而宕机常发生在Web服务层；需设timeout、禁重定向、检查200–299范围、处理各类异常并记录日志。
-
asyncio.Task忘记cancel会导致内存泄漏，因悬停任务持续持有协程帧和变量引用；asyncwith/for异常跳出、滥用__del__/weakref、忽略第三方库私有缓冲区等亦是常见原因。
-
阻塞IO调用时线程挂起等待数据就绪，非阻塞IO立即返回并抛出BlockingIOError；实际高并发中需结合IO多路复用（如select/epoll）与非阻塞IO协同工作，asyncio即基于此机制封装。
-
args接收任意位置参数并打包为tuple，kwargs接收任意关键字参数并打包为dict；二者顺序固定为必选参数→args→kwargs，且支持解包调用。
-
Python面试重点涵盖内存模型（引用计数、GC、循环引用）、异步编程（事件循环、上下文隔离、资源安全）、元编程（dataclass、__init_subclass__、装饰器规范）、性能调优（cProfile、Cython、多进程）四大维度。
-
Python函数返回多个值本质上是返回一个元组，属语法糖；returna,b等价于return(a,b)，调用时通过解包机制实现多变量赋值。
-
Python并发任务拆分与负载均衡的核心是保持工作进程/线程忙碌、减少空等和争抢，关键在于任务粒度适配、执行者能力感知及去中心化调度；应按可并行性而非数量均分任务，I/O密集用线程或异步，CPU密集用多进程，优先采用队列驱动的动态分发与反馈式负载均衡。
-
list不可哈希，因它是可变类型，不满足哈希要求：生命周期内哈希值不变且等值对象哈希值相同；字典key必须可哈希才能正确寻址；常见可哈希类型包括int、str、tuple（元素皆可哈希）、frozenset等；可用tuple(my_list)等方式转换list为可哈希形式。
-
提升正则可读性需用命名组、re.VERBOSE注释模式、逻辑拆分；预编译、分段组合、变量复用、单元测试、文档示例及re.DEBUG调试。
-
应使用ThreadPoolExecutor(max_workers=10–20)控制并发，避免直接创建大量线程；优先选用ipapi.co或ipinfo.io等稳定API并设置timeout和重试；CSV导出采用流式写入并规范编码与空值处理。
-
Python协程由事件循环驱动，通过await挂起与恢复实现协作式多任务；当协程执行await时让出控制权，事件循环调度其他任务运行，确保并发执行不阻塞I/O操作。
-
推荐按环境拆分settings文件：base.py抽公共配置，development.py和production.py各覆差异项；通过DJANGO_SETTINGS_MODULE指定，敏感配置（如SECRET_KEY）必须从环境变量或secretsbackend读取，严禁硬编码。
-
多线程文件读写需注意线程安全与资源管理。1.使用Lock保证写操作原子性，避免多线程同时写同一文件导致数据交错；2.推荐线程写独立临时文件后由主线程合并，或通过Queue集中处理写请求；3.各线程应独立使用withopen()打开关闭文件，防止句柄泄漏；4.GIL在I/O操作中释放，适合I/O密集型任务，CPU密集型应选多进程。正确控制访问方式可确保高效安全。
-
GIL是CPython的全局解释器锁，确保同一时刻仅一个线程执行字节码；源于引用计数内存管理与C扩展兼容需求，虽经多次优化（如3.7时间切片、3.12子解释器），仍限制多核CPU密集型并发，需用multiprocessing、nogil扩展或替代解释器应对。
