-
fcntl.flock不能跨进程保护追加写，因O_APPEND使内核自动seek到末尾再write，而flock锁的是fd而非追加行为本身，导致多进程write仍可能重叠；正确做法是用os.open获取fd、加锁、seek(0,2)、write、flush、解锁。
-
列表与元组的核心区别在于可变性：列表可变，支持增删改；元组不可变，创建后无法修改。这导致列表可作为动态数据容器，适用于需频繁修改的场景，如购物车、队列等；而元组因不可变性具备更小内存占用和更快访问速度，适合表示固定数据如坐标、RGB值，并可作为字典键或集合元素，前提是其元素均为可哈希类型。此外，元组常用于函数返回多个值，提供数据安全性与性能优势。在性能敏感或数据不变的场景下优先使用元组，而在需要灵活性时选择列表。
-
Python脚本通过提取Pydantic模型（含Field描述）和路由信息，自动生成含字段说明、校验示例的Markdown文档，并集成CLI与CI实现文档与代码同步更新。
-
multiprocessing中直接用logging会丢日志或乱序，因子进程继承父进程logger但FileHandler非进程安全，多进程写同一文件导致缓冲冲突、覆盖或OSError；应让各子进程独立配置logger或使用QueueHandler+QueueListener。
-
本文教你用简洁代码实现按位置（如“1,3,5”或“2nd,4th”）批量替换扑克手牌，避免冗长的if-else判断，提升可读性与可维护性。
-
journalctl--vacuum-time=1d只删除时间早于1天的归档日志文件（如.journal~或.journal.gz），不处理当前活跃的system.journal文件，因其按文件粒度清理而非日志条目时间；需配合SystemMaxUse和MaxFileSec配置及SIGUSR1重载才能有效控量。
-
本文针对使用fast_bitrix24库时因同步阻塞导致的性能瓶颈，提供基于批量查询、并发控制与请求合并的实战级优化方案，彻底替代无效的numba/Cython尝试，显著提升CRM数据拉取效率。
-
核心是目标驱动的数据闭环：先定义分类体系并标注样本，爬取时嵌入标签线索，边爬边清洗（去广告、过滤长短文本），用TF-IDF+LogisticRegression快速验证baseline（准确率常超85%），再据数据规模微调BERT类模型。
-
timeout=(3,10)中第一个数字控制连接超时（TCP握手完成前），第二个控制读取超时（等待响应首字节）。单数字timeout=5等价于(5,5)，生产环境易出问题。
-
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。
-
本文介绍如何通过基类继承机制，复用TypedDict类型约束下的**kwargs过滤逻辑，使多个子类能各自适配不同的TypedDict结构，同时保持类型安全与运行时健壮性。
-
应优先使用列表推导式而非map和filter，因其更直白、易调试、性能略优；仅在需惰性求值、复用纯函数或流式处理时才考虑map/filter。
-
Python处理txt文件核心是open()函数配合字符串方法或标准库；推荐with语句逐行读取以节省内存，注意utf-8或gbk编码；写入用"w"覆盖、"a"追加；解析依格式选split、csv、正则或configparser。
-
print()默认换行，禁用需设end=""；字符串中\n是换行符，字面显示需r""或\；文件读写换行符平台差异大，应显式指定newline参数；sys.stdout.write()不自动换行且不刷新缓冲区。
-
Python处理时间序列数据的核心是用DatetimeIndex作为索引并正确重采样：先将时间列设为datetime64[ns]类型索引，确保单调递增无重复；再依业务需求用resample进行降频聚合（如“M”月度求和）或升频插值（如“D”.asfreq().interpolate），同时注意时区对齐与周期偏移。
