协程是一种轻量级并发编程技术，通过单线程实现函数暂停/恢复来提升I/O密集型任务性能。其核心优势包括：高并发（单线程可运行上万协程）、极轻量（每个协程仅需几KB内存）、无锁竞争和快速切换（比线程快100倍）。Python通过async/await语法实现协程编程，使用asyncio库进行调度。典型应用场景包括网络请求、文件读写等I/O操作，相比同步和多线程方案，协程能以更少资源实现更高并发。使用时

Python作用域遵循LEGB规则：查找变量时按局部(Local)→嵌套(Enclosing)→全局(Global)→内置(Built-in)顺序。局部变量只能在函数内访问；修改全局变量需用global声明，修改嵌套外层变量需用nonlocal声明。常见错误包括：函数内直接赋值会创建新局部变量而非修改外部变量，嵌套函数修改外层变量必须使用nonlocal。关键点：变量查找从内到外，修改外部变量需显

生成器是一种惰性计算的迭代器，可以一边循环一边生成数据，无需一次性创建所有数据。它通过yield关键字实现暂停执行和恢复功能，具有节省内存的优势，特别适合处理大数据、无限序列和大文件。生成器有两种创建方式：生成器表达式（用()代替[]）和生成器函数（包含yield）。使用时可通过next()、for循环或转为列表获取数据。与列表相比，生成器内存占用极小但只能迭代一次。高级用法包括send()传值和

Python推导式是一种高效简洁的语法结构，用于快速生成列表、字典和集合。主要分为三种形式：列表推导式[]、字典推导式{}和集合推导式{}，核心公式为[表达式 for 变量 in 可迭代对象 if 条件]。列表推导式最常用，可进行简单生成、数值计算、条件过滤和if-else判断；字典推导式用于键值对转换；集合推导式自动去重。推导式相比传统循环具有代码简洁、执行高效等优势，是Python编程中的常用

摘要：装饰器是Python中基于闭包的核心应用，用于在不修改原函数代码的情况下扩展功能（如日志、计时、权限等）。其本质是一个接收函数并返回新函数的闭包，通过@语法糖调用。关键点包括：处理带参数/返回值的函数时需使用*args和**kwargs；常用装饰器类型（计时、日志、权限校验）；支持带参数的装饰器需多层嵌套；多个装饰器按从下到上装饰、从上到下执行顺序；必须用@functools.wraps保留

闭包是Python中一种特殊的函数结构，由嵌套函数、引用外部变量和返回内部函数三个要素构成。它能让内部函数访问并保留外部函数的作用域变量，即使外部函数已执行结束。闭包的核心功能是保存函数状态，常用于计数器、装饰器、工厂函数等场景。使用时需注意：修改外部变量需声明nonlocal，循环中创建闭包需用默认参数立即绑定变量。通过__closure__属性可判断函数是否为闭包。相比类，闭包更适合轻量级的状

本文深入分析了单表2000万数据的性能瓶颈及分库分表解决方案。通过B+树索引深度计算，2000万行数据（约3-4GB）的索引高度为3层，导致查询性能下降，尤其体现在范围查询（50-100ms）和深分页（2-3秒）场景。单表大数据还面临DDL操作困难（30-60分钟）、备份恢复耗时（2-4小时）等问题。 分库分表方案（如按user_id分16张表）可显著提升性能：用户ID查询从1-2ms降至0.5m

单例模式是一种确保类只有一个实例并提供全局访问点的设计模式。文章详细介绍了多种实现方式：非安全的懒汉式、线程安全的饿汉式、同步方法懒汉式、双重检查锁、静态内部类以及枚举实现，并分析了各自的优缺点。特别强调了如何防止反射攻击、序列化破坏等安全隐患，提供了完整的安全单例示例。文章还比较了不同场景下的最佳实践方案，推荐简单场景用饿汉式，高安全要求用枚举实现，并介绍了现代Java中的Supplier和Co

线程池优化策略摘要：本文详细介绍了线程池参数优化方法，包括针对CPU密集型和IO密集型任务的不同配置方案（核心线程数=CPU核心数+1/CPU核心数×2）。提出了队列容量计算公式（最佳容量=任务执行时间/到达间隔×线程数×缓冲系数），并展示了动态调整线程池参数的实现。文章还涵盖了线程池监控指标（利用率、队列深度等）、高级优化技巧（任务优先级、分批处理、预热）以及生产环境实践（配置管理、隔离策略、熔

本文系统介绍了Java线程池的核心概念和应用。主要内容包括：线程池的优势（资源复用、响应速度提升等）；ThreadPoolExecutor的核心参数（核心线程数、工作队列、拒绝策略等）及详细配置；Executors工厂类的常见线程池类型及潜在问题；线程池工作流程和生命周期管理；监控方法和实际应用示例（定时任务、CompletableFuture结合等）。文章还提供了最佳实践建议，包括参数设置、常见