【Python 面试突击 · 02】大厂高频面试题：从 GIL 锁机制到内存管理

是什么：GIL 是 CPython 解释器中的一把互斥锁。它保证同一时刻只有一个线程在 CPU 上执行字节码。这是为了解决内存管理（引用计数）的线程安全问题而引入的历史遗留设计。
如何影响：
- CPU 密集型任务（如计算、图像处理）：多线程无法利用多核 CPU 优势，甚至因为锁的切换导致效率比单线程还低。
- IO 密集型任务（如爬虫、文件读写、网络请求）：多线程依然有效。因为 IO 操作会释放 GIL，让其他线程有机会执行。
解决方案：
- 如果是 CPU 密集型，使用 multiprocessing 多进程 绕过 GIL 限制。
- 或者使用 C 扩展 或 Jython/IronPython 等其他解释器。
- 如果是 IO 密集型，可以使用 asyncio 异步 IO 或 多线程。

💡 加分句：

“所以在我的项目中，如果是做数据分析或复杂计算，我会首选多进程；如果是写爬虫或 Web 服务，多线程或协程是更好的选择。”

2. 解释Python中的生成器 (Generator) 和迭代器 (Iterator)。

关键词：Iterable, Iterator, yield, 惰性计算, 节省内存

✅ 标准回答：
它们都用于遍历数据，但实现方式和能力不同：

迭代器 (Iterator)：
- 实现了 __iter__() 和 __next__() 方法的对象。
- 可以通过 next() 逐个获取元素，用完即焚，不能回退。
- 列表、字典等集合都是可迭代对象 (Iterable)，但不是迭代器，需要用 iter() 转换。
生成器 (Generator)：
- 是一种特殊的迭代器，写法更简洁。
- 通过函数中使用 yield 关键字创建。
- 特点：惰性计算。不调用 next() 时不执行代码，不占用大量内存。适合处理无限序列或大数据流。

💡 对比总结：

“所有的生成器都是迭代器，但并非所有迭代器都是生成器。生成器是‘懒人’版的迭代器，能省内存就绝不多占。”

3. 解释Python中的闭包 (Closure) 及其用途。

关键词：嵌套函数、自由变量、状态保持、装饰器基础

✅ 标准回答：

定义：在一个外层函数中定义了一个内层函数，内层函数引用了外层函数的变量（非全局变量），并且外层函数返回了这个内层函数。这个内层函数就是闭包。
核心特征：即使外层函数执行完毕，内层函数依然可以访问外层函数的变量（变量被“封闭”在函数内部）。
用途：
1. 数据隐藏/封装：模拟私有变量。
2. 保持状态：无需使用类，即可在多次调用间保存状态（如计数器）。
3. 装饰器的基础：装饰器本质上就是一个闭包。
4. 回调函数：在事件驱动编程中常用。

💡 代码示例思路：

“比如我要写一个计数器，不需要定义类，直接用一个闭包函数，每次调用它就自动累加内部变量，既简洁又安全。”

4. 解释Python中的切片 (Slicing) 操作。

关键词：sequence[start:end:step], 拷贝, 浅拷贝

✅ 标准回答：
切片是 Python 序列（列表、元组、字符串）最强大的功能之一，语法是 obj[start:end:step]。

参数含义：
- start：起始索引（包含），默认 0。
- end：结束索引（不包含），默认到末尾。
- step：步长，默认为 1。负数表示反向。
常见用法：
- list[:]：复制整个列表（浅拷贝）。
- list[::-1]：快速反转列表/字符串。
- list[::2]：每隔一个取一个。
注意：切片操作会生成新对象，对于大列表会有内存开销。

💡 避坑指南：

“很多人容易搞混 end 是开区间还是闭区间，记住口诀：‘包头不包尾’。另外，切片是浅拷贝，如果列表里套列表，修改子元素会影响原列表。”

5. 解释Python中的with语句及其用途。

关键词：上下文管理器、资源自动释放、enter, exit

✅ 标准回答：

是什么：with 语句用于简化资源管理，确保代码块执行前后正确地进行初始化和清理工作。
原理：它基于上下文管理器协议。对象必须实现 __enter__（进入时执行）和 __exit__（退出时执行，无论是否异常）方法。
用途：
- 文件操作：with open(...) as f: 自动关闭文件，防止忘记 close。
- 数据库连接：自动提交或回滚事务，关闭连接。
- 锁管理：自动获取和释放锁 (threading.Lock)。
- 自定义：可以自定义类来实现特定的资源管理逻辑。

💡 加分句：

“我习惯在所有涉及外部资源（文件、网络、DB）的操作中都使用 with，这能极大减少因异常导致资源未释放的 Bug。”

6. 面向对象中 `new` 和 `init` 区别

关键词：实例化 vs 初始化、返回值、单例模式

✅ 标准回答：
这是对象创建过程中的两个不同阶段：

__new__：
- 作用：创建实例。它是静态方法，第一个参数是 cls。
- 时机：在 __init__ 之前调用。
- 返回值：必须返回一个实例对象（通常 return super().__new__(cls)），否则 __init__ 不会被调用。
- 场景：控制类的创建过程，如单例模式、继承不可变类型（如 tuple, str）时的修改。
__init__：
- 作用：初始化实例。它是实例方法，第一个参数是 self。
- 时机：在 __new__ 返回实例后调用。
- 返回值：只能返回 None。
- 场景：给对象属性赋值。

💡 一句话总结：

“__new__ 负责‘生孩子’（创建对象），__init__ 负责‘养孩子’（初始化属性）。通常我们只重写 __init__，除非需要干预对象的创建过程。”

7. Python 面向对象中的继承有什么特点

关键词：多继承、MRO (C3算法)、super()、Mixin

✅ 标准回答：
Python 的继承非常灵活，主要特点有：

支持多继承：一个子类可以继承多个父类 (class C(A, B):)。
MRO (方法解析顺序)：当多继承发生命名冲突时，Python 使用 C3 线性化算法 来确定调用顺序。可以通过 ClassName.__mro__ 查看。
动态性：可以在运行时动态修改基类。
Mixin 模式：常用于组合功能，而不是严格的层级继承。
super()：推荐用 super() 调用父类方法，它能正确处理多继承下的 MRO 顺序，避免硬编码父类名。

💡 避坑指南：

“虽然支持多继承，但我建议慎用‘菱形继承’（钻石继承），容易导致逻辑混乱。如果必须多继承，尽量让每个父类职责单一（Mixin 风格）。”

8. 介绍下Python 中的反射

关键词：运行时检查/修改、getattr, setattr, hasattr, delattr, 动态调用

✅ 标准回答：
反射是指在程序运行时，动态地检查、获取、设置或删除对象的属性和方法的能力。

核心函数：
- getattr(obj, 'name')：获取属性。
- setattr(obj, 'name', value)：设置属性。
- hasattr(obj, 'name')：判断是否有属性。
- delattr(obj, 'name')：删除属性。
用途：
- 框架开发：如 Django/Flask 的路由分发，根据 URL 字符串动态调用对应的视图函数。
- 序列化/反序列化：动态将字典映射到对象属性。
- 插件系统：动态加载模块和类。
- 调试工具：打印对象的所有属性和方法 (dir(), vars())。

💡 加分句：

“反射功能强大但会降低代码可读性和性能，且容易掩盖拼写错误。我通常在编写框架或通用工具时使用，业务逻辑中尽量避免过度使用。”

9. super 函数的作用

关键词：调用父类、MRO、多继承、解耦

✅ 标准回答：
super() 的主要作用是调用父类（或兄弟类）的方法，但它不仅仅是调用直接父类。

核心优势：
1. 解耦：不需要硬编码父类名称。如果修改了继承关系，代码无需改动。
2. 支持多继承：在多重继承中，super() 会根据 MRO (方法解析顺序) 依次调用下一个类的方法，确保每个父类的构造函数都被正确调用一次，避免重复调用或遗漏。
用法：通常在 __init__ 或其他被重写的方法中使用，如 super().method_name()。

💡 场景举例：

“在多继承场景下，如果我直接写 ParentA.__init__(self)，可能会跳过 ParentB 的初始化。用 super() 能保证整个继承链上的 __init__ 都按顺序执行。”

10. Python 怎么避免内存泄漏？

关键词：循环引用、gc模块、弱引用、显式删除、工具分析

✅ 标准回答：
虽然 Python 有垃圾回收（GC），但仍可能发生内存泄漏，主要对策如下：

打破循环引用：
- 最常见的原因是两个对象互相引用（如 A 引用 B，B 引用 A），导致引用计数不归零。
- 解决：使用 weakref (弱引用) 来打破循环，或者手动将引用置为 None。
及时释放资源：
- 对于文件、数据库连接、大列表等，使用完后立即 del 或使用 with 语句自动关闭。
- 避免在全局变量中长期持有大对象。
注意容器增长：
- 监控列表、字典等容器是否无限增长（如缓存未设上限）。
使用工具分析：
- 使用 tracemalloc、memory_profiler 或 objgraph 等工具定位泄漏点。
- 手动触发 GC：import gc; gc.collect()（仅在调试或特殊场景下使用）。