标签：__ Python 知识 内存 哈希 使用 相关 溢出
1.Python 内存泄漏和内存溢出是两种不同的问题，但它们都与内存管理有关.
内存泄漏是指在使用动态分配的内存时，由于某些原因导致某些已分配的内存块无法被释放，从而使得程序占用的内存不断增加，最终导致内存耗尽。在 Python 中，内存泄漏可能由多种原因引起，例如全局变量、闭包、循环引用等。
要检测 Python 中的内存泄漏，可以使用一些工具，例如 memory_profiler 包或 objgraph 包。这些工具可以帮助您分析 Python 程序中的内存使用情况，并找出可能的内存泄漏。
内存溢出是指程序占用的内存超过了系统可用的内存量，导致程序崩溃或系统性能下降。在 Python 中，如果程序中的数据结构或算法需要大量内存，并且没有有效的内存管理机制，就可能导致内存溢出。
要避免内存溢出，可以使用一些方法来优化 Python 程序的内存使用，例如使用更有效的数据结构、优化算法、使用流式处理等。此外，也可以使用一些工具来监控 Python 程序的内存使用情况，例如 tracemalloc 包或 psutil 包。这些工具可以帮助您找出程序中的内存瓶颈，并进行优化。
在 Python 中，以下情况可能导致内存溢出：
- 大数据集：处理大量数据时，如果占用的内存超过了系统可用的内存限制，就会发生内存溢出。
- 递归调用：无限递归调用函数可能导致栈溢出，因为每次递归调用都会在堆栈中创建新的函数帧。
- 循环引用：当对象之间存在循环引用（相互引用），并且这些对象没有被及时释放，垃圾回收机制就无法正确地回收它们，从而导致内存泄漏和最终的内存溢出。
要处理 Python 中的内存溢出问题，可以考虑以下方法：
- 使用生成器或迭代器：对于处理大数据集的情况，可以使用生成器或迭代器来逐步处理数据，而不是一次性将整个数据集加载到内存中。
- 减少对象引用：确保在不需要使用对象时及时解除引用，以便垃圾回收器能够正确回收内存。避免产生循环引用问题，可以考虑使用弱引用或其他方式破坏循环引用关系。
- 增加系统内存限制：如果你的程序真正需要处理大量数据而且内存溢出无法避免，可以增加系统的可用内存限制（例如增加物理内存或使用更大的虚拟内存）。
- 优化算法和数据结构：尽可能选择高效的算法和数据结构来减少内存使用。这包括避免不必要的复制和操作，以及使用适当的数据结构来节省内存。
- 使用第三方库或工具：利用一些专门用于内存管理的第三方库或工具，如 memory_profiler、pympler 等，可以帮助你检测和调试内存问题。
2.with语句
with语句先暂存了File类的__exit__方法，然后它调用File类的__enter__方法， __enter__方法打开文件并返回给with语句，打开的文件句柄被传递给opened_file参数 ， 我们使用.write()来写文件，with语句调用之前暂存的__exit__方法 ，__exit__方法关闭了文件
3.散列函数
散列函数，也被称为哈希函数，是一种将任意长度的数据（通常是字符串）转换为一个固定长度的数字（哈希值）的函数。这个数字通常用于在哈希表中存储和检索数据。
哈希函数的作用在于，它能够将数据“压缩”成较短的哈希值，同时尽可能地保证不同的数据输入得到不同的输出值，即良好的“雪崩效应”。这样，我们就可以通过存储这个哈希值来间接地存储原始数据，或者比较两个数据的哈希值来判断它们是否“相似”（在某些应用中，如果两个数据的哈希值接近，那么它们本身也可能相似）。
此外，一个好的哈希函数还需要满足“均匀分布”的特性，即对于大量的输入数据，输出的哈希值应该在预定的范围内均匀分布。这样，我们就可以更均匀地使用哈希表中的空间，提高数据检索的效率。
需要注意的是，由于哈希函数的特性，有时候不同的输入可能会产生相同的哈希值，这种现象被称为“哈希冲突”。尽管无法完全避免冲突，但可以通过设计良好的哈希函数和哈希表结构来减少其发生。
标签：__,
Python,
知识,
内存,
哈希,
使用,
相关,
溢出
From： https://www.cnblogs.com/ningperson/p/18032377