第4章 Python基础与进阶：语言特性、内存管理、装饰器、生成器、GIL

考察点：闭包理解、@语法糖、functools.wraps、装饰器参数传递。

回答框架：
1. 定义：装饰器是一个高阶函数，接收函数作为参数并返回新函数。
2. 机制：通过闭包保留原函数引用，在调用前后插入额外逻辑。
3. 关键：使用 functools.wraps 保留原函数元信息。

简短示例回答：

import time, functools
def timer(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        start = time.perf_counter()
        result = func(*args, **kwargs)
        print(f'{func.__name__} took {time.perf_counter()-start:.4f}s')
        return result
    return wrapper

可能追问：多个装饰器叠加顺序如何？带参数的装饰器如何实现？

避坑提醒：忘记 @functools.wraps 会导致被装饰函数 __name__ 丢失；装饰器内调用原函数需返回其值。

考察点：yield 机制、惰性求值、状态保存、内存优势。

回答框架：
1. 生成器函数包含 yield，返回一个迭代器对象。
2. 每次调用 next() 执行到下一个 yield 并暂停，保留局部变量。
3. 适合处理无限序列或大数据流。

简短示例回答：

def fib():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b
f = fib()
print(next(f), next(f), next(f))  # 0 1 1

可能追问：如何通过 send() 向生成器传递值？生成器如何转列表？

避坑提醒：生成器只能遍历一次；忘记 yield from 嵌套生成器会导致代码冗余。

考察点：GIL 设计原因、内存回收机制、循环引用、分代回收。

回答框架：
1. GIL 使单进程内同一时刻只有一个线程执行 Python 字节码，降低多核利用率。
2. 内存管理：每个对象维护引用计数（主），当减为0立即回收；引用循环时由标记-清除和分代回收处理。
3. 推荐使用多进程、asyncio 或 C 扩展来绕过 GIL。

简短示例回答：
在CPython中，全局解释器锁（GIL）导致CPU密集型多线程无法并行；但IO密集型可将锁释放给其他线程。引用计数保证快速释放大多数对象，而gc模块专门清理循环引用导致的“垃圾”。分代回收进一步降低检查频率。

可能追问：如何查看对象的引用计数？哪些场景会引发循环引用？

避坑提醒：不要靠“无GIL”的Python实现（如Jython）来回答问题；注意区分“线程安全”和“GIL”的界限。