題目與範圍
Python 3.14 增加了 InterpreterPoolExecutor；每個工作直譯器擁有獨立 GIL，可以並行執行 Python 程式碼，但呼叫和結果要跨越隔離與序列化邊界。題目考察並行權衡，分類為 coding。它不保證所有負載都優於程序池或原生擴充。
面試官考察點
應解釋直譯器隔離、可序列化性、模組與全域狀態、初始化器行為、取消和記憶體成本。區分 CPU 密集 Python 與 I/O 工作，並使用相同負載比較執行緒、直譯器和程序池。還要規劃故障隔離和確定性關閉。
先釐清的問題
- 負載是 Python 位元組碼、釋放 GIL 的原生程式碼，還是 I/O？
- 參數和結果是否容易序列化，是否包含大型或共享物件？
- 工作是否依賴程序級快取、開啟的 socket 或可變模組狀態？
- 延遲、吞吐、記憶體和啟動預算是多少？
- 初始化器或工作器失敗時如何處理排隊工作？
- 部署環境是否相容 Python 3.14 及其池語義？
30 秒答題框架
「先用執行緒池、InterpreterPoolExecutor 和程序池做三組對照。直譯器能讓 Python 位元組碼跨核心執行，但每個工作器隔離，提交的函式、參數和結果需要序列化。工作要足夠粗以攤薄成本，在初始化器中建立資源，避免共享可變全域，並定義取消與重啟。最終用吞吐、p95、CPU、記憶體、序列化時間和失敗率證據決策。」
分步作答
步驟 1：分類負載
測量 CPU 時間、GIL 競爭、原生擴充時間、阻塞 I/O 和工作時長。I/O 或釋放 GIL 的函式庫可能適合執行緒池；直譯器針對 Python 層 CPU 並行，程序池仍是隔離與相容性對照。
步驟 2：設計序列化邊界
提交頂層可匯入函式和緊湊資料值。避免閉包、開啟的檔案描述元、鎖和巨大物件圖。若序列化占主導，就批次處理記錄，或把不可變資料放到共享外部儲存，減少重複複製。
步驟 3：初始化每個直譯器的資源
用初始化器匯入模組、設定確定性狀態，並在該直譯器中建立用戶端。不能假設模組級單例會在工作器之間共享。診斷中記錄池與直譯器身分，但不洩露使用者資料。
步驟 4：定義失敗與取消
把初始化器失敗視為池級事件，明確排隊工作行為。限制未完成 Future 數量，按工作 ID 傳遞例外，在批次邊界取消工作。重啟工作器必須重建直譯器本地資源，且不能重複非冪等副作用。
步驟 5：基準與灰度
用相同工作大小和並行度比較執行緒、直譯器和程序池。記錄啟動、序列化、計算、合併結果時間，以及 RSS、吞吐、p95、例外和關閉時長。先灰度一個負載，保留程序池回退；若隔離或記憶體成本抹平 CPU 收益就停止。
參考答案
「InterpreterPoolExecutor 適合無法依賴釋放 GIL 的原生函式庫、且 CPU 密集的 Python 程式碼。先證明負載特徵，再用相同輸入比較執行緒、直譯器和程序。工作跨越序列化邊界，應使用可匯入函式、緊湊批次、直譯器本地初始化和無共享可變全域。定義初始化失敗、取消、冪等和關閉行為，再以吞吐、p95、RSS、序列化成本和失敗證據決定，並保留程序池回退。」
常見錯誤
- 假設直譯器共享全域 → 狀態隔離且初始化重複 → 為每個直譯器建立資源。
- 提交極小工作 → 序列化和調度占主導 → 批量工作並測量成本。
- 傳入不可序列化物件 → 提交執行時失敗 → 使用可匯入函式和簡單值。
- 用直譯器處理 I/O → 複雜度增加卻無 CPU 收益 → 先比較執行緒池。
- 忽略重試副作用 → 重啟會重複寫入 → 保證冪等或使用外部提交。
- 只測吞吐 → 記憶體和尾延遲回歸被隱藏 → 追蹤 RSS、p95 和關閉。
追問
追問 1：直譯器如何實現並行？
每個工作器擁有獨立直譯器和 GIL，因此 Python 位元組碼可以跨核心執行。工作器不共享普通直譯器狀態。
追問 2：何時程序池更合適？
當需要更強的位址空間隔離、現有函式庫與程序相容，或部署語義更簡單時，即使程序啟動和記憶體成本更高，也可以選擇程序池。
追問 3：模組狀態會怎樣？
匯入和可變模組全域都是直譯器本地的。每個工作器都初始化所需狀態，不能依賴提交方直譯器中的單例。
追問 4：如何選擇工作粒度？
增大批次，直到序列化和調度只占執行時間很小部分，再確認批次仍滿足延遲、取消和重試要求。