@wcsjtu 给你提供一个解决方案：

把查表过程用 C++ 单独做个微服务，然后直接开多线程解决。Python 把文本提交给 C++ 服务，查完表弄到向量再调用 AI 的东西。

@kkkiio 然后小公司创业团队恰恰处于探索商业道路的试错过程中，两三周换一个项目或者换一个局部的技术解决方案太常见了。这就是我为啥说，大公司平台建立起来了才有远程的基础。

@kkkiio 举个例子，如果你公司刚开始做个大项目，连顶层设计都还没做，这时候不当面密集协调和讨论 1 周，根本没法开展下面的工作。如果顶层设计 okay ，每个人都能只专注于自己的任务，那就可以远程了。

@kkkiio 不是这个样子的。小公司平台还没有搭建起来，很多问题是莫名其妙的。当面一起讨论个半天一天都搞不出来也不是少数，而且一直有各种问题要解决。如果平台和框架有了，各司其职都能推进工作，自然没必要当面讨论。

这不是压力的问题，是体系没有完善所以搞不了。

楼主能不能给个痛快，把最初的需求说一下。

@wcsjtu 在我的经验中不是这样的啊，os.fork 我确实用的很舒服。

要么你试试 numpy.ndarray 能不能 fork 共享。

@wcsjtu 另外如果你是 Linux 或 mac ，如果你的大表在创建以后就不修改了，那你可以用 os.fork ，直接共享 fork 前建立完成的全局变量。mac python 默认禁用了 fork 得设个环境变量。

----

这种操作的原理基于一个事实：Linux / mac 的内核进程拷贝是按 4K page 进行 copy-on-write 的。

@wcsjtu 不能理解你的需求。。。。感觉 pandas.DataFrame 基本可以处理大部分情况了，你的数据内存放不下么。。

不学计算机组成，编程处处是魔法 (🐶

标准化的自动化测试能够支撑远程开发。

否则出了事就必须立马找人讨论，这怎么高效的起来。

如果项目管理主要靠平台和流程，那就行。

如果项目管理靠手动交接、当面解释代码，那就没辙。

@111qqz 不过你说的这些领域，确实不需要有什么相关开发经验。但是，它一般都要求程序员的基本功扎实，比如算法、操作系统原理。。。

this.$refs.XXX.open() 我觉得没啥毛病。

this.$refs.XXX.visible = true 我觉得有大猫饼

@retrocode 你这种写法，项目大了就炸了。

from gevent import monkey
monkey.patch_all()

----

https://www.gevent.org/api/gevent.monkey.html

1. 做成可扩展插件式的（需要比较好的设计。
2. 安装套件和管理套件完全可以用插件接口实现（比如对 nginx 的管理

Obsidian