冷启动慢主因是import开销大，而非代码执行慢；python启动时需逐行执行import，触发模块查找、源码读取、语法解析、字节码编译及模块级初始化，且容器/serverless中无法复用缓存。
为什么冷启动慢，往往不是代码执行慢，而是 import 太重
Python 启动时逐行执行 import 语句，而每个 import 可能触发模块查找、源码读取、语法解析、字节码编译（.pyc 生成）、甚至模块级代码执行（比如 requests 初始化 SSL 上下文、numpy 加载 BLAS 库）。这些操作在首次运行时无法跳过，且多数不被缓存到内存——尤其在容器或 Serverless 环境中反复冷启时，开销会被放大。
常见症状：python -c "import your_module" 耗时 >100ms；strace -e trace=openat,stat 显示大量 .py 文件访问；python -v 输出里出现大量非必要路径扫描。
- 检查哪些模块真正被用到：用
pyan3或pydeps生成 import 图，重点关注顶层__init__.py和入口脚本中“只 import 不调用”的模块 - 延迟 import：把仅在特定函数内使用的模块移到函数体内部，例如将
import pandas as pd从模块顶层移到def export_csv():函数开头 - 避免
from xxx import *：它强制加载整个命名空间，还掩盖真实依赖；改用显式导入，如from pathlib import Path - 警惕“隐式副作用”模块：像
matplotlib（默认初始化 GUI 后端）、torch（自动加载 CUDA 驱动）这类库，若项目实际不用绘图或 GPU，应设环境变量禁用，如MPLBACKEND=Agg或TORCH_CUDA_ARCH_LIST=""
提前生成 .pyc 并控制 cache_tag，避免 runtime 编译
Python 默认在 __pycache__/ 下按 {module}.cpython-{x}y.pyc 命名缓存字节码，但该目录需可写，且文件时间戳和 Python 版本匹配才被复用。容器镜像中若只读挂载或 UID 不一致，.pyc 往往被忽略，每次仍重新编译。
- 用
python -m compileall -b -f -d __pycache__ .在构建阶段预编译全部.py文件（-b写入字节码到同目录而非__pycache__，适合只读环境） - 确保
PYTHONDONTWRITEBYTECODE=1不被意外启用——它会彻底禁用.pyc，哪怕已存在 - 若使用多版本 Python 构建（如 CI 中用 3.11 编译，运行时却是 3.12），
.pyc无效；应保证构建与运行环境 Python minor version 严格一致 - 对单文件脚本，可直接用
compile()+marshal.dump()手动生成并嵌入字节码，但维护成本高，仅限极敏感场景
用 PYTHONPATH 和 site-packages 分层隔离“启动必载”与“按需加载”
把核心逻辑（如 CLI 入口、配置加载、日志初始化）拆进轻量 core/ 包，并确保其 import 链中不含 heavy deps；其余功能模块（如 AI 推理、PDF 解析）单独打包，通过插件机制或子命令动态导入。
- 入口脚本只 import
core.cli，由它根据sys.argv[1]决定是否执行import plugin.ai - 用
pip install --target ./deps --no-deps单独安装重型依赖到子目录，运行时通过PYTHONPATH=./deps:$PYTHONPATH注入，避免污染主 site-packages 查找路径 - 在
setup.py或pyproject.toml中声明extras_require，如ai=["torch>=2.0"]，用户按需pip install ".[ai]"，未安装则 import 失败可捕获，不拖慢基础启动
验证优化效果不能只看 import time，要测真实 cold start
单纯用 time python -c "import myapp" 测的是模块加载，不是应用冷启。真正瓶颈常在框架初始化（如 FastAPI 的 app = FastAPI()）、配置解析（YAML/JSON 文件读取+校验）、或连接池预热（DB、Redis）。
- 用
hyperfine 'python -m myapp serve --host 127.0.0.1:8000'对比优化前后完整启动耗时（加--warmup 3消除系统缓存干扰） - 在容器中跑
docker run --rm -it myapp-image python -c "import sys; print(sys.path)"，确认.pyc路径是否在sys.path中且可读 - 用
strace -e trace=stat,openat,read -o trace.log python -m myapp抓系统调用，过滤掉重复 open.py行，即说明.pyc未生效 - 注意 PyPy、Nuitka 等替代解释器虽能进一步提速，但会引入 ABI 兼容性、C 扩展支持等新约束，别为省 50ms 增加部署复杂度
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
