必须改buffering的场景有三：日志需实时落盘防丢失、gb级文本流内存暴涨、与c扩展或管道交互需匹配flush语义；buffering=-1为默认系统缓冲，1仅文本模式启用行缓冲，0仅二进制模式禁用缓冲。
Python 默认的缓冲策略通常够用，但真要手动调优，关键不在“设多大”，而在“选哪种缓冲模式”——buffering 参数的值比具体数字更影响实际行为。
什么时候必须改 buffering？
不是所有场景都需要干预。只有当你遇到这些情况时才值得动它：
- 写日志时发现新内容几秒后才刷到磁盘（
print()或write()后看不到），且不能接受丢失（比如审计日志）→ 需禁用缓冲或强制行缓冲 - 处理 GB 级文本流，内存暴涨或 GC 频繁 → 可能需增大缓冲区减少系统调用次数
- 与 C 扩展或底层工具交互，对方依赖特定 flush 行为（如管道、
subprocess）→ 必须匹配其期望的缓冲语义
buffering=0、1、-1 的真实含义
文档里说“0=无缓冲”，但这是对二进制模式而言；文本模式下 buffering=0 会直接报错 ValueError: can't have unbuffered text I/O。真正可用的组合是：
-
buffering=-1（默认）：使用系统BUFSIZ（通常是 8192 字节），但实际大小还受 Python 内部优化影响，不保证精确 -
buffering=1：仅在文本模式下启用“行缓冲”——遇到\n就 flush，不是每次print()都刷（注意：仅对sys.stdout等终端有效，文件对象仍按块刷） -
buffering=N（N > 1）：设固定字节缓冲区，比如buffering=65536。但超过约 1MB 后收益急剧下降，且可能拖慢小写入（因等待填满）
实操建议：优先用模式切换，而非硬调数字
比起纠结“设成 32768 还是 65536”，更有效的是根据场景选对缓冲逻辑：
- 需要实时可见（如进度输出）：
print(..., flush=True)比设buffering=1更可控；写文件时用f.flush()配合os.fsync(f.fileno())确保落盘 - 批量导出大数据：
open(..., buffering=1048576)（1MB）可减少 write() 系统调用次数，但要测试——某些 SSD 在 128KB 时已达 IO 吞吐峰值 - 读取超大日志文件：
open(..., buffering=8192)通常比默认更好，因为避免了 Python 层额外的 buffer 复制（buffering=-1有时会双缓冲）
缓冲区不是越大越好，也不是越小越实时；它的效果高度依赖你的存储介质、内核版本和 Python 版本。实测时务必用 time.time() + psutil.Process().memory_info() 对比，别只看理论值。
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！
