整理笔记的时候我习惯把一个主题拆成独立项目来归档。loopx 就是其中一个以“循环”为主线做技术梳理的项目名它既是一个学习索引也是一组工具函数集合专门用来总结循环相关的基础语法、异步事件循环、循环依赖以及死循环排查等内容。循环在编程里看似简单但真正放到并发场景、依赖管理、线上故障排查中就会发现“会写 for”只是第一步理解循环背后的机制更重要。本文适合刚入门但不想只停留在语法的初学者也适合需要系统排查循环依赖、处理事件循环阻塞问题的后端开发者。整篇文章会围绕“循环”这条主线展开从语法、事件循环、循环依赖到实战工具函数和线上排查方法一次性把环的概念和坑点梳理清楚。1. 背景与核心概念1.1 为什么整理 loopx 这个循环专题日常开发中“循环”这个词有多种含义第一次接触时很容易混在一起。比如我们写for i in range(10)是循环Node.js 里的 Event Loop事件循环也是循环Spring 启动时出现的循环依赖错误还是“循环”。它们的共同点是“形成了一个环”但解决问题的思路完全不同。我整理 loopx 的初衷就是把这些“环”分开写代码时的循环是语法问题事件循环是运行时调度问题循环依赖是架构设计问题死循环是代码质量与运维问题。把它们放到一个专题里对比学习理解会更高效。否则遇到一个“循环”报错可能连搜索引擎都不知道该用哪个关键词。因此本文不会只讲一种语言的一种循环写法而是把循环相关的知识点打通提供一个能直接套用的排查思路和工具函数集。1.2 循环技术涉及的范围loopx 项目里覆盖的内容主要有四类分类代表问题说明语法循环for、while、迭代器、生成器解决“怎么写循环”的问题事件循环Node.js Event Loop、浏览器事件循环、asyncio解决“异步任务如何调度”的问题循环依赖Spring Bean 循环依赖、Maven 循环依赖、数据库外键循环解决“模块互相引用”的问题异常循环死循环、CPU 飙高、阻塞事件循环解决“循环导致系统不可用”的问题从这张表可以看到loopx 不是某个热门开源框架而是一套围绕循环场景整理的技术地图。后续章节会按这个地图展开最终还会给出一个可直接复用的 Python 工具函数模块方便日常开发中直接使用。1.3 本文适合读者与学习目标如果你满足以下任一种情况本文会比较适合你刚学习编程想系统理解 for、while、迭代器、生成器的区别和使用场景。用 Node.js、Python 做过异步开发但没想清楚事件循环和异步回调的关系。在 Spring 或 Maven 项目里遇到循环依赖报错希望了解成因与解决方案。遇到线上 CPU 飙高、程序卡死的问题需要掌握死循环排查流程。需要在项目中做批量任务、重试机制、分块处理想借鉴一组成熟的循环工具函数。读完后你会得到三类收获循环语法的多语言对比、循环依赖的解决方案、一组可复制到项目里的工具函数和排查清单。2. 环境准备与实验约定2.1 运行环境本文示例以常见开发环境为例具体版本需要根据你的项目实际情况调整。操作系统Windows 10/11、macOS、Linux 均可本文示例不依赖特定系统命令。Python建议 3.8 及以上版本用于运行 loopx 工具函数示例。Node.js建议 16 及以上版本用于演示事件循环。Java建议 8 及以上版本用于理解 Spring 循环依赖示例。IDE推荐 VS Code 或 PyCharm随手测试 Python 代码比较方便。如果你本机版本较低例如 Python 3.6部分类型注解可能不兼容稍微修改即可运行不影响整体思路。2.2 代码示例的结构为了让示例有真实感本文会按以下目录结构组织代码loopx/ ├── loopx.py # 循环工具函数集合 ├── test_loopx.py # 简单测试脚本 ├── event_loop_demo.js # Node.js 事件循环示例 └── README.md # 说明文档可选代码示例会尽量保持独立可运行。涉及第三方库时会在对应位置说明安装命令没有依赖的示例则直接使用标准库完成。你不需要一开始就搭建完整工程可以先新建一个loopx.py文件边看边把函数复制进去测试。3. 常用编程语言中的循环语法拆解循环是编程语言里最基础也最容易写出“反直觉代码”的部分。下面分别看 Python、Java、JavaScript 三种语言的常见写法重点不是罗列语法而是对比它们的边界条件。3.1 Python 循环遍历风格与生成器Python 中最常用的是for...in循环。它与 C 语言的 for 不太一样本质是“迭代器遍历”。可以直接遍历列表、元组、字典、集合、字符串等可迭代对象。# 遍历列表 names [Alice, Bob, Charlie] for name in names: print(name) # 遍历字典 user {name: Tom, age: 18} for key, value in user.items(): print(key, value) # 使用 range 生成数字序列 for i in range(1, 5): print(i)这里需要注意range的行为range(1, 5)会输出 1 到 4不包含 5。如果写成range(5)输出 0 到 4。新手经常在边界这里踩坑比如想输出 1 到 100写成了range(1, 100)漏掉了 100。Python 还有一个特性是for...else。当循环正常结束没有被 break 中断时else块会执行。很多教程会忽略它但它非常适合用来做“查找失败后的兜底处理”。target 8 numbers [1, 3, 5, 7, 9] for n in numbers: if n target: print(找到了, n) break else: print(没有找到, target)此外Python 的列表推导式在简单循环场景下比 for 更简洁squares [x * x for x in range(10)] print(squares)这里等价于squares [] for x in range(10): squares.append(x * x)生成器是循环场景中另一个重要概念。把列表推导式的方括号改成圆括号就变成了生成器表达式它可以避免一次性创建大量数据在内存里gen (x * x for x in range(1000000)) print(sum(gen))这个例子中如果使用列表推导式会一次性生成百万个元素而生成器是边遍历边计算内存占用低很多。实际处理大文件、大日志、接口分页数据时生成器几乎是最优选择。3.2 Java 循环for、for-each 与 StreamJava 中传统 for 循环仍然很常用尤其是需要下标访问的场景。经典写法如下int[] nums {1, 2, 3, 4, 5}; for (int i 0; i nums.length; i) { System.out.println(nums[i]); }增强 for 循环for-each适合只遍历不改结构的情况ListString names Arrays.asList(Alice, Bob); for (String name : names) { System.out.println(name); }需要注意的是for-each 遍历时不能直接调用list.remove()否则会抛出ConcurrentModificationException。如果需要在遍历过程中删除元素应使用迭代器ListString list new ArrayList(Arrays.asList(A, B, C)); IteratorString it list.iterator(); while (it.hasNext()) { String item it.next(); if (B.equals(item)) { it.remove(); } }Java 8 之后的 Stream 也提供了类似循环的能力适合过滤、转换、聚合逻辑ListInteger numbers Arrays.asList(1, 2, 3, 4, 5); ListInteger evens numbers.stream() .filter(n - n % 2 0) .collect(Collectors.toList()); System.out.println(evens);这里 filter 替代了 for if 的写法代码更声明式。但要注意Stream 不是所有循环场景的替代品比如状态化循环、需要下标或者需要提前中断的复杂逻辑传统 for 更合适。3.3 JavaScript 循环for...of、forEach 与退出机制JavaScript 中有多种遍历方式最容易混淆的是forEach与for...of。const arr [10, 20, 30]; // for...of for (const item of arr) { if (item 20) { break; } console.log(item); } // forEach arr.forEach((item) { console.log(item); });关键区别是for...of可以使用break、continue、return控制流程而forEach不能直接 break只能通过抛出异常或提前 return 跳过本次回调。换句话说如果需要中断遍历用for...of或传统 for。JavaScript 中遍历对象的属性可以用for...in但它会包含原型链上的可枚举属性一般建议配合Object.prototype.hasOwnProperty判断。否则容易遍历出非自身属性引发意外结果。const obj { name: loopx, type: note }; for (const key in obj) { if (Object.prototype.hasOwnProperty.call(obj, key)) { console.log(key, obj[key]); } }日常遍历数组推荐for...of需要 key-value 时用Object.entries()const obj { name: loopx, type: note }; for (const [key, value] of Object.entries(obj)) { console.log(key, value); }掌握语法只是第一步。下面进入事件循环部分看看异步场景里“循环”是如何运转的。4. 事件循环异步编程的底层机制4.1 为什么需要事件循环如果你只写同步代码事件循环对你来说可能没什么存在感。但一旦涉及网络请求、文件读写、定时器、数据库操作异步机制就不可回避。以 Node.js 为例JavaScript 是单线程的不可能同时执行两段代码。为了实现高并发的 I/O 处理Node.js 引入了事件循环机制主线程先把耗时的 I/O 操作交给底层线程池或系统内核处理自己继续执行后面的任务当 I/O 完成后系统通知 Node.js 把对应的回调放入队列在合适的时机取出来执行。这个“取出来执行”的时机就是事件循环调度的过程。如果理解不到位经常会写出“明明先写了setTimeout却是最后执行的”的疑惑代码。4.2 Node.js 事件循环与微任务Node.js 的事件循环分为多个阶段主要包括timers执行setTimeout、setInterval的回调。pending callbacks执行上一轮延迟到现在的 I/O 回调。idle/prepare内部使用阶段。poll获取新的 I/O 事件执行与 I/O 相关的回调。check执行setImmediate回调。close callbacks执行 socket 或 handle 的 close 事件回调。每个阶段结束后会先执行微任务队列。所谓微任务指的是Promise.then、process.nextTick、queueMicrotask等回调。微任务会在当前阶段结束、进入下一阶段之前把队列清空。看一个示例console.log(1); setTimeout(() { console.log(2); }, 0); Promise.resolve().then(() { console.log(3); }); console.log(4);输出顺序是1 4 3 2原因是同步代码先执行输出 1、4Promise 的回调属于微任务在同步代码结束后、setTimeout 定时器回调之前执行所以输出 3 排在前面最后才轮到 0 毫秒定时器回调输出 2。这个现象在面试和日常开发中都很常见。如果你在使用定时器却发现回调迟迟不执行先想想事件循环阶段与微任务的执行顺序是不是有长任务阻塞了循环。4.3 Python asyncio 事件循环Python 3.4 引入 asyncio用于编写异步 I/O 代码。asyncio 的核心也是一个事件循环它不断检查任务队列找到可以执行的任务并调度。import asyncio async def say_hello(): print(hello) await asyncio.sleep(1) print(world) async def main(): await asyncio.gather( say_hello(), say_hello(), ) asyncio.run(main())上面代码中两个say_hello()协程并发执行总耗时约 1 秒而不是 2 秒。原因是遇到await asyncio.sleep(1)时协程让出控制权事件循环会调度另一个协程继续执行。使用 asyncio 最常见的误区是在协程中写了time.sleep()而不是await asyncio.sleep()导致事件循环被阻塞其他协程全部卡住。原因在于time.sleep()是同步阻塞调用会让顶层循环停住。import asyncio import time async def bad_func(): time.sleep(1) # 错误示范阻塞事件循环 async def good_func(): await asyncio.sleep(1) # 正确让出控制权所以在 asyncio 代码中凡是可能阻塞的操作尽量换成对应的异步版本。如果确有必要调用同步阻塞的第三方库通常需要把它放到线程池中执行避免拖死整个事件循环。5. 循环依赖工程中的“环”问题5.1 Spring Bean 循环依赖Spring 项目中当 Bean A 依赖 Bean B而 Bean B 又依赖 Bean A 时就会形成循环依赖。Spring 默认对单例 Bean 的 Setter 注入循环依赖是支持的但构造器注入的循环依赖默认无法解决启动时会出现类似下面的报错Requested bean is currently in creation: Is there an unresolvable circular reference?解决思路一般有三种构造器注入改为 Setter 注入或字段注入利用三级缓存提前暴露对象。使用Lazy注解在注入处生成一个代理对象延迟真正依赖的解析。重新梳理对象职责把互相依赖的代码做拆分这是根本解法。Service public class AService { private final BService bService; public AService(Lazy BService bService) { this.bService bService; } }实际项目中不建议为了绕过循环依赖盲目使用Lazy。循环依赖往往是设计问题的信号优先调整分层让依赖方向变得清晰。5.2 Maven 循环依赖Maven 多模块项目里如果 module-a 依赖 module-b而 module-b 又依赖 module-a构建时会报Dependency cycle错误。Maven 不允许模块之间存在循环依赖因为这会破坏构建顺序的确定性。排查方法是用依赖分析插件mvn dependency:tree然后观察模块之间的依赖方向。解决思路通常是抽取公共模块把 A 和 B 都依赖的公共类放到 module-common让 A 和 B 都指向它。依赖方向变成“树状”而不是“环状”。5.3 数据库外键循环引用数据库表设计同样存在循环引用。例如用户表 user、订单表 orderuser 有默认收货地址字段指向 order 表order 又有 user_id 外键指向 user 表两个表互相外键引用。这种设计在插入数据时很容易因为约束校验导致失败。实践建议是能不使用物理外键就不要使用用应用层逻辑维护关联关系。如果必须保留外键删除数据时要先删除子表记录再删除父表记录。需要修改时先禁用或延迟约束检查再执行 DML执行完恢复。这种“循环引用”带来的问题不是语法层面的而是架构和数据字典层面的。提前评估表关系能省下很多运维成本。6. 完整实战案例loopx 循环工具函数集6.1 需求与函数设计了解了循环相关概念后下面实现一个轻量工具模块 loopx.py。这个模块不是重复造轮子而是把循环场景里常用的能力集中起来方便以后复制到项目中使用。我设计了四个核心函数safe_range带边界保护的数字序列生成函数避免不小心产生无限循环。retry带重试次数的循环执行函数适合处理网络抖动等临时错误。chunked把大列表分成小批次适合分批写库或分批请求接口。run_with_deadline带超时控制的循环执行函数避免任务卡死。整体的设计思路是循环不要裸写要加限制、加超时、加批次这些是工程化使用循环的基本要求。6.2 完整代码新建loopx.py内容如下# 文件路径loopx/loopx.py loopx循环场景工具函数集合。 import time from typing import Any, Callable, Iterable, List, Optional def safe_range(start: int, end: Optional[int] None, step: int 1) - Iterable[int]: 安全地生成数字序列。 如果只传一个参数则按 range(end) 处理如果 end 为 None则返回空迭代器。 主要作用是避免因参数错误导致无限循环。 if end is None: end start start 0 if step 0: raise ValueError(step 不能为 0) return range(start, end, step) def retry( func: Callable[[], Any], max_retries: int 3, delay: float 0.5, exceptions: tuple (Exception,), ) - Any: 循环执行 func并支持失败重试。 :param func: 需要执行的函数 :param max_retries: 最多重试次数 :param delay: 每次重试之间等待的秒数 :param exceptions: 需要捕获的异常类型 :return: func 的返回值 attempt 0 while attempt max_retries: try: return func() except exceptions as e: attempt 1 if attempt max_retries: raise print(f第 {attempt} 次执行失败{e}{delay} 秒后重试...) time.sleep(delay) return None def chunked(data: List[Any], size: int) - Iterable[List[Any]]: 将列表按指定大小分块。 :param data: 输入列表 :param size: 每个分块的最大元素数量 if size 0: raise ValueError(size 必须大于 0) for i in range(0, len(data), size): yield data[i:i size] def run_with_deadline( func: Callable[[], Any], timeout: float 5.0, poll_interval: float 0.1, ) - Any: 在指定时间内循环执行 func直到成功或超时。 适用于等待某个条件成立的场景。 :param func: 返回 True 表示成功False 表示继续循环 :param timeout: 最长等待时间秒 :param poll_interval: 状态检查间隔秒 start_time time.time() while True: result func() if result: return result if time.time() - start_time timeout: raise TimeoutError(f等待超时超过 {timeout} 秒) time.sleep(poll_interval)为了让模块更完善再补充一个读取大量日志并按批次统计需求的小函数def count_in_chunks(file_path: str, keyword: str, chunk_size: int 10000): 分块读取文件统计包含指定关键字的行数。 避免一次性把大文件全部读入内存。 count 0 buffer [] with open(file_path, r, encodingutf-8) as f: for line in f: buffer.append(line) if len(buffer) chunk_size: count sum(1 for item in buffer if keyword in item) buffer.clear() if buffer: count sum(1 for item in buffer if keyword in item) return count6.3 测试与输出新建test_loopx.py验证函数是否能按预期工作# 文件路径loopx/test_loopx.py from loopx import chunked, retry, run_with_deadline, safe_range def test_safe_range(): assert list(safe_range(5)) [0, 1, 2, 3, 4] assert list(safe_range(1, 5)) [1, 2, 3, 4] print(safe_range 测试通过) def test_chunked(): assert list(chunked([1, 2, 3, 4, 5], 2)) [[1, 2], [3, 4], [5]] print(chunked 测试通过) def test_retry(): call_count 0 def flaky_func(): nonlocal call_count call_count 1 if call_count 3: raise RuntimeError(临时错误) return ok result retry(flaky_func, max_retries3, delay0.1) assert result ok print(retry 测试通过) def test_run_with_deadline(): state {count: 0} def wait_func(): state[count] 1 return state[count] 3 result run_with_deadline(wait_func, timeout2, poll_interval0.05) assert result is True print(run_with_deadline 测试通过) if __name__ __main__: test_safe_range() test_chunked() test_retry() test_run_with_deadline() print(全部测试通过)运行测试python test_loopx.py预期输出safe_range 测试通过 chunked 测试通过 retry 测试通过 run_with_deadline 测试通过 全部测试通过6.4 运行思路与实际使用建议为什么把 retry 函数单独抽出来因为在实际项目中网络请求、数据库连接、下游 RPC 都可能临时失败直接在业务代码里写多层 while try 既不美观也无法统一控制重试次数和等待时间。抽成工具函数后调用方只需要写一行data retry(lambda: call_remote_api(), max_retries5, delay1.0)chunked 函数则非常适合批量写入场景。例如一次需要处理 10 万条数据直接循环容易造成内存压力分批处理更平稳for batch in chunked(all_ids, size500): batch_update_status(batch)run_with_deadline 适合轮询等待某个资源就绪的场景比如等待接口返回状态、等待文件生成完成。结合超时时间可以避免因为依赖的服务没响应而让进程挂死。7. 死循环与高 CPU 问题的排查思路7.1 常见死循环类型死循环是循环场景中最容易引发线上事故的问题典型类型包括忘记更新循环变量或循环条件永远为真。在递归函数中缺少终止条件。for 循环遍历集合时不断往集合里追加元素导致永不结束。循环内 catch 住了所有异常并不断重试没有退出条件。多线程场景中因为锁等待造成逻辑死锁虽然不是严格意义上的死循环但表现同样是“卡死”。我先看一个最典型的 Python 死循环i 0 while i 10: print(i) # 忘记写 i 1导致 i 永远为 0这段代码会无限打印 0。解决方式是确保每次循环都改变循环变量的值或者在循环内设置明确的退出路径i 0 while i 10: print(i) i 1还有一类隐藏坑遍历列表时修改列表。nums [1, 2, 3, 4, 5] for n in nums: if n % 2 0: nums.remove(n)这种代码在 Python 中虽然不会抛错但结果不符合预期因为遍历时列表长度在变化。更安全的方式是创建副本后再遍历nums [1, 2, 3, 4, 5] for n in nums[:]: if n % 2 0: nums.remove(n)7.2 线上定位流程如果线上应用 CPU 飙高怀疑死循环导致可以按以下流程排查使用top命令查看 CPU 占用最高的进程 PID。使用top -Hp PID查看进程内线程的 CPU 占用。如果是 Java 应用使用jstack PID导出线程快照搜索RUNNABLE状态的线程查看它的调用栈找到卡住的业务循环。如果是 Python 应用可以使用py-spy dump --pid PID查看当前执行栈。如果是 Node.js 应用可以在启动时加--inspect用 Chrome DevTools 的 Profiler 抓取 CPU Profile定位热点函数。定位到具体代码后重点关注循环条件和退出条件尤其是while True、for内部有无 break、continue 是否误用了标签等。7.3 常见问题排查表问题现象常见原因解决思路CPU 100%进程卡住循环条件永远为真检查循环变量和条件增加退出日志Java 启动时报 Circular referenceSpring 构造器注入循环依赖改用 Setter 注入、Lazy 或拆分模块Node.js 定时器回调延迟严重主线程被同步循环阻塞优化同步逻辑或拆分成异步批次Python asyncio 协程不执行协程中调用了 time.sleep改用 await asyncio.sleep遍历集合时异常循环中修改集合结构使用副本遍历或迭代器 remove下游接口偶发超时没有重试机制引入带超时的 retry 工具函数大数据量批量处理内存溢出一次性加载全部数据使用 chunked 分批处理8. 最佳实践与工程建议8.1 循环书写的通用规范先总结几条所有语言通用规范循环前先确认边界条件尤其是start、end、step的值是否会无限循环。循环体尽量短小。如果循环体超过 20 行先考虑抽函数。不要裸用while True除非你在循环体内有明确的 break 条件。在循环开头或结尾增加必要日志但避免在高频循环里每次都打日志。优先使用语言提供的推导式、迭代器、Stream 等高级能力但不要过度封装导致可读性下降。遍历集合时不要修改集合的长度和结构。一个比较推荐的模式是“循环 状态 超时”deadline time.time() 30 while time.time() deadline: result try_do_something() if result.is_success(): break time.sleep(0.5)这样能够确保代码不会因为异常情况无限等待。8.2 异步循环注意事项在异步环境写循环时有几个额外注意点不要在协程中使用同步阻塞调用否则会阻塞整个事件循环。异步循环中创建大量任务时要控制并发度不要一次性create_task几千个。重试循环必须设置最大次数和超时时间避免异常导致无限重试打爆下游服务。定时器循环任务要考虑上一次执行是否完成。如果上一次没执行完下一次又开始执行会造成任务堆积。在 Node.js 中如果要做定时批量任务可以用setInterval但要防止重入let running false; setInterval(async () { if (running) { console.log(上一次任务尚未完成跳过本次执行); return; } running true; try { await doBatch(); } finally { running false; } }, 1000);在 Python asyncio 中也有类似问题通常使用asyncio.Lock或一个简单的布尔标志位。8.3 循环依赖规避策略循环依赖是架构层面最容易忽略的问题。建议从以下角度规避依赖方向保持单向。上层模块可以依赖下层模块下层模块不要反向依赖上层。遇到 Spring 循环依赖优先考虑拆分 Service而不是直接加Lazy。Maven 多模块项目遵循“common 模块只被依赖不依赖业务模块”原则。数据库表之间的外键不要设计成双向约束使用应用层事务保证数据一致性。代码评审时把“新增依赖是否形成循环”作为必查项。使用jdeps或 Maven 依赖插件定期检查模块依赖关系也能帮助早期发现问题。8.4 可观测性与监控涉及循环的应用最好增加可观测性循环任务开始和结束时记录任务名称、耗时、成功状态。重试次数、失败原因要记录到结构化日志或监控指标中。给死循环场景设计告警CPU 使用率超过阈值、任务执行时间超过预期、重试次数过多都要触发告警。进程启动时可以做一次自检比如检查配置文件里的循环次数是否在合理范围。监控不是代码写完后的额外工作而应该从一开始就纳入设计。尤其是定时任务、消息消费、批量处理这类循环密集型任务没有监控意味着故障发生时很难快速定位。9. 后续学习路线与项目实践建议从 loopx 这个专题延伸出去你可以继续研究以下方向深入学习生成器和迭代器协议理解 Python 循环背后的迭代机制。阅读 Node.js 事件循环官方文档结合process.nextTick、setImmediate、Promise、queueMicrotask彻底搞懂执行顺序。在 Spring 项目中尝试用DependsOn、Lazy等注解解决不同的依赖顺序问题。自己实现一个简化的事件循环加深对异步调度的理解。把文中的 loopx.py 扩展成包含滑动窗口、令牌桶限流、异步重试等更多能力的工具包。实际项目中优先关注三类风险线上死循环导致的高 CPU、异步事件循环被阻塞导致的延迟升高、模块循环依赖导致的构建与启动失败。每类风险都建议在测试环境通过混沌实验和压力测试提前发现。如果本文对你有帮助可以收藏备用。也建议你把 loopx.py 直接放进自己的工具库遇到类似场景时改一改就能用。动手跑一遍示例比只看一遍收获大得多。