这篇文章将为大家详细讲解有关Python中程序不动的原因是什么，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
目前创新互联公司已为1000多家的企业提供了网站建设、域名、网络空间、网站托管维护、企业网站设计、保山网站维护等服务，公司将坚持客户导向、应用为本的策略，正道将秉承"和谐、参与、激情"的文化，与客户和合作伙伴齐心协力一起成长，共同发展。
Python中程序不动的原因：
死循环
死循环很令人讨厌，死循环是预期之外的无限循环。
最典型的预期之内的无限循环是socketserver，进程不死，服务不止。
而死循环看起来很忙（CPU100%），但是没有任何实质的作用。
死循环有不同的粒度，最粗的粒度是两个进程之间的相互调用，比如RPC；
其次是函数级别，较为常见的是没有边界条件的递归调用，或者在多个函数之间的相互调用；
最小的粒度是在一个函数内部，某一个代码块（code block）的死循环，最为常见的就是for，while语句。
在Python中，函数级别是不会造成无限循环的，如代码所示：
# -*- coding: utf-8 -*- def func1(): func() def func(): func1() if __name__ == '__main__': func()
运行代码，很快就会抛出一个异常：RuntimeError: maximum recursion depth exceeded。
显然，python内部维护了一个调用栈，限制了最大的递归深度，默认约为1000层，也可以通过 sys.setrecursionlimit(limit) 来修改最大递归深度。
在Python中，虽然出现这种函数级别的死循环不会导致无限循环，但是也会占用宝贵的CPU，也是决不应该出现的。
而代码块级别的死循环，则会让CPU转到飞起，如下面的代码
# -*- coding: utf-8 -*- def func(): while True: pass if __name__ == '__main__': func()
这种情况，通过看CPU还是很好定位的
从进程状态R（run），以及100%的CPU，基本上就能确定是死循环了，当然也不排除是CPU密集型，这个跟代码的具体逻辑相关。
这个时候，也是可以通过gdb来看看当前调用栈的，具体的准备工作如上，这里直接给出py-bt结果
> (gdb) py-bt
> Traceback (most recent call first):
> File "run\_forever.py", line 5, in func
> File "run\_forever.py", line 8, in
> (gdb)
在《无限“递归”的python程序》一文中，提到过使用协程greenlet能产生无限循环的效果，而且看起来非常像函数递归，其表现和gdb调试结果与这里的死循环是一样的。
关于Python中程序不动的原因是什么就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
