为何能在Jupyter中创建超出max_buffer_size限制的数组？

• max_buffer_size的真实作用
  这个参数属于Jupyter Notebook的应用层配置，管控的是前端与后端传输数据时的缓冲区大小——比如你在单元格输出大表格、图片或大量文本时，Jupyter会用这个缓冲区临时存储要发送给浏览器的数据，避免一次性传输过大内容导致的卡顿或崩溃。它和Python内核能使用的系统内存完全无关，并非限制内核总内存的参数。

• numpy数组的内存不受该参数约束
  numpy创建数组时，是直接由Python内核向操作系统申请内存的，这个过程完全绕开了Jupyter的缓冲区管理器。内核能占用的内存上限取决于你的硬件配置、操作系统设置（比如虚拟内存），以及Python版本（64位Python几乎仅受硬件限制），和max_buffer_size没有关联。

• 内存占用的对应关系
  你用htop看到的2GB内存是Python内核进程（如python3或jupyter-kernel）的占用量，而Jupyter Notebook的主进程（jupyter-notebook）的内存使用才会受max_buffer_size影响——比如当你输出超大规模的文本内容时，主进程内存会逼近0.5GB的阈值，此时再输出大内容可能会触发缓冲区相关的报错。

内容的提问来源于stack exchange，提问作者figs_and_nuts