Python中设置递归限制/栈大小的不同方法区别及选择

两种方案的核心区别 #

• 适用平台不同：第一种调用resource模块的方案仅支持类Unix系统（Linux、macOS等），Windows平台没有内置resource模块，运行会直接抛出导入错误。第二种用threading配置栈大小的方案是跨平台实现，Windows、Linux、macOS均可正常运行。
• 作用范围不同：第一种修改的是当前进程主栈的栈大小限制，配置完成后主程序直接可以运行高递归深度的代码，不需要额外调整代码结构。第二种修改的是后续新建线程的默认栈大小，主程序本身的栈大小没有变化，必须把递归逻辑放到新启动的子线程中运行才能生效。
• 默认栈容量不同：第一种配置的栈大小为2**29即512MB，第二种默认配置的是64MB栈空间，如果你实现的递归逻辑每层占用内存较大、总深度很高，第一种的默认配置能承载的递归规模更大。
• 权限要求不同：第一种调用setrlimit调整栈硬限制时，部分系统可能需要管理员权限才能设置过高的值，否则会触发权限异常。第二种设置线程栈大小不需要额外权限，普通用户身份即可正常执行。

算法竞赛场景选型建议 #

如果你的竞赛运行环境明确是Linux（目前绝大多数算法竞赛的OJ后端都采用Linux系统），优先选择第一种方案：

• 代码更简洁，不需要把递归逻辑封装到main函数再额外启动线程，配置完成后直接运行主逻辑即可
• 默认512MB的栈空间足够应对几乎所有竞赛题的递归需求，极少出现栈溢出问题

如果你的运行环境是Windows，或者需要在本地Windows设备上调试代码，选择第二种方案：

• 跨平台兼容，不会出现模块缺失错误
• 如果默认64MB栈不够用，可以自行调大threading.stack_size的参数，比如调整为2**29即可获得和第一种方案相同的512MB栈空间

注意：无论选用哪种方案，sys.setrecursionlimit设置的数值必须大于你实际需要的递归深度，否则Python会优先触发自身的递归深度限制报错，和栈空间大小无关。

内容的提问来源于stack exchange，提问作者planetp