我之前处理过类似的文件句柄耗尽场景，给你几个实用的解决思路：

1. 先排查操作系统的文件句柄限制 #

这是最常见的诱因，首先要确认系统级和进程级的文件句柄上限：

• Linux/macOS：用ulimit -n查看当前进程的句柄限制，默认可能是1024或4096。如果6-8个实例加上系统其他进程的句柄数接近这个值，就会触发耗尽。临时调整可以用ulimit -n 65536（需要root权限），永久调整则修改/etc/security/limits.conf，添加：

  * soft nofile 65536
  * hard nofile 65536
  

• Windows：通过任务管理器查看进程的句柄数，或者在注册表中调整HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Services\LanmanServer\Parameters下的MaxOpenFiles值。

2. 确保文件句柄被即时释放 #

虽然你用了with语句自动关闭文件，但Python的垃圾回收机制可能存在延迟，导致句柄没有立刻被操作系统回收。可以试试用更底层的系统API来强制即时释放：

import os

def write_data_to_disk(file_list):
    for file_name in file_list:
        # 直接调用系统级API操作文件
        fd = os.open(file_name, os.O_WRONLY | os.O_APPEND | os.O_CREAT)
        try:
            os.write(fd, b"你的增量数据内容")
        finally:
            os.close(fd)  # 强制即时关闭句柄，无GC延迟

3. 控制单实例的并发文件操作数 #

你的代码是串行处理文件，理论上单实例只会占用1个文件句柄，但如果操作系统的句柄回收有延迟，多个实例同时运行时可能短时间内累积大量待回收的句柄。改成限制并发写入的文件数，既能提升效率又能严格控制句柄占用：

from concurrent.futures import ThreadPoolExecutor

def write_single_file(file_name):
    with open(file_name, 'a') as f:
        f.write("你的增量数据内容")

def write_data_to_disk(file_list):
    # 控制并发数，比如20，根据系统限制灵活调整
    with ThreadPoolExecutor(max_workers=20) as executor:
        executor.map(write_single_file, file_list)

这样每个实例最多同时占用20个句柄，8个实例总句柄数也只有160，远低于系统上限。

4. 排查隐藏的句柄泄漏 #

如果上面的方法都没用，就要检查代码是否有其他隐藏的句柄泄漏：

• 用lsof -p <进程PID>（Linux/macOS）或Process Explorer（Windows）查看每个Python实例打开的句柄列表，确认是否有除了目标文件之外的额外句柄（比如日志文件、数据库连接等）。
• 仔细检查代码中...部分是否有打开文件/资源后未关闭的逻辑，比如自定义的文件操作类、第三方库的调用等。

内容的提问来源于stack exchange，提问作者q0987