默认write()频繁小IO导致性能下降，因缓冲区易满而多次系统调用；应显式增大buffering（如64KB）或批量拼接后一次写入。
Python 默认的
在写入大文件时如果不加控制，会频繁触发系统调用、产生大量小 IO，导致性能急剧下降——这不是代码逻辑问题，而是缓冲策略没对上实际负载。
为什么直接
大量小字符串会变慢
每次调用
时，Python 默认使用行缓冲（
）或全缓冲（普通文件），但若你反复写入短字符串（比如逐行拼接日志、逐条 dump JSON），缓冲区可能频繁被填满并刷新，底层实际变成多次
系统调用。实测 100 万行、每行 100
字节
，不缓冲写入可能比批量写慢 3–5 倍。
默认
会按系统块大小（通常 4KB–8KB）自动缓冲，但「自动」不等于「够用」
手动刷盘会强制同步，除非必要，别在循环里调用
使用
比
多一层格式化开销，高频写入时建议绕过
用
参数显式控制缓冲区大小
把缓冲区从默认值（如 8192）扩大到 64KB 或 1MB，能显著减少系统调用次数，尤其适合连续写入场景（如导出 CSV、生成日志、dump 二进制流）。
设为
：禁用缓冲（仅适用于二进制模式，文本模式报错）
设为
：固定 8KB 缓冲（比默认更可控）
设为
（1MB）：适合单次写入总量 >10MB 的场景
注意：缓冲区过大不会提升速度，反而可能增加内存压力或延迟落盘时间
批量拼接 + 一次
比逐行写快得多
当数据可预计算、内存允许（例如百万级字符串，总长
php版微信js-sdk支付接口类
php版微信js-sdk支付接口类
下载
立即学习
“
Python免费学习笔记（深入）
”；
用
替代循环
（后者在 Python 中是 O(n²)）
若数据来自生成器，先转成列表或用
分批，别直接
（会耗尽生成器且无长度提示）
写入前加换行符比循环里每次都加更省事；
是常见安全写法
用
避免隐式换行和类型检查开销
如果你已有每行带换行符的字符串列表（如
），
比循环
快约 15–20%，因为它跳过了 print-style 格式化与换行补全逻辑。
不自动加换行符，必须确保每个元素自带
或
它接受任意可迭代对象（
、
、
），但 generator 若中途异常可能只写一部分
不推荐对超大列表直接
—— 它内部仍是逐个 write，没解决系统调用频次问题
真正卡住性能的往往不是“怎么写”，而是“什么时候写”和“写多少才刷”。缓冲区大小、是否预聚合、换行符位置这些细节，在 GB 级写入任务里，差的不是几秒，而是几分钟甚至磁盘 I/O 队列拥塞。别迷信默认值，用
实测你的写入行为，比读十篇教程都管用。
file.write()write()file.write("...")sys.stdoutwrite(2)open(..., buffering=-1)flush()print(..., file=f)f.write()bufferingbuffering=0buffering=8192buffering=1024*1024with open("output.log", "w", buffering=64*1024) as f:
for i in range(1000000):
f.write(f"line {i}: data...\n")write()str.join()+=itertools.islicejoin(gen)"\n".join(lines) + "\n"lines = [f"line {i}: data..." for i in range(100000)]
batch = "\n".join(lines) + "\n"
with open("output.txt", "w") as f:
f.write(batch)writelines()["a\n", "b\n", "c\n"]writelines()write()writelines()\n\r\nlisttuplegeneratorwritelines(big_list)lines_with_newline = (f"line {i}\n" for i in range(100000))
with open("output.txt", "w") as f:
f.writelines(lines_with_newline)strace -e trace=write python script.py