Python递归栈溢出是因CPython默认栈深约1000且不支持尾递归优化，调高限制易致段错误；有效解法唯循环重写或显式栈模拟，@lru_cache仅去重不降深度。
Python递归函数会栈溢出，根本不是“写法不对”，而是每次调用都压入一个新栈帧，而CPython默认栈深度上限约1000层——超过就抛 RecursionError: maximum recursion depth exceeded。尾递归优化在CPython里完全不生效，别信“改成尾递归就安全”这种误导。
为什么sys.setrecursionlimit()只是饮鸩止渴
调高限制看似解燃眉之急，但实际风险更大：
- 栈空间是操作系统分配的固定内存块（Windows默认约1MB，Linux通常8MB），强行加到5000+可能直接触发段错误（
Segmentation fault），进程崩溃而非抛异常 - 递归深度增加一倍，栈帧数量也翻倍，局部变量、返回地址、参数全堆在栈上，内存占用线性上涨
- 它不解决算法本质问题：比如未缓存的
fib(100)会调用上亿次，哪怕深度只到100，栈帧数仍是100，但总开销爆炸
尾递归在Python里根本不会被优化
CPython解释器明确不支持尾调用优化（TCO）。下面这段所谓“尾递归”代码：
def fact_tail(n, acc=1):
if n <= 1:
return acc
return fact_tail(n - 1, n * acc)
和普通递归一样危险。原因很直接：
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
- 每次
return fact_tail(...)仍会创建新栈帧，acc只是参数，不是复用当前帧 - 你可以用
import inspect; print(len(inspect.stack()))在函数内实测，深度随n线性增长 - PyPy等少数实现虽支持TCO，但生态兼容性差，生产环境基本不用
真正有效的替换方案只有两个方向
不是“选尾递归还是调深度”，而是必须把隐式调用栈换成显式控制结构：
-
用循环重写：适合有清晰状态转移的场景，如阶乘、斐波那契、链表遍历。
fib_iter(n)只需两个变量 + 一个for，空间复杂度O(1)，深度恒为1 -
用显式栈模拟：适合树/图DFS、嵌套结构展开等天然递归结构。把待处理节点存进
list或collections.deque，每次pop()一个，append()子任务。栈空间可控，且能随时中断或限流 -
加
@lru_cache是辅助，不是替代：它砍掉重复子调用（如fib(5)被算多次），但不降低单条路径深度。对深度敏感场景（如超深树遍历）无效
最容易被忽略的一点：很多“递归需求”其实源于数据结构嵌套过深（比如解析200层JSON或XML）。这时候与其硬扛调用栈，不如先用 json.loads() 后检查 sys.getsizeof() 或手动限深遍历——预防永远比抢救便宜。
