setuptools 在 Windows 平台构建自由线程扩展时的 Py_GIL_DISABLED 宏问题解析
在 Python 3.13 的自由线程(free-threaded)版本中,当开发者使用 setuptools 在 Windows 平台构建 C 扩展模块时,可能会遇到一个关键问题:Py_GIL_DISABLED 宏未被正确定义,导致构建的扩展模块在导入时崩溃。
问题背景
Python 3.13 引入了自由线程构建选项,这种构建方式移除了全局解释器锁(GIL)。在 Windows 平台上,自由线程版本使用不同的动态链接库(python313t.dll 而非 python313.dll)。为了确保兼容性,扩展模块在构建时必须定义 Py_GIL_DISABLED 宏,否则会导致运行时错误。
问题表现
当开发者使用自由线程版本的 Python(如通过 python313t)构建和导入扩展模块时,如果没有正确定义 Py_GIL_DISABLED 宏,扩展模块会链接到错误的 DLL(python313.dll 而非 python313t.dll),导致段错误(segmentation fault)。
技术分析
在 Windows 平台上,由于共享相同的头文件目录,pyconfig.h 文件无法自动区分常规构建和自由线程构建。因此,构建系统需要显式地定义 Py_GIL_DISABLED 宏来指示当前正在构建自由线程兼容的扩展。
这个问题在 Unix 类系统上不会出现,因为在这些系统上,自由线程构建会生成不同的 pyconfig.h 文件。但在 Windows 上,由于安装程序的限制,开发者必须手动定义这个宏。
解决方案
setuptools 社区已经意识到这个问题,并提出了解决方案。正确的做法是:
- 检查 sysconfig.get_config_var("Py_GIL_DISABLED") 的值
- 如果返回 True,则在构建扩展时自动添加 -DPy_GIL_DISABLED=1 编译选项
对于使用 setuptools 构建扩展的开发者,目前可以采取以下临时解决方案:
# 在 setup.py 中添加以下代码
import os
import sysconfig
if os.name == 'nt' and sysconfig.get_config_var("Py_GIL_DISABLED"):
macros.append(('Py_GIL_DISABLED', 1))
未来改进
setuptools 计划在未来版本中自动处理这个问题,使得开发者无需手动添加上述代码。这一改进将遵循与 CMake 类似的逻辑:当链接的导入库名称以 "t.lib" 结尾时(如 python313t.lib),自动定义 Py_GIL_DISABLED 宏。
总结
对于在 Windows 平台上使用 Python 3.13 自由线程版本构建 C 扩展的开发者来说,正确处理 Py_GIL_DISABLED 宏是确保扩展模块正常工作的关键。虽然目前需要手动处理,但 setuptools 正在积极改进以提供更好的开发者体验。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112