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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C094
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00