coverage.py项目在Python 3.13无GIL模式下的线程安全适配
在Python 3.13版本中引入了一个重要的新特性——"free-threaded"(无GIL)模式,这使得Python可以真正实现多线程并行执行。这一变化对Python生态系统的扩展模块提出了新的要求,特别是那些包含C扩展的模块需要明确声明其线程安全性。
近期,在joblib项目测试过程中发现,当使用coverage.py进行测试覆盖率统计时,Python 3.13会发出警告提示:"The global interpreter lock (GIL) has been enabled to load module 'coverage.tracer'"。这个警告表明coverage.tracer模块尚未声明其是否可以在无GIL环境下安全运行。
coverage.tracer是coverage.py项目的核心组件之一,负责在代码执行过程中跟踪和记录覆盖信息。作为一个性能敏感的模块,它部分采用了C扩展实现以获得更好的执行效率。在Python 3.13的无GIL模式下,任何包含C扩展的模块都需要通过Py_mod_gil_not_used标志明确声明其线程安全性,否则解释器会强制启用GIL来加载该模块。
项目维护者nedbat迅速响应了这个问题,在最新发布的coverage 7.5.4版本中为模块添加了适当的线程安全声明。这一改动确保了coverage.py可以在Python 3.13的无GIL模式下正常工作,同时消除了相关的运行时警告。
对于科学计算领域的开发者而言,这一改进尤为重要。像joblib、scikit-learn这样的项目经常需要处理计算密集型任务,Python 3.13的无GIL模式为它们提供了真正的多线程并行能力。coverage.py作为这些项目测试流程中的关键工具,其与无GIL模式的兼容性确保了整个测试流程可以充分利用新版本Python的性能优势。
目前,科学Python生态系统正在进行全面的无GIL兼容性评估和适配工作。coverage.py的及时更新为其他项目提供了一个良好的范例,展示了如何正确处理C扩展模块在新Python版本中的线程安全问题。开发者现在可以放心地在Python 3.13的无GIL环境下使用最新版的coverage.py进行测试覆盖率统计,而无需担心兼容性问题或性能损失。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00