MagicStack/asyncpg 项目在 Python 3.13 中的兼容性问题解析
MagicStack/asyncpg 是一个高性能的 PostgreSQL 客户端库,它通过原生异步支持和底层优化提供了卓越的数据库访问性能。然而,随着 Python 3.13 的发布,该项目在构建过程中遇到了一些兼容性问题,这些问题主要源于 Python 核心 API 的变化。
问题背景
Python 3.13 引入了一系列内部 API 的变更,这些变更影响了 asyncpg 的构建过程。特别是与 C 扩展相关的部分,因为 asyncpg 使用了 Cython 来生成高性能的 C 代码。在 Python 3.13 中,许多原本公开的 C API 函数被标记为内部使用,导致构建失败。
主要问题分析
构建过程中出现的错误主要涉及以下几个方面:
-
Py_UNICODE 类型弃用:Python 3.13 中这个类型已被标记为废弃,而 asyncpg 的某些代码仍在使用它。
-
_PyLong_AsByteArray 函数参数变更:这个用于长整型与字节数组转换的函数在 Python 3.13 中增加了新的参数要求,导致调用方式不兼容。
-
内部函数访问问题:如 _PyInterpreterState_GetConfig 等函数现在被标记为内部 API,无法直接调用。
-
Unicode 处理函数变更:_PyUnicode_FastCopyCharacters 等字符串处理函数的可用性发生了变化。
解决方案
针对这些问题,项目维护者采取了以下措施:
-
升级 Cython 版本:使用最新版 Cython(3.0.11)重新生成 C 代码,确保生成的代码与 Python 3.13 兼容。
-
移除预生成的 C 代码:在构建前清理旧的 Cython 生成文件,强制使用新版本的 Cython 重新生成。
-
API 调用适配:修改代码以适应 Python 3.13 中变更的 API 调用方式。
-
测试套件调整:针对 SSL 连接测试中出现的证书问题,暂时跳过相关测试用例。
用户应对方案
对于需要使用 asyncpg 0.30.0 及以上版本的用户,建议:
-
确保系统已安装最新版的 Cython(3.0.11 或更高版本)。
-
在构建前设置环境变量 ASYNCPG_BUILD_CYTHON_ALWAYS=1,强制重新生成 C 代码。
-
可能需要额外安装 greenlet 依赖项,特别是在测试环境中。
-
对于 Docker 用户,建议在构建阶段明确指定 Cython 版本并确保构建环境完整。
技术影响
这些变更反映了 Python 生态系统的演进趋势:
-
API 稳定性:Python 核心团队正在收紧对内部 API 的访问控制,这会影响许多依赖这些 API 的扩展项目。
-
构建系统现代化:项目需要更频繁地更新构建工具链,以保持与最新 Python 版本的兼容性。
-
测试覆盖:随着 Python 版本更新速度加快,扩展项目需要更全面的测试矩阵来确保跨版本兼容性。
结论
MagicStack/asyncpg 项目通过 0.30.0 版本成功解决了 Python 3.13 的兼容性问题,展现了项目维护团队对技术演进的快速响应能力。这一案例也提醒我们,在现代 Python 生态中,扩展项目需要建立更灵活的构建系统和更全面的版本兼容性测试策略,以应对 Python 核心不断演进带来的挑战。
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