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。
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 StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0135
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03