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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00