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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00