Pyinstrument 在 Python 3.12 中与 pytest 集成时的异常问题分析
问题现象
Pyinstrument 是一款优秀的 Python 性能分析工具,但在 Python 3.12 环境下与 pytest 测试框架集成使用时,用户报告了一个异常问题。当尝试使用 pyinstrument -m pytest 命令运行测试时,会出现以下关键错误:
SystemError: <built-in function get_frame_info> returned a result with an exception set
KeyError: 'cls'
问题根源
经过深入分析,这个问题源于 Pyinstrument 的 C 扩展模块在处理 Python 3.12 的帧信息时的一个兼容性问题。具体来说:
- 当 Pyinstrument 尝试获取函数帧的本地变量信息时,会查找名为 'cls' 的变量
- 在某些情况下(特别是在 pytest 环境中),这个变量虽然存在于代码中,但在运行时实际上已被删除
- 在 Python 3.12 中,PyDict_GetItem 和 PyObject_GetItem 的行为差异导致了异常处理不一致的问题
技术细节
问题的核心在于 Python 3.12 对 C API 的修改。Pyinstrument 的 C 扩展原本使用 PyObject_GetItem 来访问字典项,这在 Python 3.13 中需要调整为 PyDict_GetItem 以保持兼容性。然而,这两种方法在错误处理上有重要区别:
- PyObject_GetItem 会设置异常状态
- PyDict_GetItem 则不会
当代码尝试访问一个已被删除的变量(如类方法中的 'cls' 参数)时,这种差异就导致了问题。
重现方法
开发者成功创建了一个最小重现案例:
import time
class A:
@classmethod
def class_method(cls):
print('class_method')
del cls
time.sleep(0.1)
A.class_method()
这个例子展示了在类方法中显式删除 'cls' 参数后,Pyinstrument 尝试访问该变量时会出现同样的问题。
解决方案
目前有两种可行的解决方案:
-
临时解决方案:增加采样间隔,使用
--interval 0.01参数运行 Pyinstrument。这减少了遇到问题的概率,但不是根本解决方案。 -
永久解决方案:等待 Pyinstrument 发布包含 C 扩展修复的新版本。开发者已经提交了修复代码,主要调整了字典项访问的错误处理方式。
最佳实践建议
对于需要在 Python 3.12 环境下使用 Pyinstrument 分析 pytest 测试的用户,建议:
- 优先考虑使用较长的采样间隔
- 关注 Pyinstrument 的版本更新,及时升级到包含此修复的版本
- 在测试代码中避免对方法参数(特别是 'cls' 和 'self')进行删除操作
- 对于关键性能测试,可以考虑暂时使用其他性能分析工具作为过渡方案
总结
这个问题展示了 Python 版本升级对扩展模块兼容性的挑战,特别是涉及 C API 变更时。Pyinstrument 团队快速响应并提供了解决方案,体现了开源社区的高效协作。用户在使用性能分析工具时,应当注意工具与 Python 版本的兼容性,并及时关注相关更新。
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00