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。
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-1.5暂无简介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