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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00