新闻详情

新闻详情

首页 / 资讯中心 / 详情

Numba 0.65.1 补丁版本解析:Python 3.14.4+ 禁用 JIT `sys.monitoring` 集成与 `NUMBA_ENABLE_SYS_MONITORING` 行为变更

发布时间:2026/11/10 4:56:49来源:尧图网络
Numba 0.65.1 补丁版本解析:Python 3.14.4+ 禁用 JIT `sys.monitoring` 集成与 `NUMBA_ENABLE_SYS_MONITORING` 行为变更
Numba 0.65.1 补丁版本解析Python 3.14.4 禁用 JITsys.monitoring集成与NUMBA_ENABLE_SYS_MONITORING行为变更【免费下载链接】numbaNumPy aware dynamic Python compiler using LLVM项目地址: https://gitcode.com/gh_mirrors/nu/numbaNumba 0.65.1 是一个针对 CPython 3.14.4 及更高版本的紧急补丁版本由于 Python 解释器内部实现发生变化Numba 在此版本起禁用了 JIT 编译函数与sys.monitoring的集成环境变量NUMBA_ENABLE_SYS_MONITORING在这些版本上不再生效若用户设置了非零值还会收到UserWarning提示。本文以该版本发布说明见 0.65.1-notes.rst为核心结合仓库中 sys.monitoring 开发者文档、环境变量参考 与 dispatcher 源码完整梳理这次变更的来龙去脉、受影响行为、测试验证方式以及后续版本的修复路径帮助你在不同 Python 版本上正确配置 Numba 的sys.monitoring支持。版本背景一次依赖 CPython 内部实现的“外科手术”发布概况根据 0.65.1-notes.rst0.65.1 发布于 2026 年 4 月 23 日是一个纯粹的补丁patch版本全版本只包含一项功能性变更禁用 Python 3.14.4 及之后版本的 JITsys.monitoring集成关联 issue [#10538]由 PR [#10547] 实现另有 PR [#10562] 负责 cherry-pick 与更新变更日志changelog。该版本唯一的代码作者是swap357。为什么要紧急禁用发布说明给出了直接原因Python 3.14.4 修改了 Numba 依赖的解释器内部结构interpreter internals这些内部结构正是 Numba 实现sys.monitoring支持所依赖的。由于 Numba 的 JIT 代码路径完全运行在机器码中没有 Python 解释器参与它必须借助 CPython 的内部机制来“模拟”监控事件详见下文原理部分。CPython 3.14.4 的内部 ABI 变化导致这套机制失效Numba 在无法立即跟进上游改动的情况下选择了在受影响的版本上整体禁用该功能以保证稳定性和可预期行为。sys.monitoring在 Numba 中是如何工作的要理解这次禁用影响的真实范围需要先弄清楚 Numba 对sys.monitoring的支持机制。仓库中的 sys_monitoring.rst 对此有完整说明该文档写于 Python 3.12 时代其概念性描述至今仍然适用。监控系统的两种模式Python 3.12 引入的sys.monitoring允许“按工具per tool”注册事件回调用于性能剖析如cProfile或调试。监控分为两类局部监控local通过改写代码对象的字节码将普通操作码替换为“插桩操作码”如RETURN替换为INSTRUMENTED_RETURN在执行时发出事件。由于 Numba 编译后的函数根本没有解释器在执行字节码事件永远不会被发出。虽然理论上可在分派dispatch时分析代码对象来模拟PY_START、PY_RETURN但用户可以在运行时动态去插桩或禁用监控模拟其语义需要与解释器持续交互成本过高因此 Numba明确不支持局部事件监控——函数仍能正常执行只是监控对其无效果。全局按线程监控per-thread global用户通过sys.monitoringAPI 设置解释器线程级全局状态不涉及代码对象更契合 Numba 的执行模型这是 Numba 支持的模式。Numba 实际支持的四种事件由于没有 Python/C API 可以直接“发出事件”该概念与解释器强绑定Numba 的分派器dispatcher只能在分派序列的合适位置手动检查工具-事件组合并直接调用回调相当于替解释器执行“发事件”的工作。dispatch 序列是nopython 模式下解释器与机器码交接的最后一环因此只有四种事件被支持事件含义Numba 的触发时机sys.monitoring.events.PY_STARTPython 函数开始执行控制权转移给机器码之前sys.monitoring.events.PY_RETURNPython 函数返回控制权从机器码交回 dispatcher 之后sys.monitoring.events.RAISEPython 函数抛出异常机器码中异常状态交回 dispatcher 时sys.monitoring.events.PY_UNWIND异常展开期间函数退出同上这些事件在机器码中并不真实存在但若由解释器执行等价字节码则会出现。Numba 的模拟行为让cProfile之类的工具能像看待普通解释执行一样“看到”被编译的函数。一个细节是回调通常携带“字节码偏移量offset”参数Numba 因无法轻易从机器码获取运行时的真实偏移如多个返回路径统一将偏移设为 0文档中明确说明目前做运行时分析的收益远低于成本。环境变量开关默认关闭该功能在 0.61.0 版本引入时就是默认禁用的原因是兼容性问题Python 3.12 时代对原生代码的支持缺乏明确性工具会对 Python 帧与代码对象做出错误假设导致监控 Numba 编译函数时工具可能崩溃。用户需显式设置环境变量NUMBA_ENABLE_SYS_MONITORING开启。环境变量的解析逻辑位于 config.py# sys.monitoring support ENABLE_SYS_MONITORING _readenv(NUMBA_ENABLE_SYS_MONITORING, int, 0)其语义在 envvars.rst 中有完整说明默认值0关闭开启方式设为非零值允许使用sys.monitoring的剖析工具如cProfile配合 Numba 代码工作其他监控工具可能可用但不保证适用版本仅 Python 3.12 及以上其他版本无效果。配置读取后dispatcher 在初始化时将其固化为实例属性self._enable_sysmon bool(config.ENABLE_SYS_MONITORING)见 dispatcher.py后续分派逻辑据此决定是否执行监控回调模拟。0.65.1 的具体行为变化回到 0.65.1 本身该版本对受影响解释器版本Python 3.14.4的行为是功能整体禁用JIT 编译函数的sys.monitoring集成不再生效cProfile等工具将无法通过该机制“看到” Numba 编译函数环境变量失效NUMBA_ENABLE_SYS_MONITORING在这些版本上没有任何效果无论设为何值发出用户警告如果该变量被设置为非零值Numba 会发出UserWarning明确提示用户此变量在当前 Python 版本上无效。这意味着在 Python 3.14.4 上即使显式开启Numba 也不再执行 dispatcher 层的PY_START/PY_RETURN/RAISE/PY_UNWIND回调模拟——这是为了防止依赖失效的 CPython 内部结构导致崩溃或未定义行为而采取的保守策略。测试如何验证该开关仓库的 test_sys_monitoring.py 中TestMonitoringEnvVarControl类位于文件末尾PYVERSION (3, 12)时启用用子进程方式分别验证了三种场景NUMBA_ENABLE_SYS_MONITORING为空字符串 → 默认关闭foo._enable_sysmon为Falsetest_default_off设为0→ 显式关闭foo._enable_sysmon为Falsetest_override_off设为1→ 显式开启foo._enable_sysmon为Truetest_override_on。测试通过TestCase.run_test_in_subprocess(envvars...)隔离环境变量断言 dispatcher 的_enable_sysmon属性从侧面印证了该开关在 dispatcher 层bool(config.ENABLE_SYS_MONITORING)的解析链路。此外同文件中的TestMonitoring与TestMonitoringSelfTest类覆盖了四种事件回调模拟、多线程回调、以及存在其他监控工具如 cProfile时自动跳过测试等行为可作为理解该功能行为边界的参考。后续修复0.66.0 中如何恢复支持这次禁用并非永久。仓库中已包含后续版本的修复记录值得一并了解以便规划升级路径。根据 0.66.0-notes.rstNumba 的 dispatcher 与sys.monitoring的集成在 Python 3.13 上改为使用公开的PyMonitoring_*C API不再依赖 CPython 内部头文件这一改动恢复了对 Python 3.14.4 及更新版本的支持原 issue #10538 关闭这些版本上NUMBA_ENABLE_SYS_MONITORING再次生效0.65.1 引入的UserWarning不再发出Python 3.12 的代码路径保持不变。也就是说0.65.1 的禁用是“临时止血”根因是 Numba 之前依赖 CPython 内部实现0.66.0 通过迁移到公开 C API 从根源上修复了 ABI 兼容问题。如果你的部署环境恰好运行 Python 3.14.4可在评估后优先考虑升级到 0.66.0 及以上版本以重新获得sys.monitoring集成能力。实践建议与总结结合本次变更与仓库文档给出以下实操要点确认解释器版本sys.monitoring支持仅存在于 Python 3.12Numba 0.65.1 额外禁用了 Python 3.14.4 上的集成。可通过python -V确认版本。按需设置环境变量在支持的版本组合下需要cProfile等基于sys.monitoring的工具“看见” JIT 函数时设置NUMBA_ENABLE_SYS_MONITORING1不需要时保持默认关闭即可避免监控工具因原生代码假设错误而崩溃这是 0.61.0 引入该开关时默认关闭的原因。正确识别警告在 Python 3.14.4 上使用 0.65.1 时若看到关于NUMBA_ENABLE_SYS_MONITORING的UserWarning这是预期行为表示该变量已被忽略并非安装或代码错误。升级路径若必须使用 Python 3.14.4 且依赖该功能升级到 0.66.0已改用公开PyMonitoring_*C API 恢复支持是推荐方案否则可等待并验证新版本在你所用剖析工具下的表现。功能边界认知Numba 的sys.monitoring支持只覆盖PY_START、PY_RETURN、RAISE、PY_UNWIND四种事件的全局按线程监控回调 offset 一律为 0且局部字节码插桩级监控不被支持——设计剖析工具或排查监控异常时需以此为预期。简言之Numba 0.65.1 通过“在受影响 Python 版本上禁用 环境变量失效 UserWarning 提示”的组合拳稳妥地规避了 CPython 3.14.4 内部结构变更带来的风险而了解其背后的 dispatcher 事件模拟机制与后续公开 C API 修复能帮助你在不同 Python 版本上准确判断sys.monitoring相关行为避免把“功能被禁用”误判为配置错误或性能问题。【免费下载链接】numbaNumPy aware dynamic Python compiler using LLVM项目地址: https://gitcode.com/gh_mirrors/nu/numba创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/10 4:49:37

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/10 9:14:31

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/10 1:10:29

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/10 15:15:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉