你對如何讓偵錯程式變得更快產生過興趣嗎?本文將分享我們在為 Python 構建偵錯程式時得到的一些經驗。
整段故事講的是我們在 Rookout 公司的團隊為 Python 偵錯程式開發不中斷斷點的經歷,以及開發過程中得到的經驗。我將在本月於舊金山舉辦的 PyBay 2019 上介紹有關 Python 偵錯過程的更多細節,但現在就讓我們立刻開始這段故事。
在諸多可選的 Python 偵錯程式中,使用最廣泛的三個是:
Python 偵錯程式的選擇雖多,但它們幾乎都基於同一個函數:sys.settrace
。 值得一提的是, sys.settrace 可能也是 Python 標準庫中最複雜的函數。
簡單來講,settrace
的作用是為直譯器註冊一個跟蹤函數,它在下列四種情形發生時被呼叫:
一個簡單的跟蹤函數看上去大概是這樣:
def simple_tracer(frame, event, arg): co = frame.f_code func_name = co.co_name line_no = frame.f_lineno print("{e} {f} {l}".format(e=event, f=func_name, l=line_no)) return simple_tracer
在分析函數時我們首先關注的是引數和返回值,該跟蹤函數的引數分別是:
frame
,當前堆疊幀,它是包含當前函數執行時直譯器裡完整狀態的物件event
,事件,它是一個值可能為 call
、line
、return
或 exception
的字串arg
,引數,它的取值基於 event
的型別,是一個可選項該跟蹤函數的返回值是它自身,這是由於直譯器需要持續跟蹤兩類跟蹤函數:
sys.settrace
來設定,並在直譯器建立一個新的堆疊幀時被呼叫(即程式碼中發生函數呼叫時)。雖然沒有現成的方式來為不同的執行緒設定跟蹤函數,但你可以呼叫 threading.settrace
來為所有新建立的 threading
模組執行緒設定跟蹤函數。該機制的目的是讓偵錯程式對被跟蹤的幀有更精確的把握,以減少對效能的影響。
僅僅依靠上文提到的內容,用自製的跟蹤函數來構建一個真正的偵錯程式似乎有些不切實際。幸運的是,Python 的標準偵錯程式 pdb 是基於 Bdb 構建的,後者是 Python 標準庫中專門用於構建偵錯程式的基礎類別。
基於 Bdb 的簡易斷點偵錯程式看上去是這樣的:
import bdbimport inspectclass Debugger(bdb.Bdb): def __init__(self): Bdb.__init__(self) self.breakpoints = dict() self.set_trace()def set_breakpoint(self, filename, lineno, method): self.set_break(filename, lineno) try : self.breakpoints[(filename, lineno)].add(method) except KeyError: self.breakpoints[(filename, lineno)] = [method]def user_line(self, frame): if not self.break_here(frame): return # Get filename and lineno from frame (filename, lineno, _, _, _) = inspect.getframeinfo(frame) methods = self.breakpoints[(filename, lineno)] for method in methods: method(frame)
這個偵錯程式類的全部構成是:
Bdb
,定義一個簡單的建構函式來初始化基礎類別,並開始跟蹤。set_breakpoint
方法,它使用 Bdb
來設定斷點,並跟蹤這些斷點。Bdb
在當前使用者行呼叫的 user_line
方法,該方法一定被一個斷點呼叫,之後獲取該斷點的源位置,並呼叫已註冊的斷點。Rookout 的目標是在生產級效能的使用場景下提供接近普通偵錯程式的使用體驗。那麼,讓我們來看看先前構建出來的簡易偵錯程式表現的如何。
為了衡量偵錯程式的整體效能開銷,我們使用如下兩個簡單的函數來進行測試,它們分別在不同的情景下執行了 1600 萬次。請注意,在所有情景下斷點都不會被執行。
def empty_method(): passdef simple_method(): a = 1 b = 2 c = 3 d = 4 e = 5 f = 6 g = 7 h = 8 i = 9 j = 10
在使用偵錯程式的情況下需要大量的時間才能完成測試。糟糕的結果指明了,這個簡陋 Bdb
偵錯程式的效能還遠不足以在生產環境中使用。
降低偵錯程式的額外開銷主要有三種方法:
call
事件並儘快將控制權還給直譯器:在 call
事件發生時偵錯程式的主要工作是判斷是否需要對該事件進行跟蹤。line
事件並儘快將控制權還給直譯器:在 line
事件發生時偵錯程式的主要工作是判斷我們在此處是否需要設定一個斷點。於是我們復刻了 Bdb
專案,精簡特徵、簡化程式碼,針對使用場景進行優化。這些工作雖然得到了一些效果,但仍無法滿足我們的需求。因此我們又繼續進行了其它的嘗試,將程式碼優化並遷移至 .pyx
使用 Cython 進行編譯,可惜結果(如下圖所示)依舊不夠理想。最終,我們在深入了解 CPython 原始碼之後意識到,讓跟蹤過程快到滿足生產需求是不可能的。
熬過先前對標準偵錯方法進行的試驗-失敗-再試驗迴圈所帶來的失望,我們將目光轉向另一種選擇:位元組碼操作。
Python 直譯器的工作主要分為兩個階段:
.pyc
檔案當中。我們選擇的模式是:使用位元組碼操作來設定沒有全域性額外開銷的不中斷斷點。這種方式的實現首先需要在記憶體中的位元組碼裡找到我們感興趣的部分,然後在該部分的相關機器指令前插入一個函數呼叫。如此一來,直譯器無需任何額外的工作即可實現我們的不中斷斷點。
這種方法並不依靠魔法來實現,讓我們簡要地舉個例子。
首先定義一個簡單的函數:
def multiply(a, b): result = a * b return result
在 inspect 模組(其包含了許多實用的單元)的文件裡,我們得知可以通過存取 multiply.func_code.co_code
來獲取函數的位元組碼:
'|\x00\x00|\x01\x00\x14}\x02\x00|\x02\x00S'
使用 Python 標準庫中的 dis 模組可以翻譯這些不可讀的字串。呼叫 dis.dis(multiply.func_code.co_code)
之後,我們就可以得到:
4 0 LOAD_FAST 0 (a) 3 LOAD_FAST 1 (b) 6 BINARY_MULTIPLY 7 STORE_FAST 2 (result) 5 10 LOAD_FAST 2 (result) 13 RETURN_VALUE
與直截了當的解決方案相比,這種方法讓我們更靠近發生在偵錯程式背後的事情。可惜 Python 並沒有提供在直譯器中修改函數位節碼的方法。我們可以對函數物件進行重寫,不過那樣做的效率滿足不了大多數實際的偵錯場景。最後我們不得不採用一種迂迴的方式來使用原生拓展才能完成這一任務。
在構建一個新工具時,總會學到許多事情的工作原理。這種刨根問底的過程能夠使你的思路跳出桎梏,從而得到意料之外的解決方案。
在 Rookout 團隊中構建不中斷斷點的這段時間裡,我學到了許多有關編譯器、偵錯程式、伺服器框架、並行模型等等領域的知識。如果你希望更深入的了解位元組碼操作,谷歌的開源專案 cloud-debug-python 為編輯位元組碼提供了一些工具。