嵌入Python代码导入numpy时触发SIGFPE(FPE_FLTOVF)错误排查求助

单独运行C嵌入Python的测试代码时，Python可正常启动，成功导入numpy并输出预期的两行内容；但将相同代码嵌入到自有项目（存在未知初始化操作）后，执行import numpy语句时触发SIGFPE（具体为FPE_FLTOVF，由strace捕获），程序直接退出且未输出第二行内容。奇怪的是，用valgrind运行出错代码时，一切恢复正常。

测试代码 #

C代码 #

#include <Python.h>

int main(int argc, char *argv[])
{
  Py_Initialize();
  FILE* to_run_script= fopen("script.py", "r");
  if (to_run_script != NULL)
    PyRun_SimpleFile(to_run_script, "script.py");
  Py_Finalize();
  return 0;
}

Python代码 #

def func1():
    print("numpy NOT YET imported!!\n")
    import numpy
    print("numpy is imported!!\n")
    return 1.5

func1()

排查方向 #

• 检查浮点数异常掩码：自有项目可能通过feenableexcept或汇编指令修改了CPU浮点数异常掩码，开启了FPE_FLTOVF（浮点上溢）的捕获。可以在调用Py_Initialize()前后，用fegetexcept()获取当前掩码，对比单独运行和项目中的差异；必要时在嵌入代码前用fesetexcept()重置掩码，只保留默认需要捕获的异常（比如除零）。
• 排查内存对齐问题：numpy导入时会初始化SIMD相关的内存区域，对内存对齐要求较高。自有项目可能重载了内存分配函数（如malloc）、修改了编译对齐选项（如-malign-double），导致内存对齐不满足要求。valgrind会自动处理此类对齐问题，所以运行正常。可以检查项目的编译参数和内存分配逻辑，确保numpy所需的内存对齐规则被满足。
• 检查全局状态污染：项目的初始化代码可能修改了Python依赖的环境变量（如PYTHONPATH、LD_LIBRARY_PATH）、全局变量或系统资源。对比单独运行和项目中运行时的环境变量差异，或者在嵌入代码前后打印相关变量，确认是否存在干扰。
• 对比编译链接差异：测试程序和自有项目的编译选项、链接库版本可能不一致。比如测试程序链接静态Python库，项目链接动态库；或者numpy的版本/编译参数不同。检查两者的CFLAGS、LDFLAGS，确保链接的Python和numpy库版本匹配，编译宏定义（如NDEBUG、PY_DEBUG）一致。
• 确认线程状态：如果项目是多线程架构，即使嵌入代码是单线程调用，其他线程也可能干扰Python的GIL状态。可以在Py_Initialize()后调用PyEval_InitThreads()，确保Python线程状态初始化正确，避免全局状态冲突。

内容的提问来源于stack exchange，提问作者LaszloLadanyi