为何scipy.sparse.linalg.spsolve崩溃而numpy.linalg.solve正常？

我有一个稀疏矩阵B和数组b，尝试执行以下代码：

import numpy as np
import config
from scipy.sparse.linalg import spsolve
from scipy.sparse import load_npz
from numpy.linalg import solve

B = load_npz('B.npz')
b = np.load('b.npy')

spsolve(B, b)

运行后出现错误：

corrupted size vs. prev_size
Process finished with exit code 134 (interrupted by signal 6:SIGABRT)

但使用numpy.linalg.solve时无此问题：

B_dense = np.array(B.todense())
solve(B_dense, b)
Out[5]: 
array([-299.77073372, -299.68350884, -299.59972996, ..., -286.52926438,
   -286.50847706, -286.48927409])

既然numpy版本可正常运行，说明矩阵本身无问题，请问为何会出现这种情况？此外，由于该错误会直接导致程序崩溃无报错信息，是否有方法捕获该错误，在spsolve出现问题时自动调用solve？

错误原因 #

这个错误属于底层C级别的内存异常，根源在SciPy稀疏求解器依赖的底层库（如UMFPACK）：

• 可能是稀疏矩阵的底层存储存在内存对齐、索引数组异常等问题——虽然todense()能正常转换为密集矩阵，但稀疏格式的存储细节可能触发了底层库的内存bug；
• 也可能是SciPy版本与系统的线性代数库（如OpenBLAS、LAPACK）存在兼容性冲突；
• 大矩阵场景下，内存分配/释放的过程中出现了异常。

而numpy.linalg.solve基于密集矩阵运算，底层实现逻辑和稀疏求解器完全不同，因此能避开这类问题。

降级方案（捕获崩溃并切换求解器） #

由于这类信号级别的崩溃无法通过Python常规的try-except捕获（错误发生在C扩展层，直接终止进程），可以用子进程隔离的方式实现降级：

import numpy as np
from scipy.sparse.linalg import spsolve
from scipy.sparse import load_npz
from numpy.linalg import solve
import multiprocessing as mp

def sparse_solver(B_path, b_path):
    B = load_npz(B_path)
    b = np.load(b_path)
    return spsolve(B, b)

def dense_solver(B_path, b_path):
    B = load_npz(B_path)
    b = np.load(b_path)
    B_dense = np.array(B.todense())
    return solve(B_dense, b)

if __name__ == "__main__":
    B_PATH = 'B.npz'
    b_PATH = 'b.npy'
    
    # 用子进程执行稀疏求解，避免主进程崩溃
    with mp.Pool(1) as pool:
        try:
            result = pool.apply(sparse_solver, args=(B_PATH, b_PATH))
            print("稀疏求解成功，结果前3项：", result[:3])
        except Exception as e:
            print(f"稀疏求解失败：{e}，切换为密集求解")
            result = dense_solver(B_PATH, b_PATH)
            print("密集求解成功，结果前3项：", result[:3])

额外建议 #

1. 更新SciPy到最新稳定版，或回退到已知兼容的版本，排查依赖库兼容性问题；
2. 验证稀疏矩阵格式合法性：调用B.check_format()检查，或尝试转换格式（如CSR转CSC）后再用spsolve；
3. 若矩阵规模不大，密集求解性能可接受，可优先使用密集方案；必须用稀疏求解时，可尝试迭代求解器（如scipy.sparse.linalg.gmres）替代直接求解器。

内容的提问来源于stack exchange，提问作者FooBar