为什么`PyCodeObject`中的`co_code_adaptive`会转换为`_PyCode_CODE`宏中的`uint16_t`指针？

Question

我在探索 Python 3.11 源代码时遇到了

_PyCode_CODE

宏。我注意到在这个宏中，

co_code_adaptive

的

PyCodeObject

成员被转换为

uint16_t*

指针。但是，

co_code_adaptive

被定义为长度为 1 的

char

数组。

/*******************************************/
// code in code.h
/*******************************************/
#define _PyCode_CODE(co) ((const uint16_t *)(co)->co_code_adaptive)

#define _PyCode_DEF(SIZE) {                                                    \
    // ...                                                                     \
    char co_code_adaptive[(SIZE)];                                             \
}
/* Bytecode object */
struct PyCodeObject _PyCode_DEF(1);

/*******************************************/
// code in specialize.c
/*******************************************/
void
_PyCode_Quicken(PyCodeObject *code)
{
    _Py_QuickenedCount++;
    int previous_opcode = -1;
    _Py_CODEUNIT *instructions = _PyCode_CODE(code);
    for (int i = 0; i < Py_SIZE(code); i++) {
        int opcode = _Py_OPCODE(instructions[i]);
// ...
}

这种转换似乎可能会带来内存访问风险，因为 char 和 uint16_t 具有不同的类型大小和对齐要求。为什么Python开发者选择这样实现呢？在这种情况下如何保证内存安全？

具体来说，在

specialize.c

文件中，

_PyCode_Quicken

函数内，该宏用于定义一个名为

uint16_t*

的

instructions

指针。然后代码使用

[]

运算符访问内存。 Python 如何确保这些内存访问有效？

任何对底层设计决策或解释此方法的文档的见解将不胜感激。

Answer 1

对于 Python，每个位码指令都是一个两字节对象¹，带有操作码和相应的参数：

typedef struct _CodeUnit {
    uint8_t opcode;
    uint8_t oparg;
} _CodeUnit;

实际的 PyCodeObject 结构是使用 C 中的“灵活数组成员”习惯用法来分配的，以减少分配（如果没有该习惯用法，我们将需要为 PyCodeObject 结构分配一次，为编译后的位码分配一次）。这种模式在实现中经常使用。

这意味着可以像这样分配一个 PyCodeObject 及其相应的代码：

PyCodeObject *code = malloc(sizeof(PyCodeObject) + 2*instruction_count);

指令数量编码在由

ob_size

给出的

PyVarObject

成员中。这就是

Py_SIZE

在指令循环中检索的内容。

因此，访问通过构造是有效的。

^{1。 出于本答案的目的，我忽略了用于某些指令的内联缓存。}