如何记录Python程序执行的CPU指令？

Question

我理解Python源代码被编译成字节码，然后由Python虚拟机(比如CPython)解释。如果我理解正确，这意味着虚拟机解析字节码指令，并在运行时决定应按照什么方式执行CPU指令。

我的问题:

• 是否可以记录在你的计算机上执行特定Python文件(.py)解释而产生的实际CPU指令？我明白可能不容易（甚至不可行）得到.py文件和CPU指令之间的一对一的对应关系，但最接近的是什么？
• 更进一步：是否有可能记录与特定进程相对应的已执行指令？

- rect0x51

---

我可能不理解你想要看到的内容，但如果碰巧是这方面的，并且你不知道这个模块：dis 是否能让你更接近你想要的？显然它不能实时记录。 - roganjosh

免责声明：我的问题主要是出于好奇。我怀疑查看解释代码的CPU实际指令可能是不切实际的。我只是想知道是否有可能。 - rect0x51

请随意在https://reverseengineering.stackexchange.com/上提出反向工程问题。 - julian

Answer 1

在Linux上使用strace，它会显示由任何程序（包括Python）发出的每个系统调用。在Windows上，您需要使用类似于wt或Logger.exe这样的东西来追踪所有库调用（而不仅仅是系统调用）。

您可以使用像gdb这样的调试器实时查看机器代码，由于您有CPython源代码，更好的选择是只需使用调试符号编译它，然后在C调试器中运行它，这可以给您提供高级别的调用堆栈，这将更容易理解。

- nosklo

---

仅仅获取系统调用就是你所能做的最好的吗？难道不能更详细地观察CPU指令吗？ - rect0x51

哇，直接在Python上使用gdb是可能的，真没想到！这回答了我的第一个问题，谢谢。那么一般情况下如何观察进程呢？我的意思是……调试器通过暂停执行并观察变量（如寄存器）来工作，对吧？如果没有像反汇编程序（比如C语言）中硬编码的CPU指令，那么就不可能知道实际运行了哪些CPU指令了吗？ - rect0x51

gdb 是一款非常出色的软件。它可以生成指令日志，甚至还能记录并回放代码执行过程，同时支持倒带操作！ - nosklo

这个旧的维基页面 https://wiki.python.org/moin/DebuggingWithGdb 专门介绍了使用gdb调试Python。也许可以给你一些正确方向上的指针？ - nosklo

@81rect：你不是在对Python代码使用gdb，而是在对Python解释器的x86机器代码使用它，这本身就是一个程序。解释Python的+运算符涉及运行大量指令，而不仅仅是add rax，rcx。你只能从JIT编译器中获得这个。但是，是的，你可以调试任何用户空间进程，因为在最低级别上，一切都只是机器代码。 - Peter Cordes

Answer 2

我是如何使用lldb（类似于gdb）通过VS Code在我的ARM CPU（运行在Apple silicon上的macOS 13）上查看CPython的CPU指令的：

1. 安装CodeLLDB VS Code扩展

2. git clone https://github.com/python/cpython.git

3. cd cpython

4. git checkout 20cf32e761（因为最新的代码可能有问题）

5. 编译CPython（详见README文件或如何进行测试构建），这将生成一个名为“python.exe”的可执行文件：

brew install pkg-config openssl@1.1 xz gdbm tcl-tk

CFLAGS="-I$(brew --prefix gdbm)/include -I$(brew --prefix xz)/include" \
LDFLAGS="-L$(brew --prefix gdbm)/lib -I$(brew --prefix xz)/lib" \
PKG_CONFIG_PATH="$(brew --prefix tcl-tk)/lib/pkgconfig" \
./configure \
  --with-pydebug \
  --with-openssl="$(brew --prefix openssl@1.1)"

make

6. 在 VS Code 中打开 CPython 源代码目录（code .），并添加一个包含以下内容的 .vscode/launch.json 文件（将 args 设置为要传递给 python 可执行文件的参数，在此示例中，我运行的是 python -c '30858 + 7'，这只是让 Python 计算 30858 + 7 并退出而不打印任何内容）：

{
    "version": "0.2.0",
    "configurations": [
        {
            "type": "lldb",
            "request": "launch",
            "name": "Debug",
            "program": "${workspaceFolder}/python.exe",
            // Add two integers
            "args": ["-c", "30858 + 7"],
            "cwd": "${workspaceFolder}"
        }
    ]
}

添加断点。可以尝试在main()函数或者评估循环（一个巨大的switch语句，检查操作码），该语句将会在generated_cases.c.h文件中（不在源代码中）。对于我的30858 + 7示例，可以选择_PyLong_Add()函数，因为它实现了加法。

按F5键运行命令。

此时，您应该已经触发了断点，并能够看到执行C代码的位置。要查看当前的汇编指令，请按Cmd+Shift+P并执行“LLDB：显示反汇编…”命令，然后选择“始终”，您可以通过再次运行命令并选择“自动”来返回C视图。您可以在左上角的“寄存器”下拉菜单中查看寄存器值，在当前变量值下方。

这是机器指令，将存储在寄存器x20中的30858（十六进制中的788A）加上存储在寄存器x0中的7，并将结果存储在寄存器x0中（我稍微修改了代码，将加法放在单独的一行，以便更容易地在add指令处设置断点）：

- user3064538