在Python程序运行过程中，有时会遇到进程突然卡住、无响应的情况，这类问题往往出现在多线程或者多进程协作的场景中，尤其是死锁问题，很难通过常规日志快速定位。此时不需要修改代码重启服务，我们可以利用Py-Spy工具动态附加到正在运行的进程，生成火焰图来分析问题根因。
Py-Spy工具简介
Py-Spy是一款开源的Python进程采样分析工具，它的最大特点是支持动态附加到已经运行的Python进程，不需要对目标代码做任何修改，也不会影响进程的正常运行状态。它可以直接读取目标进程的内存信息，采样函数调用栈，最终生成直观的火焰图，帮助开发者快速定位性能瓶颈和阻塞问题。
安装Py-Spy
Py-Spy支持通过pip快速安装，执行以下命令即可完成安装：
pip install py-spy
安装完成后，可以在终端执行py-spy --help验证是否安装成功，正常会输出工具的帮助信息。
动态附加到运行中的Python进程
首先我们需要获取目标Python进程的PID，在Linux或者macOS系统中，可以通过ps命令查找：
ps aux | grep python
假设我们查到的目标进程PID是12345，接下来就可以使用Py-Spy附加到这个进程，执行以下命令开始采样：
py-spy record -o profile.svg --pid 12345
上述命令中，-o参数指定生成的火焰图文件路径，--pid指定目标进程的PID。执行命令后，Py-Spy会开始持续采样目标进程的函数调用栈，采样时间默认是60秒，也可以自己通过--duration参数指定采样时长，比如采样30秒：
py-spy record -o profile.svg --pid 12345 --duration 30
火焰图分析死锁位置
采样完成后，会生成对应的SVG格式火焰图文件，用浏览器打开这个文件即可查看。火焰图的横轴表示采样到的函数调用栈，纵轴表示调用栈的深度，每一个色块代表一个函数，色块的宽度代表该函数的采样命中次数，也就是函数执行耗时的相对占比。
分析死锁问题时，我们可以重点关注以下内容：
- 寻找宽度特别大且处于调用栈底层的函数，这类函数往往是阻塞的核心逻辑
- 查看是否有多个线程的调用栈都卡在获取锁的相关逻辑上，比如
threading.Lock.acquire相关的调用 - 检查是否存在循环等待锁的情况，比如线程A持有锁1等待锁2，线程B持有锁2等待锁1
以下是一个模拟死锁的Python代码示例，我们可以用它来验证Py-Spy的分析效果：
import threading
import time
# 定义两个锁
lock1 = threading.Lock()
lock2 = threading.Lock()
def thread_func1():
# 线程1先获取锁1，再尝试获取锁2
with lock1:
print("线程1获取锁1")
time.sleep(1)
print("线程1尝试获取锁2")
with lock2:
print("线程1获取锁2")
def thread_func2():
# 线程2先获取锁2，再尝试获取锁1
with lock2:
print("线程2获取锁2")
time.sleep(1)
print("线程2尝试获取锁1")
with lock1:
print("线程2获取锁1")
if __name__ == "__main__":
t1 = threading.Thread(target=thread_func1)
t2 = threading.Thread(target=thread_func2)
t1.start()
t2.start()
# 主线程等待子线程执行
t1.join()
t2.join()
运行上述代码后，进程会卡住进入死锁状态，此时我们用Py-Spy附加到这个进程生成火焰图，就可以看到两个子线程的调用栈都卡在acquire相关的逻辑上，对应到代码就是两个线程互相等待对方持有的锁，从而快速定位死锁位置。
其他常用Py-Spy命令
除了生成火焰图，Py-Spy还支持实时查看进程的函数调用栈，执行以下命令可以每秒输出一次当前进程的所有线程调用栈：
py-spy top --pid 12345
如果需要查看更详细的调用栈信息，可以使用dump命令直接输出当前所有线程的调用栈：
py-spy dump --pid 12345
注意事项
使用Py-Spy时需要注意以下几点：
- 附加到进程需要对应的系统权限，在Linux系统中如果提示权限不足，可以加上
sudo执行命令 - Py-Spy目前主要支持CPython解释器，对其他Python实现的支持可能不完善
- 采样过程对目标进程的性能影响极小，可以放心用于线上环境的排查