py-spy为什么能追踪到python进程的堆栈？

py-spy 的实现本质是：作为另一个进程，利用操作系统提供的“跨进程读内存”能力，读取目标 Python 进程里的 CPython 运行时结构体，然后把 Python thread/frame 链表还原成调用栈。它不是通过 Python API 注入，也不是在目标进程里 import 一个 profiler。

具体链路：

1. 通过 OS syscall 读目标进程地址空间

   • Linux：process_vm_readv
   • macOS：vm_read
   • Windows：ReadProcessMemory

   py-spy 官方 README 明确说它就是直接用这些系统调用读 Python 程序内存。Linux 的 process_vm_readv(pid, local_iov, remote_iov, ...) 会把远端进程某段虚拟地址里的 bytes 拷贝到 py-spy 自己进程里；权限由 ptrace access check 控制，不是任意读。

2. 找到目标进程里的 CPython Interpreter
   py-spy 会读取目标进程的 executable、memory maps、符号表。正常情况下可以通过 CPython 的全局符号找到：

   • Python 旧版本：interp_head
   • Python 新版本：_PyRuntime

   但 ASLR、stripped binary、Windows PDB 缺失会让符号不好找，所以 py-spy 还会扫描 BSS 段，寻找“看起来像合法 PyInterpreterState 的地址”。

3. 按 CPython 内部结构体遍历线程和 frame
   找到 interpreter 后，py-spy 读取：

   • PyInterpreterState
   • PyThreadState
   • 当前 Python frame
   • frame 的 previous/back 链
   • code object 里的 function name、filename、line number

   也就是类似：

   PyInterpreterState
     -> threads: PyThreadState linked list
        -> current frame
           -> previous frame
              -> previous frame

   py-spy 不是“理解 Python 字节码执行过程”，而是知道 CPython 在内存里如何保存线程状态和 frame stack，然后逐个地址读出来。

4. 为什么能兼容不同 Python 版本
   CPython ABI/内部结构会随版本变化。py-spy 用 Rust 的 bindgen 为不同 Python 版本生成对应的结构布局，然后按目标 Python 版本选择正确 layout。官方 README 也提到它支持 CPython 2.3-2.7、3.3-3.14。

5. 采样而不是持续跟踪
   py-spy 是 sampling profiler：比如每秒 100 次，读一次所有 Python 线程栈，最后聚合成 flamegraph/top/dump。某些常驻的性能洞察工具，就是利用周期性采样 Python host-side 调用栈，用来判断训练进程是不是卡在 dataloader、GC、JIT、Python waiting、framework 调度等位置。

总结：py-spy 通过系统调用来读取目标进程的虚拟地址内容，按照 CPython 内存结构来复原解释器状态、堆栈信息。