marshal.dumps() takes exponential time on nested frozensets
Nadie ha tomado este issue todavía.
- Lenguaje dominante
- Python
- Estrellas
- 77.2k
- Forks
- 36k
- Métricas de merge de PR
- Métricas de PR pendientes
Descripción
Bug report
marshal.dumps() marshals every element of a set or frozenset twice: once through a nested _PyMarshal_WriteObjectToString() call to compute a sort key, and once again with w_object() to write it out. If the element is itself a set, that nested call does the same for its elements, so the time doubles with every level of nesting.
import marshal, time
f = frozenset()
for _ in range(22):
f = frozenset({f})
t = time.perf_counter()
data = marshal.dumps(f)
print(f"{time.perf_counter() - t:.3f} s for {len(data)} bytes")
depth 20: 110 ms 105 bytes
depth 21: 220 ms 110 bytes
depth 22: 449 ms 115 bytes
depth 23: 892 ms 120 bytes
depth 24: 1772 ms 125 bytes
depth 25: 3574 ms 130 bytes
Each level adds five bytes to the output and doubles the time. Depth 30 takes about two minutes, depth 40 several days.
The sorting was added in 33d95c6facd (bpo-37596, GH-27926) to make set marshalling deterministic. The same input takes 0 ms on 3.10 and 1683 ms on 3.11, and it is equally slow up to main.
Note also that the nested call starts a fresh WFILE with depth = 0, so MAX_MARSHAL_STACK_DEPTH does not bound recursion through set elements. The exponential time is reached long before the C stack, so this is not a crash.
cc @brandtbucher
Linked PRs
- gh-157128
Guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Línea de trabajo
Empieza leyendo el flujo de procesamiento de conjuntos de marshal alrededor de _PyMarshal_WriteObjectToString(), w_object() y MAX_MARSHAL_STACK_DEPTH; el issue explica el benchmark de frozenset anidados y el comportamiento afectado. Compara la implementación actual con el PR enlazado gh-157128 y verifica después que los frozenset profundamente anidados ya no presenten tiempos de ejecución exponenciales, preservando al mismo tiempo una salida determinista.
Escrito por el modelo de indexación a partir del texto del issue.
Evaluación
- Stack tecnológico
- python
- Área
- backend
- Tipo de issue
- Error
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Estado de actividad
- Estancado
- Claridad
- Bastante claro
- Aptitud para principiantes
- 35/100