4. Modelo de execução

4.1. Estrutura de um programa

Um programa Python é construído a partir de blocos de código. Um bloco é um pedaço do texto do programa Python que é executado como uma unidade. A seguir estão os blocos: um módulo, um corpo de função e uma definição de classe. Cada comando digitado interativamente é um bloco. Um arquivo de script (um arquivo fornecido como entrada padrão para o interpretador ou especificado como argumento de linha de comando para o interpretador) é um bloco de código. Um comando de script (um comando especificado na linha de comando do interpretador com a opção -c) é um bloco de código. Um módulo executado sobre um script de nível superior (como o módulo __main__) a partir da linha de comando usando um argumento -m também é um bloco de código. O argumento da string passado para as funções embutidas eval() e exec() é um bloco de código.

Um bloco de código é executado em um quadro de execução. Um quadro contém algumas informações administrativas (usadas para depuração) e determina onde e como a execução continua após a conclusão do bloco de código.

4.2. Nomeação e ligação

4.2.1. Ligação de nomes

Nomes referem-se a objetos. Os nomes são introduzidos por operações de ligação de nomes.

As seguintes construções ligam nomes:

  • parâmetros formais para funções,

  • definições de classe,

  • definições de função,

  • expressões de atribuição,

  • alvos que são identificadores se ocorrerem em uma atribuição:

    • cabeçalho de laço for,

    • depois de as em uma instrução with, cláusula except, cláusula except* ou no padrão as na correspondência de padrões estruturais,

    • em um padrão de captura na correspondência de padrões estruturais

  • instruções import.

  • instruções type.

  • listas de parâmetros de tipo.

A instrução import no formato from ... import * liga todos os nomes definidos no módulo importado, exceto aqueles que começam com um sublinhado. Este formulário só pode ser usado no nível do módulo.

Um alvo ocorrendo em uma instrução del também é considerado ligado a esse propósito (embora a semântica real seja para desligar do nome).

Cada atribuição ou instrução de importação ocorre dentro de um bloco definido por uma definição de classe ou função ou no nível do módulo (o bloco de código de nível superior).

Se um nome está ligado a um bloco, é uma variável local desse bloco, a menos que declarado como nonlocal ou global. Se um nome está ligado a nível do módulo, é uma variável global. (As variáveis do bloco de código do módulo são locais e globais.) Se uma variável for usada em um bloco de código, mas não definida lá, é uma variável livre.

Cada ocorrência de um nome no texto do programa se refere à ligação daquele nome estabelecido pelas seguintes regras de resolução de nome.

4.2.2. Resolução de nomes

O escopo define a visibilidade de um nome dentro de um bloco. Se uma variável local é definida em um bloco, seu escopo inclui esse bloco. Se a definição ocorrer em um bloco de função, o escopo se estende a quaisquer blocos contidos no bloco de definição, a menos que um bloco contido introduza uma ligação diferente para o nome.

Quando um nome é usado em um bloco de código, ele é resolvido usando o escopo envolvente mais próximo. O conjunto de todos esses escopos visíveis a um bloco de código é chamado de ambiente do bloco.

Quando um nome não é encontrado, uma exceção NameError é levantada. Se o escopo atual for um escopo de função e o nome se referir a uma variável local que ainda não foi associada a um valor no ponto onde o nome é usado, uma exceção UnboundLocalError é levantada. UnboundLocalError é uma subclasse de NameError.

Se a operação de ligação de nomes ocorre dentro de um bloco de código, todos os usos do nome dentro do bloco são tratadas como referências para o bloco atual. Isso pode. Isso pode levar a erros quando um nome é usado em um bloco antes de ser vinculado. Esta regra é sutil. Python carece de declarações e permite que as operações de ligação de nomes ocorram em qualquer lugar dentro de um bloco de código. As variáveis locais de um bloco de código podem ser determinadas pela varredura de todo o texto do bloco para operações de ligação de nome. Veja o FAQ sobre UnboundLocalError para exemplos.

Se a instrução global ocorrer dentro de um bloco, todos os usos dos nomes especificados na instrução referem-se às ligações desses nomes no espaço de nomes de nível superior. Os nomes são resolvidos no espaço de nomes de nível superior pesquisando o espaço de nomes global, ou seja, o espaço de nomes do módulo que contém o bloco de código, e o espaço de nomes embutido, o espaço de nomes do módulo builtins. O espaço de nomes global é pesquisado primeiro. Se os nomes não forem encontrados lá, o espaço de nomes embutidos será pesquisado em seguida. Se os nomes também não forem encontrados no espaço de nomes embutido, novas variáveis são criadas no espaço de nomes global. A instrução global deve preceder todos os usos dos nomes listados.

A instrução global tem o mesmo escopo que uma operação de ligação de nome no mesmo bloco. Se o escopo mais próximo de uma variável livre contiver uma instrução global, a variável livre será tratada como global.

A instrução nonlocal faz com que os nomes correspondentes se refiram a variáveis previamente vinculadas no escopo da função delimitadora mais próxima. A exceção SyntaxError é levantada em tempo de compilação se o nome fornecido não existir em nenhum escopo de função delimitador. Parâmetros de tipo não podem ser vinculadas novamente com a instrução nonlocal.

O espaço de nomes de um módulo é criado automaticamente na primeira vez que um módulo é importado. O módulo principal de um script é sempre chamado de __main__.

Blocos de definição de classe e argumentos para exec() e eval() são especiais no contexto de resolução de nome. Uma definição de classe é uma instrução executável que pode usar e definir nomes. Essas referências seguem as regras normais para resolução de nome, com exceção de que variáveis locais não vinculadas são pesquisadas no espaço de nomes global global. O espaço de nomes global da definição de classe se torna o dicionário de atributos da classe. O escopo dos nomes definidos em um bloco de classe é limitado ao bloco de classe; ele não se estende aos blocos de código de métodos. Isso inclui compreensões e expressões geradoras, mas não inclui escopos de anotação, que têm acesso a seus escopos de classe delimitadores. Isso significa que o seguinte falhará:

class A:
    a = 42
    b = list(a + i for i in range(10))

Porém, o seguinte vai funcionar:

class A:
    type Alias = Nested
    class Nested: pass

print(A.Alias.__value__)  # <type 'A.Nested'>

4.2.3. Escopos de anotação

As instruções de anotações, listas de parâmetros de tipo e type introduzem escopos de anotação, que se comportam principalmente como escopos de função, mas com algumas exceções discutidas abaixo.

Os escopos de anotação são usados nos seguintes contextos:

Escopos de anotação diferenciam-se de escopos de função nas seguintes formas:

  • Os escopos de anotação têm acesso ao espaço de nomes da classe delimitadora. Se um escopo de anotação estiver imediatamente dentro de um escopo de classe ou dentro de outro escopo de anotação que esteja imediatamente dentro de um escopo de classe, o código no escopo de anotação poderá usar nomes definidos no escopo de classe como se fosse executado diretamente no corpo da classe. Isto contrasta com funções regulares definidas dentro de classes, que não podem acessar nomes definidos no escopo da classe.

  • Expressões em escopos de anotação não podem conter expressões yield, yield from, await ou := 1. (Essas expressões são permitidas em outros escopos contidos no escopo de anotação.)

  • Nomes definidos em escopos de anotação não podem ser vinculados novamente com instruções nonlocal em escopos internos. Isso inclui apenas parâmetros de tipo, pois nenhum outro elemento sintático que pode aparecer nos escopos de anotação pode introduzir novos nomes.

  • Embora os escopos de anotação tenham um nome interno, esse nome não é refletido no nome qualificado dos objetos definidos dentro do escopo. Em vez disso, o __qualname__ de tais objetos é como se o objeto fosse definido no escopo delimitador.

Adicionado na versão 3.12: Escopos de anotação foram introduzidos no Python 3.12 como parte da PEP 695.

Alterado na versão 3.13: Os escopos de anotação também são usados para padrões de parâmetros de tipo, conforme introduzido pela PEP 696.

Alterado na versão 3.14: Os escopos de anotação agora também são usados para anotações, conforme especificado na PEP 649 e PEP 749.

4.2.4. Avaliação preguiçosa

A maioria dos escopos de anotação são avaliados preguiçosamente. Isso inclui anotações, os valores de apelidos de tipo criados por meio da instrução type e os limites, restrições e valores padrão de tipos variáveis criados por meio da sintaxe de parâmetro de tipo sintaxe de parâmetro de tipo. Isso significa que eles não são avaliados quando o apelido de tipo ou a tipo variável é criado, ou quando o objeto que contém as anotações é criado. Em vez disso, eles são avaliados apenas quando necessário, por exemplo, quando o atributo __value__ em um apelido de tipo é acessado.

Exemplo:

>>> type Alias = 1/0
>>> Alias.__value__
Traceback (most recent call last):
  ...
ZeroDivisionError: division by zero
>>> def func[T: 1/0](): pass
>>> T = func.__type_params__[0]
>>> T.__bound__
Traceback (most recent call last):
  ...
ZeroDivisionError: division by zero

Aqui a exceção é levantada apenas quando o atributo __value__ do apelido de tipo ou o atributo __bound__ da variável de tipo é acessado.

Esse comportamento é útil principalmente para referências a tipos que ainda não foram definidos quando o alias de tipo ou variável de tipo é criado. Por exemplo, a avaliação preguiçosa permite a criação de apelidos de tipo mutuamente recursivos:

from typing import Literal

type SimpleExpr = int | Parenthesized
type Parenthesized = tuple[Literal["("], Expr, Literal[")"]]
type Expr = SimpleExpr | tuple[SimpleExpr, Literal["+", "-"], Expr]

Valores avaliados preguiçosamente são avaliados em escopo de anotação, o que significa que os nomes que aparecem dentro do valor avaliado preguiçosamente são pesquisados como se fossem usados no escopo imediatamente envolvente.

Adicionado na versão 3.12.

4.2.5. Builtins e execução restrita

Os usuários não devem tocar em __builtins__; é estritamente um detalhe de implementação. Usuários que desejam substituir valores no espaço de nomes interno devem import o módulo builtins e modificar seus atributos apropriadamente.

O espaço de nomes builtins associado com a execução de um bloco de código é encontrado procurando o nome __builtins__ em seu espaço de nomes global; este deve ser um dicionário ou um módulo (no último caso, o dicionário do módulo é usado). Por padrão, quando no módulo __main__, __builtins__ é o módulo embutido builtins; quando em qualquer outro módulo, __builtins__ é um apelido para o dicionário do próprio módulo builtins.

4.2.6. Interação com recursos dinâmicos

A resolução de nome de variáveis livres ocorre em tempo de execução, não em tempo de compilação. Isso significa que o código a seguir imprimirá 42:

i = 10
def f():
    print(i)
i = 42
f()

As funções eval() e exec() não têm acesso ao ambiente completo para resolução de nome. Os nomes podem ser resolvidos nos espaços de nomes locais e globais do chamador. Variáveis livres não são resolvidas no espaço de nomes mais próximo, mas no espaço de nomes global. [1] As funções exec() e eval() possuem argumentos opcionais para substituir o espaço de nomes global e local. Se apenas um espaço de nomes for especificado, ele será usado para ambos.

4.3. Exceções

As exceções são um meio de romper o fluxo normal de controle de um bloco de código para tratar erros ou outras condições excepcionais. Uma exceção é levantada no ponto em que o erro é detectado; ele pode ser tratado pelo bloco de código circundante ou por qualquer bloco de código que invocou direta ou indiretamente o bloco de código onde ocorreu o erro.

O interpretador Python levanta uma exceção quando detecta um erro em tempo de execução (como divisão por zero). Um programa Python também pode levantar explicitamente uma exceção com a instrução raise. Os tratadores de exceção são especificados com a instrução try … except. A cláusula finally de tal declaração pode ser usada para especificar o código de limpeza que não trata a exceção, mas é executado se uma exceção ocorreu ou não no código anterior.

Python usa o modelo de “terminação” da manipulação de erros: um manipulador de exceção pode descobrir o que aconteceu e continuar a execução em um nível externo, mas não pode reparar a causa do erro e tentar novamente a operação com falha (exceto reinserindo a parte incorreta de código de cima).

Quando uma exceção não é manipulada, o interpretador encerra a execução do programa ou retorna ao seu laço principal interativo. Em ambos os casos, ele exeibe um traceback (situação da pilha de execução), exceto quando a exceção é SystemExit.

As exceções são identificadas por instâncias de classe. A cláusula except é selecionada dependendo da classe da instância: ela deve referenciar a classe da instância ou uma classe base não-virtual dela. A instância pode ser recebida pelo manipulador e pode conter informações adicionais sobre a condição excepcional.

Nota

As mensagens de exceção não fazem parte da API do Python. Seu conteúdo pode mudar de uma versão do Python para outra sem aviso e não deve ser invocado pelo código que será executado em várias versões do interpretador.

Veja também a descrição da declaração try na seção A instrução try e a instrução raise na seção A instrução raise.

4.4. Componentes do Ambiente de Execução

4.4.1. Modelo Geral de Computação

O modelo de execução do Python não opera no vácuo. Ele é executado em uma máquina hospedeira e através do ambiente de execução desse hospedeiro, incluindo seu sistema operacional (SO), se houver um. Quando um programa é executado, as camadas conceituais de como ele é executado no hospedeiro têm esta forma:

máquina hospedeira
processo (recursos globais)
thread (executa código de máquina)

Cada processo representa um programa rodando no hospdeiro. Pense em cada processo em si como a parte do programa referente aos dados. Pense nas threads do processo como a parte referente à execução. Essa distinção será importante para entender o ambiente de execução do Python.

O processo, enquanto parte referente a dados, é o contexto de execução sobre o qual o programa roda. Ele consiste majoritariamente no conjunto de recursos alocados paro programa pelo hospedeiro, incluindo memória, sinais, identificadores de arquivos, soquetes, e variáveis de ambiente.

Processos são isolados, e independentes uns dos outros. (O mesmo vale para hospedeiros.) O hospedeiro gerencia o acesso do processo aos recursos a ele alocados, além de orquestrar os vários processos.

Cada thread representa a execução em si do código de máquina do programa, rodando relativamente aos recursos alocados ao processo. Decidir como e quando essa execução acontecerá é prerrogativa exclusiva do hospedeiro.

Do ponto de vista do Python, um programa sempre começa com exatamente uma thread. Entretanto, o programa pode evoluir para rodar em múltiplas threads simultâneas. Nem todo hospedeiro oferece suporte para múltiplas threads por processo, mas a maioria oferece. Diferentemente de processos, threads em um processo não são isoladas nem independentes umas das outras. Especificamente, cada recurso de um processo é compartilhado por todas as suas threads.

O princípio fundamental das threads é que cada uma delas roda independentemente, ao mesmo tempo que as outras. Isso pode significar uma simultaneidade conceitual (“concorrência”) ou física (“paralelismo”). De qualquer modo, as threads rodam efetivamente em passos não sincronizados.

Nota

Essa falta de sincronismo significa que não existe nenhuma garantia de consistência em qualquer parte da memória do processo, do ponto de vista do código rodando em qualquer thread. Portanto, programas multi-thread precisam tomar o cuidado de coordenar o acesso a recursos intencionalmente compartilhados. Da mesma forma, eles precisam ter o máximo cuidado para não acessar nenhum outro recurso a partir de múltiplas threads; caso contrário, duas threads rodando ao mesmo tempo podem acidentalmente interferir no uso umas das outras desses recursos compartilhados. Tudo isso vale tanto para programas Python quanto para o ambiente de execução do Python.

Essa exigência ampla e não estruturada é o custo que precisamos pagar em contrapartida pela concorrência bruta que as threads proporcionam. A alternativa à disciplina necessária geralmente envolve lidar com bugs não-determinísticos e corupção de dados.

4.4.2. Modelo do Ambiente de Execução Python

As mesmas camadas conceituais se aplicam a cada programa Python, com algumas camadas de dados específicas para o Python:

máquina hospedeira
processo (recursos globais)
Ambiente de execução global do Python (estado)
Interpretador Python (estado)
thread (roda bytecode Python e a “API C”)
Estado da thread Python

No nível conceitual: quando um programa Python começa, ele tem o aspecto exato desse diagrama, com uma instância de cada linha. O ambiente de execução pode evoluir para incluir múltiplos interpretadores, e cada interpretador pode evoluir para incluir múltiplos estados de thread.

Nota

Uma implementação do Python não necessariamente vai implementar essas camadas do ambiente de execução de forma distinta, ou mesmo concreta. A única exceção são os casos em que camadas distintas são diretamente especificadas ou expostas aos usuários, como através do módulo threading.

Nota

O interpretador inicial é geralmente chamado de interpretador “principal”. Algumas implementações do Python, como o CPython, dão papéis especiais ao interpretador principal.

Da mesma forma, a thread do hospedeiro na qual o ambiente de execução foi inicializado é chamada de thread “principal”. Ela pode ser diferente da thread inicial do processo, embora geralmente sejam a mesma. Em alguns casos, o termo “thread principal” pode ser ainda mais específico, e se referir ao estado de thread inicial. Um ambiente de execução Python pode atribuir responsabilidades especiais à thread principal, como por exemplo lidar com sinais.

Em sua totalidade, o ambiente de execução Python consiste no seu estado global, seus interpretadores, e seus estados de thread. O ambiente de execução garante que todo esse estado permaneça consistente ao longo do seu tempo de vida, em particular quando usado a partir de múltiplas threads do hospedeiro.

O ambiente de execução global, conceitualmente, é simplesmente um conjunto de interpretadores. Esses interpretadores podem compartilhar alguns dados e outros recursos, mas fora isso são isolados e independentes uns dos outros. O ambiente de execução é responsável por gerenciar esses recursos globais de forma segura. A natureza física desses recursos, bem como o seu gerenciamento, é específica de cada implementação. No fim das contas, a utilidade externa do ambiente de execução global é limitada ao gerenciamento de interpretadores.

Em contraste, conceitualmente um “interpretador” é o que normalmente consideraríamos como sendo o “ambiente de execução Python” (com todas as suas funcionalidades). Quando código de máquina, sendo executado em uma thread do hospedeiro, interage com o ambiente de execução Python, ele chama o Python no contexto de um interpretador específico.

Nota

O termo interpretador aqui não é a mesma coisa que o “interpretador de bytecode”, que é o que normalmente roda nas threads, executando código Python compilado.

Em um mundo ideal, o termo “ambiente de execução Python” seria usado para se referir ao que atualmente chamamos de “interpretador”. Entretanto, ele vem sendo chamado de “interpretador” pelo menos desde que foi introduzido em 1997 (CPython:a027efa5b).

Cada interpretador encapsula completamente todo o estado necesssário para o ambiente de execução do Python funcionar, que não seja global do processo nem específico de threads. Notavelmente, o estado do interpretador persiste entre usos. Ele inclui dados fundamentais, como o sys.modules. O ambiente de execução garante que múltiplas threads usando o mesmo interpretador vão compartilhá-lo de maneira segura.

Uma implementação do Python pode oferecer suporte para usar múltiplos interpretadores ao mesmo tempo no mesmo processo. Eles são independentes e isolados uns dos outros. Por exemplo, cada interpretador tem o seu próprio sys.modules.

Quanto aos estados específicos ao ambiente de execução de cada thread, cada interpretador gerencia um conjunto de estados de thread, da mesma maneira que o ambiente de execução global contém um conjunto de interpretadores. Cada interpretador pode ter estados de thread para quantas threads do hospedeiro forem necessárias. Ele pode até mesmo ter múltiplos estados de thread para uma mesma thread do hospedeiro, embora isso não seja tão comum.

Conceitualmente, cada estado de thread contém os dados do ambiente de execução específicos àquela thread que são necessários para o interpretador operar em uma thread do hospedeiro. O estado de thread inclui a exceção atualmente levantada e a pilha de chamadas Python da thread. Ele pode incluir outros recursos específicos à thread.

Nota

O termo “thread Python” pode às vezes se referir ao estado de thread, mas normalmente significa uma thread criada a partir do módulo threading.

Cada estado de thread, ao longo do seu tempo de vida, está sempre atrelado a exatamente um interpretador e uma thread do hospedeiro. Ele sempre vai ser usado somente naquela thread e com aquele interpretador.

Múltiplos estados de thread podem estar atrelados à mesma thread do hospedeiro, seja para diferentes interpretadores ou até mesmo para um mesmo interpretador. Entretanto, dada qualquer thread do hospedeiro, somente um dos estados de thread atrelados a ela pode ser usado por ela de cada vez.

Estados de thread são isolados e independentes uns dos outros e não compartilham dados, exceto que podem compartilhar o interpretador e objetos ou outros recursos que pertencem ao interpretador.

Quando um programa está rodando, novas threads Python podem ser criadas a partir do módulo threading (em plataformas e implementações do Python que ofereçam suporte a threads). Processos adicionais podem ser criados usando os módulos os, subprocess e multiprocessing. Interpretadores podem ser criados e usados com o módulo interpreters. Corrotinas (async) podem ser executadas usando asyncio em cada interpretador, tipicamente em uma única thread (geralmente a thread principal).

Notas de rodapé