Wir starten mit den wichtigsten Features und typischen Anwendungsfällen von FastAPI. Danach führen wir unsere erste Anwendung aus und probieren sie aus! Zum Schluss lernen wir im Detail, wie GET- und POST-Operationen mit Request-Parametern unterstützt werden, und entwickeln und testen diese Endpunkte.

Warum FastAPI?

Erste Anwendung

FastAPI vs. Django

GET-Operationen

Hello World

Hallo, wer?

POST-Operationen

Pydantic-Modell

POST-Operation in Aktion

FastAPI-Grundlagen

Zunächst lernst du, wie du mit FastAPI PUT- und DELETE-Operationen unterstützt. Dann sehen wir uns an, wie verschiedene Fehlerarten behandelt werden und wie du in der Response stets einen passenden Statuscode zurückgibst. Abschließend lernst du, wie du mit async gleichzeitige Anfragen ermöglichst, die höhere Lasten bewältigen können.

PUT- und DELETE-Operationen

PUT-Operation in Aktion

DELETE-Operation in Aktion

Fehler behandeln

Klassifikation von Statuscodes

Einen Client-Fehler behandeln

Async für gleichzeitige Aufgaben nutzen

Wann sollten wir async verwenden?

Asynchrone DELETE-Operation

Fortgeschrittene Themen in FastAPI

Wir beginnen damit, Systemtests zu schreiben, um einzelne FastAPI-Endpunkte zu validieren. Als Nächstes bauen wir eine vollständige JSON-CRUD-API, um Objektlebenszyklen über HTTP zu verwalten. Schließlich lernst du, wie du unterschiedliche Anwendungsschnittstellen im Zusammenspiel mit manuellen Funktionstests prüfst.

Automatisierte Tests mit FastAPI

Optionen

Unit-Tests

Systemtests

Unit-Tests vs. Systemtests

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from typing import Optional

# define model Item
class Item(BaseModel):
    name: str
    quantity: Optional[int] = 0

app = FastAPI()

items = {"scissors": Item(name="scissors", quantity=100)}


@app.get("/items")
def read(name: str):
    if name not in items:
        raise HTTPException(status_code=404, detail="Item not found")
    return items[name]

# Import TestClient
from fastapi.testclient import ____
from main import app

# Create test client with application context
client = TestClient(____)

def test_main():
    response = client.get("/items?name=scissors")
    assert response.status_code == 200
    assert response.json() == {"name": "scissors",
                               "quantity": ____}

# Import TestClient
from fastapi.testclient import TestClient
from main import app

# Create test client with application context
client = TestClient(app)

def test_main():
    response = client.get("/items?name=scissors")
    assert response.status_code == 200
    assert response.json() == {"name": "scissors",
                               "quantity": 100}

Systemtest

Eine JSON-CRUD-API erstellen

Create

Read

Update

HTTP-Operationen & CRUD-Schritte

Antwort auf eine DELETE-Operation

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from typing import Optional

# define model Item
class Item(BaseModel):
    name: str
    quantity: Optional[int] = 0

app = FastAPI()

items = {}


@app.____("/items")
def create(item: Item):
    name = item.name
    if name in items:
        raise HTTPException(status_code=409, detail="Item exists")
    items[name] = item
    return {"message": f"Added {name} to items."}
  
@app.____("/items")
def read(name: str):
    if name not in items:
        raise HTTPException(status_code=____, detail="Item not found")
    return items[name]  
  
@app.____("/items")
def update(item: Item):
    name = item.name
    if name not in items:
        raise HTTPException(status_code=____, detail="Item not found")
    items[name] = item
    return {"message": f"Updated {name}."}
  
@app.delete("/items")
def delete(item: Item):
    name = item.name
    if name not in items:
        raise HTTPException(status_code=____, detail="Item not found")
    del items[name]
    return {"message": f"Deleted {name}."}

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from typing import Optional

# define model Item
class Item(BaseModel):
    name: str
    quantity: Optional[int] = 0

app = FastAPI()

items = {}


@app.post("/items")
def create(item: Item):
    name = item.name
    if name in items:
        raise HTTPException(status_code=409, detail="Item exists")
    items[name] = item
    return {"message": f"Added {name} to items."}
  
@app.get("/items")
def read(name: str):
    if name not in items:
        raise HTTPException(status_code=404, detail="Item not found")
    return items[name]  
  
@app.put("/items")
def update(item: Item):
    name = item.name
    if name not in items:
        raise HTTPException(status_code=404, detail="Item not found")
    items[name] = item
    return {"message": f"Updated {name}."}
  
@app.delete("/items")
def delete(item: Item):
    name = item.name
    if name not in items:
        raise HTTPException(status_code=404, detail="Item not found")
    del items[name]
    return {"message": f"Deleted {name}."}

Vollständige JSON-CRUD-API

Einen manuellen Funktionstest schreiben

Funktionstests

Systemtests vs. Funktionstests

import requests

ENDPOINT = "http://localhost:8000/items"

# Create item "rock" without providing quantity
r = requests.post(ENDPOINT, json={"name": "rock"})
assert r.status_code == ____
assert r.json()["message"] == "Added rock to items."

# Verify that item "rock" has quantity 0
r = requests.get(ENDPOINT + "?____=____")
assert r.status_code == 200
assert r.json()["quantity"] == 0

# Update item "rock" with quantity 100
r = requests.put(ENDPOINT, json={"name": "rock", "quantity": 100})
assert r.status_code == 200
assert r.json()["message"] == "Updated rock."

# Verify that item "rock" has quantity 100
r = requests.get(ENDPOINT + "?name=rock")
assert r.status_code == 200
assert r.json()["quantity"] == ____

# Delete item "rock"
r = requests.delete(ENDPOINT, json={____: ____})
assert r.status_code == 200
assert r.json()["message"] == "Deleted rock."

# Verify that item "rock" does not exist
r = requests.get(ENDPOINT + "?name=rock")
assert r.status_code == ____

print("Test complete.")

import requests

ENDPOINT = "http://localhost:8000/items"

# Create item "rock" without providing quantity
r = requests.post(ENDPOINT, json={"name": "rock"})
assert r.status_code == 200
assert r.json()["message"] == "Added rock to items."

# Verify that item "rock" has quantity 0
r = requests.get(ENDPOINT + "?name=rock")
assert r.status_code == 200
assert r.json()["quantity"] == 0

# Update item "rock" with quantity 100
r = requests.put(ENDPOINT, json={"name": "rock", "quantity": 100})
assert r.status_code == 200
assert r.json()["message"] == "Updated rock."

# Verify that item "rock" has quantity 100
r = requests.get(ENDPOINT + "?name=rock")
assert r.status_code == 200
assert r.json()["quantity"] == 100

# Delete item "rock"
r = requests.delete(ENDPOINT, json={"name": "rock"})
assert r.status_code == 200
assert r.json()["message"] == "Deleted rock."

# Verify that item "rock" does not exist
r = requests.get(ENDPOINT + "?name=rock")
assert r.status_code == 404

print("Test complete.")

Funktionaler Test

Abschluss

Erstellen und Testen einer JSON-CRUD-API

In diesem Kurs lernst du, produktionsreife Webanwendungen mit FastAPI zu entwickeln, einem beliebten Python-Framework für das Erstellen von APIs. Du lernst, alle vier HTTP-Operationen zu bedienen, Request- und Response-Schemas zu definieren, API-Anfragen zu validieren und passende HTTP-Statuscodes zurückzugeben. Außerdem behandelst du asynchrone Codeausführung zur Leistungssteigerung. Am Ende entwickelst du eine CRUD-API und testest Workflows mit dem Python-Modul requests. Der Kurs richtet sich an erfahrene Python-Programmierer und vermittelt dir die Fähigkeiten, Daten mit FastAPI zu verwalten – eine ideale Vorbereitung, um robuste Datenmanagement- und ML-Modell-Serving-Pipelines aufzubauen.

<h2>Einführung in FastAPI und seine Anwendungen</h2> APIs sind echt beliebt, um Daten im Web zu verwalten, und FastAPI ist ein angesagtes neues Web-Framework, um APIs mit Python zu erstellen. Daten- und Machine-Learning-Ingenieure nutzen FastAPI, um Anwendungen zu entwickeln, die als kontextbezogene Datentransaktionen und Pipelines im Web dienen.<br><br> <h2>Entwicklung produktionsreifer Webanwendungen mit FastAPI</h2> In diesem Kurs lernst du, wie du mit deinen Python-Kenntnissen und dem FastAPI-Framework Webanwendungen für den produktiven Einsatz entwickelst. Am Ende wirst du die wichtigsten Anwendungsfälle für FastAPI im Vergleich zu anderen Python-Webframeworks verstehen. Du lernst, APIs mit allen vier Arten von HTTP-Operationen zu erstellen und Anfrage- und Antwortschemata zu definieren. Außerdem checkst du API-Anfragen, antwortest mit den richtigen HTTP-Statuscodes und -Meldungen und führst Code asynchron aus, um die Leistung der Anwendung zu verbessern. Ein praktisches Projekt zeigt dir, wie du eine klassische CRUD-API (Create, Read, Update, Delete) aufbaust und Workflows mit dem Python-Modul „requests“ testest.<br><br> <h2>Kursziele und Zielgruppe</h2> Dieser Kurs ist für Leute gedacht, die schon Python programmieren können und Web-Apps entwickeln wollen, die Daten mit FastAPI verwalten. Nach dem Abschluss dieses Kurses hast du die nötigen Grundlagen, um FastAPI-Projekte zu erstellen, die für die Datenverwaltung mit hohem Durchsatz und ML-Modell-Serving-Pipelines geeignet sind.

Introduction to APIs in Python

Introduction to Object-Oriented Programming in Python

Erstellen Sie robuste APIs mit FastAPI, beherrschen Sie HTTP, Validierung und asynchrone Ausführung.

Einführung in FastAPI

In diesem Kurs entwickelst du mit FastAPI robuste, produktionsreife APIs und lernst, effiziente Daten- und ML-Pipelines zu erstellen.


Systemtest

Interaktive praktische Übung