Kita akan mulai dengan mempelajari fitur kunci dan kasus penggunaan inti FastAPI. Lalu kita akan menjalankan aplikasi pertama dan mencobanya! Terakhir, kita akan mempelajari detail dukungan operasi GET dan POST yang mencakup parameter permintaan dan membangun serta menguji endpoint tersebut.

Mengapa FastAPI?

Aplikasi pertama

FastAPI vs. Django

Operasi GET

Halo dunia

Halo siapa?

Operasi POST

Model Pydantic

Operasi POST secara langsung

Dasar-dasar FastAPI

Kita akan mulai dengan mempelajari cara mendukung operasi PUT dan DELETE menggunakan FastAPI. Lalu kita akan mempelajari cara menangani berbagai jenis kesalahan dan selalu mengembalikan kode status yang sesuai dalam respons. Terakhir, kita akan mempelajari cara menggunakan async untuk memungkinkan permintaan bersamaan yang dapat menangani beban kerja lebih tinggi.

Operasi PUT dan DELETE

from fastapi import FastAPI
from pydantic import BaseModel

# Define model Item
class Item(BaseModel):
    ____: str
    ____: str

# Define items at application start
items = {"bananas": "Yellow fruit."}

app = FastAPI()


@app.put("/items")
def update_item(item: Item):
    name = item.name
    # Update the description
    items[____] = item.____
    return item

from fastapi import FastAPI
from pydantic import BaseModel

# Define model Item
class Item(BaseModel):
    name: str
    description: str

# Define items at application startup
items = {"bananas": "Yellow fruit."}

app = FastAPI()


@app.put("/items")
def update_item(item: Item):
    name = item.name
    # Update the description
    items[name] = item.description
    return item

Operasi PUT dalam praktik

from fastapi import FastAPI
from pydantic import BaseModel

# Define model Item
class Item(BaseModel):
    ____: str

# Define items at application start
items = {"apples", "oranges", "bananas"}

app = FastAPI()


@app.delete("/items")
def delete_item(item: Item):
    name = item.name
    # Delete the item
    items.remove(____)
    return {}

from fastapi import FastAPI
from pydantic import BaseModel

# Define model Item
class Item(BaseModel):
    name: str

# Define items at application startup
items = {"apples", "oranges", "bananas"}

app = FastAPI()


@app.delete("/items")
def delete_item(item: Item):
    name = item.name
    # Delete the item
    items.remove(name)
    return {}

Operasi DELETE secara langsung

Menangani galat

Opsi

Berhasil

Tidak berhasil

Klasifikasi status code

from fastapi import FastAPI, ____
from pydantic import BaseModel

# Define model Item
class Item(BaseModel):
    name: str

# Define items at application startup
items = {"apples", "oranges"}

app = FastAPI()


@app.delete("/items")
def delete_item(item: Item):
    name = item.name
    if name in items:
        items.remove(name)
    else:
        # Raise HTTPException with status code for "not found"
        raise ____(status_code=____, detail="Item not found.")
    return {}

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel

# Define model Item
class Item(BaseModel):
    name: str

# Define items at application startup
items = {"apples", "oranges"}

app = FastAPI()


@app.delete("/items")
def delete_item(item: Item):
    name = item.name
    if name in items:
        items.remove(name)
    else:
        # Raise HTTPException with status code for "not found"
        raise HTTPException(status_code=404, detail="Item not found.")
    return {}

Menangani galat dari klien

Menggunakan async untuk pekerjaan konkuren

Kapan kita harus menggunakan async?

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel

# Define model Item
class Item(BaseModel):
    name: str

app = FastAPI()

items = {"rock", "paper", "scissors"}


@app.delete("/items")
# Make asynchronous
____ def root(item: Item):
    name = item.name
    # Check if name is in items
    if ____ not in ____:
        # Return the status code for not found
        raise HTTPException(status_code=___, detail="Item not found.")
    items.remove(name)
    return {"message": "Item deleted"}

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel

# Define model Item
class Item(BaseModel):
    name: str

app = FastAPI()

items = {"rock", "paper", "scissors"}


@app.delete("/items")
# Make asynchronous
async def root(item: Item):
    name = item.name
    # Check if name is in items
    if name not in items:
        # Return the status code for not found
        raise HTTPException(status_code=404, detail="Item not found.")
    items.remove(name)
    return {"message": "Item deleted"}

Operasi DELETE Asinkron

Topik lanjutan FastAPI

Kita akan mulai dengan mempelajari cara menulis pengujian sistem untuk memvalidasi masing-masing endpoint FastAPI. Selanjutnya kita akan membangun API JSON CRUD lengkap untuk mengelola siklus hidup objek melalui HTTP. Terakhir, kita akan mempelajari cara menguji berbagai endpoint aplikasi yang bekerja bersama melalui pengujian fungsional manual.

Pengujian otomatis FastAPI

Unit test vs. system test

Uji sistem

Membangun API CRUD JSON

Operasi HTTP & langkah CRUD

Respons operasi DELETE

Lengkapi JSON CRUD API

Menulis uji fungsional manual

Pengujian sistem vs. pengujian fungsional

Uji fungsional

Ringkasan

Membangun dan menguji API JSON CRUD

Kursus ini mengajarkan Anda membangun aplikasi web tingkat produksi menggunakan FastAPI, kerangka kerja Python populer untuk membuat API. Anda akan mempelajari cara menangani keempat operasi HTTP, mendefinisikan skema permintaan dan respons, memvalidasi permintaan API, serta mengembalikan kode status HTTP yang sesuai. Anda juga akan mempelajari eksekusi kode asinkron untuk meningkatkan kinerja, dan pada akhirnya Anda akan mengembangkan API CRUD serta menguji alur kerja dengan modul requests di Python. Dirancang untuk pemrogram Python berpengalaman, kursus ini membekali Anda dengan keterampilan mengelola data dengan FastAPI, mempersiapkan Anda membangun pipeline manajemen data dan penyajian model ML yang tangguh.

<h2>Pengantar FastAPI dan Aplikasinya</h2> API sering digunakan untuk mengelola data di web, dan FastAPI adalah kerangka kerja web populer baru untuk membangun API dengan Python. Insinyur Data dan Machine Learning memanfaatkan FastAPI untuk membangun aplikasi yang berfungsi sebagai transaksi dan pipa data yang sadar konteks di web.<br><br> <h2>Membuat Aplikasi Web Berkelas Produksi dengan FastAPI</h2> Dalam kursus ini, Anda akan belajar cara membangun aplikasi web berkualitas produksi dengan memanfaatkan keterampilan Python Anda menggunakan kerangka kerja FastAPI. Pada akhirnya, Anda akan memahami penggunaan utama FastAPI dibandingkan dengan kerangka kerja web Python lainnya. Anda akan belajar cara membangun API menggunakan keempat jenis operasi HTTP dan mendefinisikan skema permintaan dan respons. Selain itu, Anda akan memvalidasi permintaan API, merespons dengan kode status HTTP yang sesuai dan pesan, serta menjalankan kode secara asinkron untuk meningkatkan kinerja aplikasi. Proyek praktis ini akan membimbing Anda dalam membangun API CRUD (Create, Read, Update, Delete) klasik, serta menguji alur kerja menggunakan modul requests Python.<br><br> <h2>Tujuan Kursus dan Sasaran Peserta</h2> Kursus ini dirancang untuk programmer Python berpengalaman yang ingin membangun aplikasi web yang mengelola data menggunakan FastAPI. Setelah menyelesaikan kursus ini, Anda akan memiliki dasar yang diperlukan untuk membuat proyek FastAPI yang cocok untuk pengelolaan data berkapasitas tinggi dan pipeline penyajian model ML.

Introduction to APIs in Python

Introduction to Object-Oriented Programming in Python

Bangun API andal dengan FastAPI, kuasai operasi HTTP, validasi, dan eksekusi async untuk pipeline data.

Pengantar FastAPI

Bangun API yang andal dan siap produksi dengan FastAPI, kuasai operasi HTTP, validasi, dan eksekusi asinkron untuk menciptakan alur data dan ML yang efisien.


Kapan kita harus menggunakan async?

Pengantar FastAPI

Latihan interaktif langsung