Vi börjar med att gå igenom FastAPI:s viktigaste funktioner och centrala användningsområden. Sedan kör vi vår första applikation och testar den! Avslutningsvis går vi igenom hur GET- och POST-operationer fungerar med förfrågningsparametrar och bygger och testar de endpointerna.

Varför FastAPI?

Första applikationen

FastAPI vs. Django

GET-operationer

Hello world

Hej vem?

POST-operationer

Pydantic-modell

POST-operation i praktiken

Grunderna i FastAPI

Vi börjar med att lära oss hur man stöder PUT- och DELETE-operationer i FastAPI. Sedan går vi igenom hur man hanterar olika typer av fel och alltid returnerar en lämplig statuskod i svaret. Avslutningsvis lär vi oss att använda async för att möjliggöra parallella förfrågningar som klarar högre belastning.

PUT- och DELETE-operationer

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

PUT-operationen i praktiken

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 {}

DELETE-operationen i praktiken

Hantera fel

Alternativ

Framgång

Inte framgång

Klassificering av statuskoder

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 {}

Hantera ett klientfel

Använda async för samtidiga uppgifter

När ska man använda 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"}

Asynkron DELETE-operation

Avancerade ämnen i FastAPI

Vi börjar med att lära oss skriva systemtester för att validera enskilda FastAPI-endpoints. Sedan bygger vi ett komplett JSON CRUD API för att hantera objektlivscykler över HTTP. Avslutningsvis lär vi oss att testa hur olika endpoints i applikationen fungerar tillsammans med manuella funktionstester.

Automatiserad testning med FastAPI

Enhetstester vs. systemtester

Systemtest

Bygga ett JSON CRUD API

HTTP-operationer och CRUD-steg

Svar på DELETE-operation

Komplett JSON CRUD-API

Skriva ett manuellt funktionstest

Systemtester vs. funktionstester

Funktionellt test

Avslutning

Bygga och testa ett JSON CRUD API

Den här kursen lär dig att bygga produktionsklara webbapplikationer med FastAPI, ett populärt Python-ramverk för att skapa API:er. Du lär dig att hantera alla fyra HTTP-operationer, definiera scheman för förfrågningar och svar, validera API-förfrågningar och returnera lämpliga HTTP-statuskoder. Kursen täcker även asynkron kodexekvering för bättre prestanda. I slutet av kursen bygger du ett CRUD-API och testar arbetsflöden med Pythons requests-modul. Kursen riktar sig till erfarna Python-programmerare och ger dig verktygen för att hantera data med FastAPI – en solid grund för att bygga robusta datahanteringspipelines och pipelines för att driftsätta ML-modeller.

<h2>Introduktion till FastAPI och dess användningsområden</h2> API:er används ofta för att hantera data på webben, och FastAPI är ett populärt nytt webbframework för att bygga API:er med Python. Data- och maskininlärningsingenjörer använder FastAPI för att bygga applikationer som fungerar som kontextmedvetna datatransaktioner och pipelines på webben.<br><br> <h2>Bygg produktionsklara webbapplikationer med FastAPI</h2> I den här kursen lär du dig att bygga produktionsklara webbapplikationer genom att utnyttja dina Python-kunskaper med ramverket FastAPI. I slutet kommer du att förstå de viktigaste användningsområdena för FastAPI i relation till andra Python-webbramverk. Du lär dig att bygga API:er med alla fyra typerna av HTTP-operationer och definiera scheman för förfrågningar och svar. Dessutom kommer du att validera API-förfrågningar, svara med lämpliga HTTP-statuskoder och meddelanden samt köra kod asynkront för att förbättra applikationens prestanda. Ett praktiskt projekt guidar dig genom att bygga ett klassiskt CRUD-API (Create, Read, Update, Delete) och testa arbetsflöden med Python-modulen requests.<br><br> <h2>Kursmål och målgrupp</h2> Den här kursen är utformad för erfarna Python-programmerare som vill bygga webbapplikationer som hanterar data med FastAPI. När du har slutfört den här kursen har du den grund som behövs för att skapa FastAPI-projekt som lämpar sig för datastyrning med hög genomströmning och pipelines för modellservering inom ML.

Introduction to APIs in Python

Introduction to Object-Oriented Programming in Python

Bygg robusta API:er med FastAPI, hantera HTTP, validering och asynkron körning för effektiva pipelines.

Introduktion till FastAPI

Bygg robusta, produktionsklara API:er med FastAPI och bemästra HTTP-operationer, validering och async-exekvering för effektiva data- och ML-pipelines.


När ska man använda async?

Introduktion till FastAPI

Interaktiv övning med praktiskt arbete