Почнемо з ключових можливостей FastAPI та основних сценаріїв використання. Потім запустимо наш перший застосунок і перевіримо його в роботі. Нарешті, розглянемо деталі підтримки операцій GET і POST із параметрами запиту та створимо й протестуємо відповідні кінцеві точки.

Чому FastAPI?

Перший застосунок

FastAPI проти Django

Операції GET

Hello world

Привіт, хто?

Операції POST

Модель Pydantic

Дія POST-операції

Основи FastAPI

Почнемо з того, як реалізувати операції PUT і DELETE у FastAPI. Далі навчимося опрацьовувати різні типи помилок і завжди повертати доречний код стану у відповіді. Насамкінець розберемо, як використовувати async, щоб обробляти кілька запитів одночасно та витримувати вищі навантаження.

Операції PUT і 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

Операція PUT у дії

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 {}

Операція DELETE на практиці

Оброблення помилок

Варіанти

Успіх

Не успіх

Класифікація кодів стану

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 {}

Обробка помилки на боці клієнта

Використання async для паралельного виконання

Коли варто використовувати 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"}

Асинхронна операція DELETE

Просунуті теми FastAPI

Спершу навчимося писати системні тести для перевірки окремих кінцевих точок FastAPI. Далі створимо повний JSON CRUD API для керування життєвим циклом об’єктів через HTTP. Нарешті, розглянемо, як вручну написати функціональні тести для перевірки взаємодії різних кінцевих точок застосунку.

Автоматизоване тестування FastAPI

Юніт-тести vs. системні тести

Системний тест

Створення JSON CRUD API

Операції HTTP і кроки CRUD

Відповідь на операцію DELETE

Завершіть JSON CRUD API

Написання ручного функціонального тесту

Системні тести vs. функціональні тести

Функціональний тест

Підсумки

Створення й тестування JSON CRUD API

У цьому курсі ви навчитеся створювати промислові вебзастосунки з FastAPI — популярним Python-фреймворком для побудови API. Ви опanuєте всі чотири операції HTTP, визначення схем запитів і відповідей, валідацію запитів до API та повернення відповідних кодів стану HTTP. Також розглянемо асинхронне виконання коду для підвищення продуктивності, а наприкінці ви розробите CRUD API та протестуєте робочі процеси за допомогою модуля requests у Python. Курс розрахований на досвідчених Python-розробників і дає навички керування даними з FastAPI, готуючи вас до створення надійних конвеєрів для керування даними та розгортання моделей ML.

<h2>Вступ до FastAPI та його застосувань</h2> API часто використовуються для керування даними в інтернеті, а FastAPI — це популярний новий вебфреймворк для створення API на Python. Інженери з даних і машинного навчання використовують FastAPI для створення застосунків, які в інтернеті працюють як контекстно-залежні транзакції даних і конвеєри.<br><br> <h2>Створення вебзастосунків промислового рівня з FastAPI</h2> У цьому курсі ви навчитеся створювати вебзастосунки промислового рівня, використовуючи свої навички Python із фреймворком FastAPI. Наприкінці ви зрозумієте основні варіанти використання FastAPI у порівнянні з іншими Python web-фреймворками. Ви навчитеся створювати API, використовуючи всі чотири типи HTTP-операцій, і визначати схеми запитів та відповідей. Крім того, ви будете перевіряти API-запити, відповідати відповідними HTTP-кодами статусу та повідомленнями, а також виконувати код асинхронно, щоб підвищити продуктивність застосунку. Практичний проєкт проведе вас через створення класичного CRUD (Create, Read, Update, Delete) API та тестування робочих процесів за допомогою модуля Python requests.<br><br> <h2>Цілі курсу та цільова аудиторія</h2> Цей курс створений для досвідчених програмістів Python, які хочуть створювати вебзастосунки для керування даними за допомогою FastAPI. Після завершення цього курсу ви матимете необхідну базу для створення проєктів FastAPI, придатних для високопродуктивного керування даними та конвеєрів розгортання ML-моделей.

Introduction to APIs in Python

Introduction to Object-Oriented Programming in Python

Створюйте надійні API з FastAPI, освоюйте HTTP, валідацію та асинхронність для ефективних ML-процесів.

Вступ до FastAPI

Створюйте надійні production-grade API з FastAPI, опановуючи HTTP-операції, валідацію та async-виконання для ефективних data та ML pipelines.


Коли варто використовувати async?

Вступ до FastAPI

Практична інтерактивна вправа