Invoervalidatie in FastAPI

AI in productie brengen met FastAPI

Matt Eckerle

Software and Data Engineering Leader

Invoergegevens valideren

Stroomschema van ML-voorspelling met FastAPI

Waarom de input valideren?

Validatie voor dataintegriteit
Fouten in de applicatie voorkomen
Integreert met Pydantic
Biedt krachtige tools voor datavalidatie

Een logo van Pydantic

Pydantic voor vooraf gedefinieerde functies

Veldvalidatie met pydantic

Aangepaste validatie met pydantic

Netjes foutmeldingen geven

Vriendelijk foutrapport bij validatie

Pydantic veldvalidators

Endpoint voor gebruikersregistratie
De door gebruikers ingevoerde gebruikersnaam valideren:

from pydantic import BaseModel, Field

class User(BaseModel):
    username: str = Field(..., min_length=3, max_length=50)

Aangepaste validators toevoegen

class User(BaseModel):
    username: str = Field(..., 
                          min_length=3, 
                          max_length=50)
    age: int

    @field_validator('age')
    def age_criteria(cls, age):
        if age < 13:
            raise ValueError('User must be at least 13')
        return age

Aangepaste validators in actie

Geldig verzoek:

{"username": "john_doe", "age": 25}

Geldige gebruiker: username='john_doe' age=25

Ongeldig verzoek:

{"username": "too_young", "age": 10}

Validatiefout voor {'username': 'too_young', 'age': 10}: User must be at least 13

Alles combineren

Vriendelijk foutrapport bij validatie

Veldvalidator voor gebruikersnaam
Aangepaste validator voor leeftijd
Foutmelding bij mislukte validatie

Alles combineren

@app.post("/users")
def create_user(user: User):
    return {"message": "User created",
            "user": user.model_dump()}

Output:

{
  "message": "User created successfully",
    "user": {
          "username": "john_doe", 
           "age": 25
    }
}

Laten we oefenen!

AI in productie brengen met FastAPI