Validasi input di FastAPI

Menerapkan AI ke Produksi dengan FastAPI

Matt Eckerle

Software and Data Engineering Leader

Memvalidasi data input

Bagan alur yang menunjukkan prediksi ML dengan FastAPI

Mengapa memvalidasi input?

Validasi untuk integritas data
Mencegah error di aplikasi
Terintegrasi dengan Pydantic
Menyediakan alat kuat untuk validasi data

Logo Pydantic

Pydantic untuk fungsi pradefinisi

Validasi field menggunakan pydantic

Validasi kustom dengan pydantic

Validasi kustom menggunakan pydantic

Pelaporan error yang baik

Pelaporan error saat validasi

Validator field Pydantic

Endpoint pendaftaran pengguna
Memvalidasi nama pengguna yang dimasukkan:

from pydantic import BaseModel, Field

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

Menambahkan validator kustom

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

Validator kustom dalam praktik

Permintaan valid:

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

Pengguna valid: username='john_doe' age=25

Permintaan tidak valid:

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

Kesalahan validasi untuk {'username': 'too_young', 'age': 10}: User must be at least 13

Menggabungkan semuanya

Pelaporan error saat validasi

Validator field untuk username
Validator kustom untuk age
Pesan error jika validasi gagal

Menggabungkan semuanya

@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
    }
}

Ayo berlatih!

Menerapkan AI ke Produksi dengan FastAPI