Xác thực đầu vào trong FastAPI

Triển khai AI vào môi trường sản xuất với FastAPI

Matt Eckerle

Software and Data Engineering Leader

Xác thực dữ liệu đầu vào

Lưu đồ dự đoán ML với FastAPI

Vì sao cần xác thực đầu vào?

Xác thực để đảm bảo toàn vẹn dữ liệu
Ngăn lỗi trong ứng dụng
Tích hợp với Pydantic
Cung cấp công cụ mạnh để xác thực dữ liệu

Logo của Pydantic

Pydantic cho hàm dựng sẵn

Xác thực trường với pydantic

Xác thực tùy chỉnh với pydantic

Báo lỗi rõ ràng

Báo lỗi trong quá trình xác thực

Bộ xác thực trường trong Pydantic

Endpoint đăng ký người dùng
Xác thực tên người dùng do người dùng nhập:

from pydantic import BaseModel, Field

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

Thêm bộ xác thực tùy chỉnh

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

Bộ xác thực tùy chỉnh hoạt động

Yêu cầu hợp lệ:

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

Người dùng hợp lệ: username='john_doe' age=25

Yêu cầu không hợp lệ:

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

Lỗi xác thực cho {'username': 'too_young', 'age': 10}: User must be at least 13

Tổng hợp mọi thứ

Báo lỗi trong quá trình xác thực

Bộ xác thực trường cho username
Bộ xác thực tùy chỉnh cho age
Thông báo lỗi nếu xác thực thất bại

Tổng hợp mọi thứ

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

Đầu ra:

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

Cùng luyện tập nào!

Triển khai AI vào môi trường sản xuất với FastAPI