FastAPI의 입력 유효성 검사

FastAPI로 AI 프로덕션 배포하기

Matt Eckerle

Software and Data Engineering Leader

입력 데이터 유효성 검사

FastAPI ML 예측 흐름도

입력을 유효성 검사하는 이유

데이터 무결성을 위한 유효성 검사
애플리케이션 오류 방지
Pydantic과 통합
강력한 데이터 유효성 검사 도구 제공

Pydantic 로고

사전 정의 함수를 위한 Pydantic

Pydantic을 이용한 필드 유효성 검사

Pydantic을 이용한 커스텀 유효성 검사

명확한 오류 보고

유효성 검사 중 오류 보고

Pydantic 필드 유효성 검사기

사용자 등록 엔드포인트
사용자 입력 username 유효성 검사:

from pydantic import BaseModel, Field

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

커스텀 유효성 검사기 추가

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

커스텀 유효성 검사기 동작 예시

유효한 요청:

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

Valid user: username='john_doe' age=25

유효하지 않은 요청:

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

Validation error for {'username': 'too_young', 'age': 10}: User must be at least 13

전체 흐름 정리

유효성 검사 중 오류 보고

username 필드 유효성 검사기
age 커스텀 유효성 검사기
유효성 검사 실패 시 오류 메시지

전체 흐름 정리

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

출력:

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

연습해 봅시다!

FastAPI로 AI 프로덕션 배포하기