Modele żądania i odpowiedzi

Wdrażanie AI na produkcję z FastAPI

Matt Eckerle

Software and Data Engineering Leader

Struktury żądania i odpowiedzi w API

Struktura żądania
  • Dane wysyłane przez klienta do API
  • Zazwyczaj zawiera:
    • Metodę HTTP (GET, POST itd.)
    • Nagłówki
    • Parametry zapytania
    • Ciało żądania

http://localhost:8000/users/? [email protected]

  • :8000: Numer portu. FastAPI domyślnie używa portu 8000.
  • /users/: Ścieżka do konkretnego endpointu.
  • ?: Oznacza początek parametrów zapytania.
  • `[email protected]`: Parametr zapytania — adres e-mail przekazywany do endpointu.
Wdrażanie AI na produkcję z FastAPI

Struktura odpowiedzi

  • Dane odesłane przez API do klienta
    • Odpowiedź JSON z informacjami o użytkowniku
  • Zazwyczaj zawiera:
    • Kod statusu (200 OK, 404 Not Found itd.)
    • Nagłówki
    • Ciało odpowiedzi (żądane dane lub wynik operacji)
HTTP/1.1 200 OK
date: Fri, 18 Oct 2024 12:34:56 GMT
server: uvicorn
content-length: 76
content-type: application/json

{
  "username": "johndoe",
  "email": "[email protected]",
  "age": 30
}
Wdrażanie AI na produkcję z FastAPI

Model Pydantic

  • Tworzenie User
  • Użycie Pydantic
from pydantic import BaseModel
class User(BaseModel):
    username: str
    email: str
    age: int
  • Dziedziczy po BaseModel
  • Definiuje atrybuty z adnotacjami typów
  • Automatyczna walidacja na podstawie typów
Wdrażanie AI na produkcję z FastAPI

Błąd walidacji

from pydantic import ValidationError
try:
    invalid_user = User(username="john_doe", email="[email protected]", 
                        age="thirty")
    print("Invalid User:", invalid_user)
except ValidationError as e:
    print("Validation Error:", e)
Validation Error: 1 validation error for User age
Input should be a valid integer, unable to parse string as an integer 
[type=int_parsing, input_value='thirty', input_type=str]
Wdrażanie AI na produkcję z FastAPI

Modele Pydantic w FastAPI

from fastapi import FastAPI
from pydantic import BaseModel
app = FastAPI()

class User(BaseModel): username: str email: str age: int
@app.post("/users", response_model=User)
async def create_user(user: User): return user
  • Model używany jako response_model
  • Model używany jako typ parametru
  • Automatyczna walidacja żądań
  • Serializacja/deserializacja żądań i odpowiedzi
  • Generowanie dokumentacji API
Wdrażanie AI na produkcję z FastAPI

Formaty żądania i odpowiedzi

curl -X 'POST' \
  'http://localhost:8000/users/' \
  -H 'accept: application/json' \
  -H 'Content-Type: application/json' \
  -d '{
  "username": "john_doe",
  "email": "[email protected]",
  "age": 30
  }'

 

{
  "username": "john_doe",
  "email": "[email protected]",
  "age": 30
}
Wdrażanie AI na produkcję z FastAPI

Czas na ćwiczenia!

Wdrażanie AI na produkcję z FastAPI

Preparing Video For Download...