FastAPI 的输入验证

使用 FastAPI 在生产环境中部署 AI

Matt Eckerle

Software and Data Engineering Leader

验证输入数据

展示使用 FastAPI 进行机器学习预测的流程图

为何要验证输入？

确保数据完整性
预防应用错误
与 Pydantic 集成
提供强大的数据验证工具

Pydantic 标志

Pydantic 的预定义验证

使用 pydantic 进行字段验证

Pydantic 的自定义验证

使用 pydantic 进行自定义验证

优雅的错误报告

验证期间的错误报告

Pydantic 字段验证器

用户注册端点
校验用户输入的用户名：

from pydantic import BaseModel, Field

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

添加自定义验证器

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

自定义验证器实战

有效请求：

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

有效用户: username='john_doe' age=25

无效请求：

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

验证错误 {'username': 'too_young', 'age': 10}: 用户至少需年满 13 岁

综合示例

验证期间的错误报告

用户名的字段验证器
年龄的自定义验证器
验证失败时的错误信息

综合示例

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

输出：

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

Passons à la pratique !

使用 FastAPI 在生产环境中部署 AI