面向 AI 的 GET 与 POST 请求

使用 FastAPI 在生产环境中部署 AI

Matt Eckerle

Software and Data Engineering Leader

授课讲师

Matt Eckerle

软件与数据工程负责人
Inari 企业数据经理
自 2019 年起使用 FastAPI 进行机器学习

课程概览

FastAPI 基础
请求处理与集成
输入校验与安全
构建并维护生产级 API

FastAPI 标志

开始之前

✓ 基础 Python：函数、类、模块、数据结构

Python 标志

开始之前

✓ 基础 Python：函数、类、模块、数据结构

✓ HTTP 与 REST API 概念

Python 和 http 标志

开始之前

✓ 基础 Python：函数、类、模块、数据结构

✓ HTTP 与 REST API 概念

✓ 使用 FastAPI 框架

处理 GET 和 POST 请求
使用 Pydantic 模型

✓ 机器学习基础

Python、http 和 FastAPI 标志

GET 请求详解

用于获取数据
路径参数：出现在 URL 中
不改变服务器状态

GET https://example.com/?item_id=1

理解 GET 请求的示意图

用路径参数实现 GET

from fastapi import FastAPI

app = FastAPI()

@app.get("/item/{item_id}")
async def read_item(item_id: int):
    return {"item_id": item_id}

`@app.get` 装饰器定义端点。
{item_id} 为路径参数。
类型提示（int）用于自动校验。

POST 请求详解

向服务器发送数据
数据在请求体中（通常为 JSON）
可能改变服务器状态

一份餐厅点单

POST https://example.com

理解 POST 请求的示意图

用 JSON 数据实现 POST

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()
db = {}

class Item(BaseModel):
    name: str
    price: float

@app.post("/items", status_code=201)

def create_item(item: Item):
      db[item.name] = item.model_dump()
    return {"message": 
            f"Created {item.name}"}

Pydantic 模型定义数据结构
@app.post 用于 POST 端点
自动 JSON 解析与校验

HTTP 状态码

200 OK：成功（默认）
404 Not Found：资源不存在
201 Created：对象已创建

HTTP 200 状态码表示请求成功

抛出 HTTP 异常

from fastapi import FastAPI, HTTPException
app = FastAPI()

@app.get("/item/{item_id}")
async def read_item(item_id: int):
    if item_id == 4242: #An invalid order number
        raise HTTPException(status_code=404, detail="Item not found")
    return {"item_id": item_id}

@app.post("/items")
async def create_item(item: Item):
    # Simulating item creation
    return {"message": f"Created {item.name}"}, 201

Vamos praticar!

使用 FastAPI 在生产环境中部署 AI