Модели запроса и ответа

Развёртывание ИИ в производственной среде с помощью FastAPI

Matt Eckerle

Software and Data Engineering Leader

Структуры запроса и ответа в API

Структура запроса
  • Данные, отправляемые клиентом в API
  • Обычно включает:
    • HTTP-метод (GET, POST и др.)
    • Заголовки
    • Параметры запроса
    • Тело запроса

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

  • :8000: номер порта. FastAPI по умолчанию использует порт 8000.
  • /users/: путь к конкретному эндпоинту.
  • ?: начало строки параметров запроса.
  • `[email protected]`: параметр запроса — в данном случае передаётся адрес электронной почты.
Развёртывание ИИ в производственной среде с помощью FastAPI

Структура ответа

  • Данные, возвращаемые API клиенту
    • JSON-ответ с информацией о пользователе
  • Обычно включает:
    • Код состояния (200 OK, 404 Not Found и др.)
    • Заголовки
    • Тело ответа (запрошенные данные или результат операции)
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
}
Развёртывание ИИ в производственной среде с помощью FastAPI

Модель Pydantic

  • Создание модели User
  • Использование Pydantic
from pydantic import BaseModel
class User(BaseModel):
    username: str
    email: str
    age: int
  • Наследуется от BaseModel
  • Определяет атрибуты с аннотациями типов
  • Автоматическая валидация на основе типов
Развёртывание ИИ в производственной среде с помощью FastAPI

Ошибка валидации

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]
Развёртывание ИИ в производственной среде с помощью FastAPI

Использование моделей Pydantic в 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
  • Модель используется как response_model
  • Модель используется как подсказка типа параметра
  • Автоматическая валидация запроса
  • Сериализация/десериализация запроса и ответа
  • Генерация документации API
Развёртывание ИИ в производственной среде с помощью FastAPI

Форматы запроса и ответа

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
}
Развёртывание ИИ в производственной среде с помощью FastAPI

Давайте потренируемся!

Развёртывание ИИ в производственной среде с помощью FastAPI

Preparing Video For Download...