การตรวจสอบ Input ใน FastAPI

การ Deploy AI สู่ Production ด้วย FastAPI

Matt Eckerle

Software and Data Engineering Leader

การตรวจสอบข้อมูล Input

Flowchart แสดงการทำนายด้วย ML ผ่าน FastAPI

ทำไมต้องตรวจสอบ Input?

ตรวจสอบความถูกต้องของข้อมูล
ป้องกันข้อผิดพลาดในแอปพลิเคชัน
ทำงานร่วมกับ Pydantic
มีเครื่องมือตรวจสอบข้อมูลที่ทรงพลัง

โลโก้ของ Pydantic

Pydantic สำหรับฟังก์ชันที่กำหนดไว้ล่วงหน้า

การตรวจสอบ Field ด้วย Pydantic

การตรวจสอบแบบกำหนดเองด้วย Pydantic

การรายงานข้อผิดพลาดอย่างเหมาะสม

การรายงานข้อผิดพลาดระหว่างการตรวจสอบ

Field Validators ของ Pydantic

Endpoint สำหรับลงทะเบียนผู้ใช้
ตรวจสอบชื่อผู้ใช้ที่กรอกเข้ามา:

from pydantic import BaseModel, Field

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

การเพิ่ม Custom Validators

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

Custom Validators ในการใช้งานจริง

คำขอที่ถูกต้อง:

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

Valid user: username='john_doe' age=25

คำขอที่ไม่ถูกต้อง:

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

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

รวมทุกอย่างเข้าด้วยกัน

การรายงานข้อผิดพลาดระหว่างการตรวจสอบ

Field validator สำหรับ username
Custom validator สำหรับอายุ
ข้อความแจ้งข้อผิดพลาดเมื่อตรวจสอบไม่ผ่าน

รวมทุกอย่างเข้าด้วยกัน

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

ผลลัพธ์:

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

มาฝึกกันเถอะ!

การ Deploy AI สู่ Production ด้วย FastAPI