So verwenden Sie das FastAPI-Framework zum Erstellen leistungsstarker Daten-APIs

So verwenden Sie das FastAPI-Framework, um eine Hochleistungs-Daten-API zu erstellen

Einführung:
Im heutigen Internetzeitalter ist der Aufbau einer Hochleistungs-Daten-API der Schlüssel zu schneller Reaktion und Skalierbarkeit. Das FastAPI-Framework ist ein leistungsstarkes Web-Framework in Python, das Entwicklern hilft, schnell hochwertige APIs zu erstellen. Dieser Artikel soll den Lesern helfen, die grundlegenden Konzepte des FastAPI-Frameworks zu verstehen, und Beispielcode bereitstellen, der den Lesern dabei hilft, schnell leistungsstarke Daten-APIs zu erstellen.

1. Einführung in das FastAPI-Framework
FastAPI ist ein leistungsstarkes Web-Framework, das auf dem Starlette-Framework basiert. Es kombiniert die neueste Technologie von Python3.6+ und nutzt erweiterte Funktionen wie Typhinweise und asynchrone Unterstützung. FastAPI bietet erhebliche Vorteile in Bezug auf Leistung und Benutzerfreundlichkeit und wird häufig zum Erstellen leistungsstarker Daten-APIs verwendet.

2. Installieren Sie das FastAPI-Framework
Bevor wir beginnen, müssen wir das FastAPI-Framework installieren. Öffnen Sie ein Terminalfenster und führen Sie den folgenden Befehl aus:

$ pip install fastapi
$ pip install uvicorn

Der obige Befehl installiert das FastAPI-Framework und seinen abhängigen Uvicorn-Server.

3. Erstellen Sie die erste FastAPI-Anwendung. Das folgende Beispiel zeigt, wie Sie eine einfache Daten-API über das FastAPI-Framework erstellen. Wir werden eine API für Studenteninformationen erstellen, einschließlich des Abrufens einer Studentenliste, des Abrufens individueller Studenteninformationen und des Hinzufügens neuer Studenten. Erstellen Sie im Terminalfenster eine Python-Datei mit dem Namen main.py und schreiben Sie den folgenden Code:

from fastapi import FastAPI
from pydantic import BaseModel

class Student(BaseModel):
    id: int
    name: str
    age: int

app = FastAPI()

students = []

@app.get("/students")
async def get_students():
    return students

@app.get("/students/{student_id}")
async def get_student(student_id: int):
    for student in students:
        if student["id"] == student_id:
            return student
    return {"message": "Student not found"}

@app.post("/students")
async def create_student(student: Student):
    students.append(student)
    return student

Im obigen Code haben wir zuerst die Module FastAPI und pydantic vorgestellt. Anschließend wird eine Klasse namens Student definiert, die von BaseModel erbt und zum Definieren der Datenstruktur des Studenten verwendet wird. Als Nächstes erstellen wir eine FastAPI-Anwendungsinstanz und initialisieren eine leere Schülerliste.

In der Funktion get_students() wird mithilfe des @app.get-Dekorators ein HTTP-GET-Anforderungshandler definiert, der zum Abrufen der Studentenliste verwendet wird. Verwenden Sie den @app.get-Dekorator, um dem FastAPI-Framework die HTTP-Anforderungsmethode mitzuteilen, die der Funktion entspricht.

In ähnlicher Weise verwenden wir auch den @app.get-Dekorator, um die Funktion get_student() zu definieren, mit der die Informationen eines einzelnen Schülers abgerufen werden. In dieser Funktion suchen wir anhand des eingegebenen Studierendenausweises und geben die entsprechenden Studierendeninformationen zurück.

Schließlich definieren wir die Funktion create_student() über den @app.post-Decorator, der zum Hinzufügen neuer Studenteninformationen verwendet wird. In dieser Funktion fügen wir das empfangene Studentenobjekt zur Studentenliste hinzu.

4. Führen Sie die FastAPI-Anwendung aus.

Führen Sie den folgenden Befehl im Terminalfenster aus, um die FastAPI-Anwendung zu starten:

$ uvicorn main:app --reload

Der obige Befehl startet einen Uvicorn-Server und überwacht den lokalen Port 8000. Nach erfolgreichem Start können Sie in einem Browser oder HTTP-Client auf http://localhost:8000/students zugreifen, um die Funktionalität der API-Schnittstelle zu testen.

Fazit:

Durch die Einleitung dieses Artikels haben wir die grundlegenden Konzepte und die Verwendung des FastAPI-Frameworks verstanden und anhand eines einfachen Beispiels gelernt, wie man eine leistungsstarke Daten-API erstellt. Die Verwendung des FastAPI-Frameworks kann Entwicklern dabei helfen, schnell leistungsstarke Daten-APIs zu erstellen, und bietet viele praktische Features und Funktionen. Ich hoffe, dass dieser Artikel den Lesern helfen kann, das FastAPI-Framework zu verstehen und zu verwenden.

Das obige ist der detaillierte Inhalt vonSo verwenden Sie das FastAPI-Framework zum Erstellen leistungsstarker Daten-APIs. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!