При разработке приложений с FastAPI обеспечение надежности взаимодействия с базой данных имеет решающее значение. В этом руководстве рассматриваются различные методы тестирования функциональности базы данных в приложениях FastAPI, предоставляя ценные сведения и передовые методы для улучшения вашего подхода к тестированию.

FastAPI - это известный и любимый (почти 70 тысяч звезд на GitHub) современный, быстрый, асинхронный веб-фреймворк для создания API на Python. Он создан для простоты использования и высокой производительности, но при этом надежен и готов к производству.

Моей команде очень понравился процесс разработки приложений с помощью FastAPI, и она нашла в нем полезный опыт обучения. Однако один из моментов оказался немного сложным: когда дело дошло до тестирования производительности, мы столкнулись с неожиданно низкими значениями запросов в секунду (RPS), что побудило нас к более глубокому исследованию, которое, в свою очередь, привело нас к более подробному изучению FastAPI Middlewares.

В этой статье мы рассмотрим Python и FastAPI, объединив персистентность с MongoDB. Также мы посмотрим, как использовать MongoDB с Docker.

Первый шаг в настройке MongoDB с помощью Docker включает проверку работоспособности Docker в вашей системе. Убедившись, что Docker активен, вы можете двигаться дальше, создав контейнер базы данных MongoDB. Для этого выполните следующую команду в своем терминале:

Генеративный предварительно обученный трансформатор (Generative Pre-Trained Transformer, GPT) - это разновидность большой языковой модели (Large Language Model, LLM), которая в этом году стала горячей темой в мире технологий, и многие компании спешат добавить эту технологию в свои продукты. Создание и обучение этих больших моделей может быть очень сложным, трудоемким и дорогостоящим процессом. Вы можете подумать, что вы не сможете использовать эту технологию, поскольку она настолько сложна и дорога, но такие компании, как OpenAI, проделали огромную работу по созданию полезных моделей и создали платформы, предоставляющие API для их использования. Если вы когда-нибудь использовали API, в котором вы отправляете некоторые данные, он выполняет некую магию за кулисами, и вы получаете некоторые данные, которые можно использовать в ответе, то вы можете интегрировать эту передовую технологию в свое приложение. Давайте рассмотрим, как можно создать веб-приложение полного стека, позволяющее задавать вопросы OpenAI и получать ответ в потоковом режиме.

В условиях постоянно развивающейся индустрии веб-разработки разработчики находятся в постоянном поиске инструментов и фреймворков, позволяющих создавать мощные и эффективные приложения. FastAPI и HTMX - две такие технологии, которые в сочетании друг с другом дают мощное решение для создания современных и отзывчивых веб-приложений.

В этой статье я покажу, как построить API-детектор токсичных комментариев с помощью FastAPI.

Из приведенного ниже изображения видно, что API отреагировал на текст "trash stuff" с ответом "toxic comment" и степенью токсичности комментария.

Узнайте, как стриминговая компания заново изобретает свой API с помощью скорости и гибкости FastAPI.

В бурлящем мире цифрового потокового вещания восходящая звезда Streamfinity* стремилась оставить свой след благодаря обширной библиотеке фильмов, исключительному сервису и ультрасовременному предложению по управлению цифровыми правами (DRM).

FastAPI - это высокопроизводительный фреймворк для создания веб-API с помощью Python. Его простой и интуитивно понятный характер позволяет легко и быстро разрабатывать надежные веб-API, используя очень мало шаблонного кода. В этой статье мы расскажем о FastAPI и о том, как настроить с его помощью сервер GraphQL.

Из официальной документации, создания веб - приложений с FastAPI сокращает около 40 процентов индуцированных ошибок разработчика, и это стало возможным благодаря использованию объявлений типа Python 3.6. Благодаря всем его функциям, включая автоматическое создание интерактивной документации API, создание веб-приложений с помощью Python никогда не было таким простым.

Мы живем в мире после Python 2, поскольку большинство компаний адаптировалось к Python 3. Язык становится более зрелым. В последнее время Python перенимает интересные вещи из других языков. Несколько примеров - это подсказки по типам и синтаксис async/await.

Недавно я разместил ряд готовых приложений для обработки данных в виде веб-служб Restful с использованием веб-инфраструктуры FastAPI.

Я обнаружил, что FastAPI стабилен и прост в использовании, и по этим причинам я решил написать статью о библиотеке FastAPI, описывающую шаги, которые мы можем выполнить, чтобы разместить приложение для обработки данных.