Giters

raccoonyy / fastapi-tutorial-at-pycon

파이콘 2023 FastAPI 튜토리얼에 사용하는 코드

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

접속 주소: https://bit.ly/pycon-2023-fastapi

1. FastAPI 기초 핸즈온

  • 첫 시간에는 FastAPI에 대해 기초적인 내용을 살펴보고 간단한 API 엔드포인트를 만들어 봅니다.
  • 첫 시간이 끝나면 간단한 FastAPI 프로젝트를 구성할 수 있을 겁니다.

FastAPI 개요와 기본 구성 요소

  • FastAPI는 Pydantic과 Starlette, Uvicorn을 기반으로 만들어진 웹 프레임워크

  • Uvicorn이 요청을 받으면
  • Starlette이 라우팅을 처리하고
  • Pydantic이 데이터를 검증

파이썬 버전 확인

$ python --version
Python 3.11.0

(파이썬 3.10보다 낮은 버전이라면 3.10 이상 버전을 설치해주세요.)

Poetry(의존성 라이브러리를 관리하는 도구) 설치

$ pip install poetry
$ poetry --version
Poetry (version 1.5.1)

(Poetry도 최신 버전이 좋겠어요.)

$ git clone ...
$ cd fastapi-tutorial-at-pyconkr-2023
  • 의존성 설치
$ poetry install
...

FastAPI 프로젝트 구조 및 파일 구성

$ tree
.
├── api
│   └── api.py
├── poetry.lock
├── poetry.toml
└── pyproject.toml

간단한 API 엔드포인트 만들기

api/api.py 파일 작성

# api/api.py
from fastapi import FastAPI

app = FastAPI()


@app.get("/hello")
def hello() -> dict:
    return {"message": "Hello World"}

FastAPI 서버 실행하기

$ poetry run uvicorn api.api:app --reload
  • 브라우저에서 http://localhost:8000/hello 확인하기
  • api.api:app은 api/api.py 파일에 있는 app 객체를 실행한다는 의미입니다.
  • --reload 옵션이 있으면 코드가 변경될 때 자동으로 서버를 재시작해줍니다.
{"message": "Hello World"}

쿼리 파라미터 받아서 응답하기

api/api.py 파일에 내용 추가

@app.get("/add")
def add(x, y):
    return {"result": x + y}

이제 FastAPI 서버를 실행하고,

$ poetry run uvicorn api.api:app --reload
{"result": 12}

실습: result 고치기

(FastAPI를 모르는 경우를 가정하고) 파이썬에서 문자열을 숫자로 형변환하는 방법을 사용해보세요.

답 
@app.get("/add")
def add(x, y):
    return {"result": int(x) + int(y)}

실습: multiply API 만들어보기

아래 코드의 ... 부분을 채워서 multiply API를 완성하기

@app.get("/multiply")
def multiply(...):
    return {"result": ...}
답 
@app.get("/multiply")
def multiply(x, y):
    return {"result": int(x) * int(y)}

경로 파라미터 받아서 응답하기

api/api.py 파일 수정하기

# @app.get("/hello") 부분을 아래처럼 수정
@app.get("/hello/{name}")
def hello(name):
    return {"message": f"Hello {name}"}
{"message": "Hello pycon"}

실습: multiply API가 경로 파라미터를 받도록 바꿔보기

답 
@app.get("/multiply/{x}/{y}")
def multiply(x, y):
    return {"result": int(x) * int(y)}

OpenAPI(Swagger) 문서 확인하기

FastAPI가 자동으로 만들어주는 문서 http://localhost:8000/docs

데모: OpenAPI 문서로 Client용 TypeScript 코드 생성하기

  • https://editor.swagger.io/ 에서 openapi.json 파일을 열고
  • Generate Client -> typescript-fetch 선택한 후
  • 다운로드한 파일 중 api.ts 파일을 열어보면...

각 API의 상세 정보를 확인하고, 브라우저에서 직접 실행(Try it out) 해보기

2. FastAPI의 데이터 검증 feat. Pydantic

  • 둘째 시간에는 FastAPI의 데이터 검증 기능을 다룹니다.
  • 둘째 시간이 끝나면 입력 값을 검증하는 API를 만들 수 있을 겁니다.

타입 힌트 추가하기

간단히 알아보는 파이썬의 타입 힌팅

name: str = 'pycon'  # 변수에 타입 힌트 추가 (타입 강제가 아님에 유의!)

some_value: int | str  # int형이나 str형이 될 수 있음을 표시

def hello(name: str = 'default name') -> dict:  # 함수의 인자와 리턴값에 타입 힌트 추가
    return {'result': f'Hello {name}'}

api/api.py 파일의 add, multiply 함수에 타입 힌팅 추가하기

@app.get("/add")
def add(x: int, y: int) -> dict:
    return {"result": x + y}

@app.get("/multiply/{x}/{y}")
def multiply(x: int, y: int) -> dict:
    return {"result": x * y}
  • 형변환 부분을 제거했지만 x와 y를 int 형으로 인식합니다.

FastAPI의 자동화된 오류 코드

  • FastAPI는 파이썬의 타입 힌팅을 기반으로 파라미터의 타입을 검사합니다.

쿼리 파라미터의 타입이 맞지 않을 때

{
  "detail":[
    {
      "type":"int_parsing",
      "loc":["query","y"],
      "msg":"Input should be a valid integer, unable to parse string as an integer",
      "input":"blah",
      "url":"https://errors.pydantic.dev/2.1/v/int_parsing"
    }
  ]
}

패스 파라미터의 타입이 맞지 않을 때

{
  "detail":[
    {
      "type":"int_parsing",
      "loc":["path","y"],
      "msg":"Input should be a valid integer, unable to parse string as an integer",
      "input":"foo",
      "url":"https://errors.pydantic.dev/2.1/v/int_parsing"
    }
  ]
}

Query와 Body 다양하게 사용하기

add API의 y 인자에 기본값 추가하기

@app.get("/add")
def add(x: int, y: int = 10) -> dict:
    return {"result": x + y}
{"result": 11}

hello API에 옵셔널한 인자 추가하기

from typing import Optional

@app.get("/hello/{name}")
def hello(name: str, nickname: str = None) -> dict:
    if nickname:
        return {"message": f"Hello {name} ({nickname})"}

    return {"message": f"Hello {name}"}

생각해보기: nickname의 기본 값을 None으로 설정하지 않고 nickname의 타입을 str | None으로 설정하면 어떨까요?

다음 코드도 직접 실행해보세요!

# nickname의 타입을 str | None으로 설정한 경우
@app.get("/hello/{name}")
def hello(name: str, nickname: str | None) -> dict:
    if nickname:
        return {"message": f"Hello {name} ({nickname})"}
    
    return {"message": f"Hello {name}"}
답 `nickname`의 타입을 `str | None`으로 설정하더라도, FastAPI는 `nickname`의 기본 값을 `None`으로 설정하지 않습니다.

즉, nickname은 반드시 입력해야만 하는 필수 인자가 됩니다.

hello API의 nickname 인자에 복잡한 제한 추가하기

# 파일 상단에 추가
from typing import Annotated
from fastapi import Query

# hello API 수정
@app.get("/hello/{name}")
def hello(
    name: str, 
    nickname: Annotated[str, Query(..., min_length=2, max_length=10)]
) -> dict:
    if nickname:
        return {"message": f"Hello {name} ({nickname})"}

    return {"message": f"Hello {name}"}

실습: add API의 x 인자와 y 인자가 0 이상, 100 미만이도록 수정하기

  • int형 파라미터에 사용할 수 있는 검증 도구
    • ge: 이상
    • gt: 초과
    • le: 이하
    • lt: 미만
답 
@app.get("/add")
def add(
    x: Annotated[int, Query(..., ge=0, lt=100)], 
    y: Annotated[int, Query(..., ge=0, lt=100)]
) -> dict:
    return {"result": x + y}
{
  "detail": [
    {
      "type": "less_than",
      "loc": [
        "query",
        "x"
      ],
      "msg": "Input should be less than 100",
      "input": "100",
      "ctx": {
        "lt": 100
      },
      "url": "https://errors.pydantic.dev/2.1/v/less_than"
    },
    {
      "type": "greater_than_equal",
      "loc": [
        "query",
        "y"
      ],
      "msg": "Input should be greater than or equal to 0",
      "input": "-1",
      "ctx": {
        "ge": 0
      },
      "url": "https://errors.pydantic.dev/2.1/v/greater_than_equal"
    }
  ]
}

3. FastAPI의 데이터 검증 #2 feat. Pydantic의 BaseModel

  • 셋째 시간에는 Pydantic의 BaseModel을 활용한 데이터 검증 기능을 다룹니다.
  • (부록으로 응답 코드와 응답 데이터 형태를 변경하는 방법도 다룹니다.)
  • 셋째 시간이 끝나면 복잡한 입력 값도 검증하는 API를 만들 수 있을 겁니다.

복잡한 요청 검증하기

POST 요청 처리하기

@app.post("/user")
def create_user(name: str, age: int, address: str) -> dict:
    return {"name": name}

파라미터를 json 형태로 입력받아 응답하는 API

from pydantic import BaseModel

class User(BaseModel):
    name: str
    age: int
    address: str

@app.post("/user")
def create_user(user: User) -> dict:
    return {"name": user.name}

실습: 목록형 변수 처리하기

  • create_user API에서 친구 이름(friend_names) 목록을 입력 받고, 입력 받은 친구 이름 목록을 그대로 응답하는 API를 만들어보세요.
답 
class User(BaseModel):
    name: str
    age: int
    address: str
    friend_names: list[str]

@app.post("/user")
def create_user(user: User) -> dict:
    return {
        "name": user.name,
        
    }

응답 코드 변경하기

# @app.post("/user") 부분을 다음과 같이 수정
@app.post("/user", status_code=201)
def create_user(user: User) -> dict:
    ...

파일명(filename)과 ID 목록(ids)을 입력받아 파일로 저장하는 API

class IdSheet(BaseModel):
    filename: str
    ids: list[int]

@app.post("/sheet")
def create_sheet(sheet: IdSheet) -> dict:
    with open(sheet.filename, 'w') as f:
        f.write('id\n')

        for id in sheet.ids:
            f.write(f'{id}\n')

    return {"message": "created"}

filename 길이 제한하기

from pydantic import Field

class IdSheet(BaseModel):
    filename: str = Field(min_length=1, max_length=10)
    ids: list[int]

ids에 제한 추가하기

from pydantic import field_validator

class IdSheet(BaseModel):
    filename: str = Field(min_length=1, max_length=10)
    ids: list[int]

    @field_validator('ids')
    def check_ids(cls, ids):
        for id in ids:
            if id <= 0:
                raise ValueError('id는 0보다 커야 해요')

        return ids
  • ids에 0 이하의 값 넣은 후 요청 보내서 응답 확인하기

실습: ids에서 중복 id 제거하기

답 
class IdSheet(BaseModel):
    # ...

    @validator('ids')
    def check_ids(cls, ids):
        for id in ids:
            if id <= 0:
                raise ValueError('id는 0보다 커야 해요')

        return set(ids)
  • 확인: ids에 중복되는 값 넣은 후 요청 보내고 test.csv 확인해보기

(부록) 응답 데이터 타입 변경하기

class CreateSheetResponse(BaseModel):
    message: str

# @app.post("/sheet") 부분을 다음과 같이 수정
@app.post("/sheet", status_code=201, response_model=CreateSheetResponse)
async def create_sheet(sheet: IdSheet) -> dict:
    ...

4. FastAPI의 비동기 경험하기

  • 넷째 시간에는 FastAPI의 대표적인 특징인 비동기 처리를 다뤄봅니다.
  • 넷째 시간이 끝나면 비동기 요청을 다룰 수 있을 겁니다.

비동기 처리하기

sheet API에 ids 항목이 10억개라면?

동기 방식

비동기 방식

  • 코드가 오래 걸리게 수정하기
# 동기 방식에서 시간이 얼마나 걸리는지 확인해요
import time


@app.post("/sheet", status_code=201, response_model=CreateSheetResponse)
async def create_sheet(sheet: IdSheet) -> dict:  # 앞에 async를 추가했어요!
    start = time.time()
    with open(sheet.filename, 'w') as f:
        f.write('id\n')

        for id in sheet.ids:
            time.sleep(1)
            f.write(f'{id}\n')
    end = time.time() - start
    return {"message": f"created in {end:.2f}s"}
  • ids 항목을 10개 정도 넣어서 요청 보내기

비동기 코드로 수정하기

# 비동기 방식에서 시간이 얼마나 걸리는지 확인해요
import asyncio
import aiofiles


@app.post("/sheet", status_code=201, response_model=CreateSheetResponse)
async def create_sheet(sheet: IdSheet) -> dict:
    start = time.time()
    async with aiofiles.open(sheet.filename, 'w') as f:
        await f.write('id\n')

        for id in sheet.ids:
            asyncio.sleep(1)
            await f.write(f'{id}\n')
    end = time.time() - start
    return {"message": f"created in {end:.2f}s"}
  • 생각해보기: add나 multiply API에서 계산을 오래 한다고 가정해봅시다. 이런 경우에도 비동기로 처리하는 것이 좋을까요? 답을 했다면 왜 그런지도 생각해보세요.
답

  • add나 multiply API에서는 계산 결과를 응답해야 합니다. 계산에 시간이 오래 걸린다고 해서 비동기로 처리한다면 계산 결과가 나오기도 전에 응답이 되어버리겠죠. (응답 값이 없어서 오류가 발생할 테지만요.)

  • 정말로 계산 과정을 비동기로 처리하고 싶다면, 계산 결과를 DB나 파일에 저장하고 응답은 바로 해줄 수 있겠습니다. (이 경우 계산 결과를 읽어 올 수 있는 다른 API가 필요하겠지요.)

FastAPI 자료

About

파이콘 2023 FastAPI 튜토리얼에 사용하는 코드