# FastAPI - Daten-APIs (Data Engineering)

> Routen, Pydantic-Modelle, Abhängigkeiten, Middleware, OpenAPI-Dokumentation, Deployment

- 20 Interview-Fragen
- Mid-Level
- [Interview-Fragen: Data Engineering](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen.md)

## 1. Was ist FastAPI?

**Antwort**

FastAPI ist ein modernes, leistungsstarkes Python-Web-Framework zum Erstellen von APIs. Es verwendet Standard-Python-Type-Hints für die automatische Datenvalidierung und Dokumentationsgenerierung. FastAPI basiert auf Starlette für Web-Funktionalität und Pydantic für die Datenvalidierung und bietet eine Performance, die mit Node.js und Go vergleichbar ist.

## 2. Welcher Decorator sollte verwendet werden, um eine GET-Route in FastAPI zu definieren?

**Antwort**

FastAPI verwendet HTTP-Methoden-Decorators direkt auf der Anwendungsinstanz. Der Decorator @app.get("/path") definiert eine GET-Route. Jede HTTP-Methode hat ihren entsprechenden Decorator: @app.post(), @app.put(), @app.delete() usw. Diese Syntax ist von Flask inspiriert, jedoch um eine automatische Validierung erweitert.

## 3. Welche Rolle spielt Pydantic in FastAPI?

**Antwort**

Pydantic ist die von FastAPI verwendete Datenvalidierungsbibliothek. Sie ermöglicht das Definieren von Datenmodellen mit Python-Typen und validiert automatisch eingehende Daten. Pydantic generiert auch das JSON-Schema für die OpenAPI-Dokumentation und liefert detaillierte Fehlermeldungen bei ungültigen Daten.

## 17 weitere Fragen verfügbar

- Wie definiert man einen Path-Parameter in einer FastAPI-Route?
- Wie unterscheidet FastAPI einen Query-Parameter von einem Path-Parameter?

Kostenlos registrieren: https://sharpskill.dev/de/login

## Weitere Data Engineering-Interviewthemen

- [Linux & Shell - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/linux-shell-basics.md): 20 Fragen, Junior
- [Git & GitHub - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/git-github-fundamentals.md): 20 Fragen, Junior
- [Fortgeschrittenes Python für Data Engineering](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/python-advanced-de.md): 25 Fragen, Junior
- [Docker - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/docker-fundamentals.md): 25 Fragen, Junior
- [Google Cloud Platform - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/gcp-fundamentals.md): 20 Fragen, Junior
- [CI/CD und Codequalität](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/ci-cd-code-quality.md): 20 Fragen, Mid-Level
- [Docker Compose](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/docker-compose.md): 20 Fragen, Mid-Level
- [Fortgeschrittenes SQL für Data Engineering](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/sql-advanced-de.md): 20 Fragen, Mid-Level
- [Data Lake - Architektur und Ingestion](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/data-lake.md): 20 Fragen, Mid-Level
- [BigQuery für Data Engineering](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/bigquery-de.md): 20 Fragen, Mid-Level
- [PostgreSQL - Administration](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/postgresql-admin.md): 20 Fragen, Mid-Level
- [Data Modeling für Data Engineering](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/data-modeling-de.md): 20 Fragen, Mid-Level
- [Fivetran & Airbyte - Daten-Ingestion](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/fivetran-airbyte.md): 20 Fragen, Mid-Level
- [dbt - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/dbt-fundamentals-de.md): 20 Fragen, Mid-Level
- [Apache Airflow - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/airflow-fundamentals.md): 20 Fragen, Mid-Level
- [Kubernetes - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/kubernetes-fundamentals.md): 20 Fragen, Mid-Level
- [dbt - Erweiterte Funktionen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/dbt-advanced-de.md): 20 Fragen, Senior
- [ETL- / ELT- / ETLT-Patterns](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/etl-elt-patterns.md): 20 Fragen, Senior
- [Apache Airflow - Fortgeschritten](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/airflow-advanced.md): 20 Fragen, Senior
- [Airflow + dbt - Pipeline-Orchestrierung](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/airflow-dbt-integration.md): 20 Fragen, Senior
- [PySpark - Verarbeitung im großen Maßstab](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/pyspark.md): 20 Fragen, Senior
- [Google Pub/Sub - Daten-Streaming](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/pubsub-streaming.md): 20 Fragen, Senior
- [Apache Beam & Dataflow](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/apache-beam-dataflow.md): 20 Fragen, Senior
- [Kubernetes - Produktion und Skalierung](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/kubernetes-advanced.md): 20 Fragen, Senior
- [Terraform - Infrastructure as Code](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/terraform.md): 20 Fragen, Senior
- [NoSQL-Datenbanken](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/nosql-databases.md): 20 Fragen, Senior
- [Moderne Data Architecture](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/data-architecture.md): 20 Fragen, Senior
- [Monitoring und Observability](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/monitoring-observability.md): 20 Fragen, Senior
- [IAM und Datensicherheit](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/iam-security-de.md): 20 Fragen, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/fastapi