FastAPI - APIs de datos
Rutas, modelos Pydantic, dependencias, middleware, documentación OpenAPI, despliegue
1¿Qué es FastAPI?
¿Qué es FastAPI?
Respuesta
FastAPI es un framework web de Python moderno y de alto rendimiento para construir APIs. Utiliza los type hints estándar de Python para la validación automática de datos y la generación de documentación. FastAPI está basado en Starlette para los aspectos web y Pydantic para la validación de datos, ofreciendo un rendimiento comparable al de Node.js y Go.
2¿Qué decorador se debe usar para definir una ruta GET en FastAPI?
¿Qué decorador se debe usar para definir una ruta GET en FastAPI?
Respuesta
FastAPI utiliza decoradores de métodos HTTP directamente sobre la instancia de la aplicación. El decorador @app.get("/path") define una ruta GET. Cada método HTTP tiene su decorador correspondiente: @app.post(), @app.put(), @app.delete(), etc. Esta sintaxis está inspirada en Flask pero con validación automática añadida.
3¿Cuál es el papel de Pydantic en FastAPI?
¿Cuál es el papel de Pydantic en FastAPI?
Respuesta
Pydantic es la biblioteca de validación de datos utilizada por FastAPI. Permite definir modelos de datos con tipos de Python y valida automáticamente los datos entrantes. Pydantic también genera el esquema JSON para la documentación OpenAPI y proporciona mensajes de error detallados cuando los datos son inválidos.
¿Cómo definir un path parameter en una ruta de FastAPI?
¿Cómo distingue FastAPI un query parameter de un path parameter?
+17 preguntas de entrevista
Otros temas de entrevista Data Engineering
Linux & Shell - Fundamentos
Git & GitHub - Fundamentos
Python avanzado para Data Engineering
Docker - Fundamentos
Google Cloud Platform - Fundamentos
CI/CD y calidad de código
Docker Compose
SQL avanzado para Data Engineering
Data Lake - Arquitectura e ingesta
BigQuery para Data Engineering
PostgreSQL - Administración
Data Modeling para Data Engineering
Fivetran & Airbyte - Ingesta de datos
dbt - Fundamentos
Apache Airflow - Fundamentos
Kubernetes - Fundamentos
dbt - Funcionalidades avanzadas
Patrones ETL / ELT / ETLT
Apache Airflow - Avanzado
Airflow + dbt - Orquestación de pipelines
PySpark - Procesamiento a gran escala
Google Pub/Sub - Streaming de datos
Apache Beam & Dataflow
Kubernetes - Producción y escalado
Terraform - Infrastructure as Code
Bases de datos NoSQL
Arquitectura Data moderna
Monitoreo y observabilidad
IAM y seguridad de datos
Domina Data Engineering para tu próxima entrevista
Accede a todas las preguntas, flashcards, tests técnicos, ejercicios de code review y simuladores de entrevista.
Empieza gratis