FastAPI - API per dati
Rotte, modelli Pydantic, dipendenze, middleware, documentazione OpenAPI, deployment
1Cos'è FastAPI?
Cos'è FastAPI?
Risposta
FastAPI è un framework web Python moderno e ad alte prestazioni per la creazione di API. Utilizza i type hint standard di Python per la validazione automatica dei dati e la generazione della documentazione. FastAPI è costruito su Starlette per le funzionalità web e Pydantic per la validazione dei dati, offrendo prestazioni paragonabili a Node.js e Go.
2Quale decoratore deve essere usato per definire una rotta GET in FastAPI?
Quale decoratore deve essere usato per definire una rotta GET in FastAPI?
Risposta
FastAPI utilizza i decoratori dei metodi HTTP direttamente sull'istanza dell'applicazione. Il decoratore @app.get("/path") definisce una rotta GET. Ogni metodo HTTP ha il suo decoratore corrispondente: @app.post(), @app.put(), @app.delete(), ecc. Questa sintassi è ispirata a Flask ma con l'aggiunta della validazione automatica.
3Qual è il ruolo di Pydantic in FastAPI?
Qual è il ruolo di Pydantic in FastAPI?
Risposta
Pydantic è la libreria di validazione dei dati utilizzata da FastAPI. Permette di definire modelli di dati con tipi Python e valida automaticamente i dati in entrata. Pydantic genera anche lo schema JSON per la documentazione OpenAPI e fornisce messaggi di errore dettagliati quando i dati non sono validi.
Come definire un path parameter in una rotta FastAPI?
Come FastAPI distingue un query parameter da un path parameter?
+17 domande da colloquio
Altri argomenti di colloquio Data Engineering
Linux & Shell - Fondamenti
Git & GitHub - Fondamenti
Python avanzato per Data Engineering
Docker - Fondamenti
Google Cloud Platform - Fondamenti
CI/CD e qualità del codice
Docker Compose
SQL avanzato per il Data Engineering
Data Lake - Architettura e ingestione
BigQuery per il Data Engineering
PostgreSQL - Amministrazione
Data Modeling per Data Engineering
Fivetran & Airbyte - Ingestione dati
dbt - Fondamenti
Apache Airflow - Fondamenti
Kubernetes - Fondamenti
dbt - Funzionalità avanzate
Pattern ETL / ELT / ETLT
Apache Airflow - Avanzato
Airflow + dbt - Orchestrazione delle pipeline
PySpark - Elaborazione su larga scala
Google Pub/Sub - Streaming di dati
Apache Beam & Dataflow
Kubernetes - Produzione e scaling
Terraform - Infrastructure as Code
Database NoSQL
Data Architecture moderna
Monitoraggio e osservabilità
IAM e sicurezza dei dati
Padroneggia Data Engineering per il tuo prossimo colloquio
Accedi a tutte le domande, flashcards, test tecnici, esercizi di code review e simulatori di colloquio.
Inizia gratis