Question 1

Wat is FastAPI?

Accepted Answer

FastAPI is een modern, hoogperformant Python-webframework voor het bouwen van API's. Het gebruikt standaard Python-type-hints voor automatische datavalidatie en documentatiegeneratie. FastAPI is gebouwd op Starlette voor webfunctionaliteit en Pydantic voor datavalidatie en biedt prestaties die vergelijkbaar zijn met Node.js en Go.

Question 2

Welke decorator moet worden gebruikt om een GET-route in FastAPI te definiëren?

Accepted Answer

FastAPI gebruikt HTTP-methode-decorators rechtstreeks op de applicatie-instantie. De @app.get("/path")-decorator definieert een GET-route. Elke HTTP-methode heeft zijn corresponderende decorator: @app.post(), @app.put(), @app.delete(), enz. Deze syntax is geïnspireerd door Flask maar met toegevoegde automatische validatie.

Question 3

Wat is de rol van Pydantic in FastAPI?

Accepted Answer

Pydantic is de datavalidatiebibliotheek die door FastAPI wordt gebruikt. Het maakt het mogelijk om datamodellen met Python-types te definiëren en valideert automatisch binnenkomende data. Pydantic genereert ook het JSON-schema voor de OpenAPI-documentatie en biedt gedetailleerde foutmeldingen wanneer data ongeldig is.

FastAPI - Data-API's

Wat is FastAPI?

Antwoord

Welke decorator moet worden gebruikt om een GET-route in FastAPI te definiëren?

Antwoord

Wat is de rol van Pydantic in FastAPI?

Antwoord

Hoe definieer je een path-parameter in een FastAPI-route?

Hoe onderscheidt FastAPI een query-parameter van een path-parameter?

Andere Data Engineering-sollicitatieonderwerpen

Linux & Shell - Grondbeginselen

Git & GitHub - Grondbeginselen

Geavanceerde Python voor Data Engineering

Docker - Basisbeginselen

Google Cloud Platform - Fundamenten

CI/CD en codekwaliteit

Docker Compose

Geavanceerde SQL voor Data Engineering

Data Lake - Architectuur en ingestie

BigQuery voor Data Engineering

PostgreSQL - Administratie

Data Modeling voor Data Engineering

Fivetran & Airbyte - Data-ingestie

dbt - Grondbeginselen

Apache Airflow - Grondbeginselen

Kubernetes - Fundamenten

dbt - Geavanceerde functies

ETL- / ELT- / ETLT-patronen

Apache Airflow - Gevorderd

Airflow + dbt - Pipeline-orkestratie

PySpark - Grootschalige verwerking

Google Pub/Sub - Datastreaming

Apache Beam & Dataflow

Kubernetes - Productie en scaling

Terraform - Infrastructure as Code

NoSQL-databases

Moderne Data Architecture

Monitoring en observability

IAM en gegevensbeveiliging

Beheers Data Engineering voor je volgende gesprek