Data Engineering

FastAPI - Data API

Routes, Pydantic models, dependencies, middleware, เอกสาร OpenAPI, การ deploy

20 คำถามสัมภาษณ์·
Mid-Level
1

FastAPI คืออะไร?

คำตอบ

FastAPI เป็น Python web framework ที่ทันสมัยและประสิทธิภาพสูงสำหรับสร้าง API โดยใช้ type hints มาตรฐานของ Python สำหรับการตรวจสอบข้อมูลและสร้างเอกสารอัตโนมัติ FastAPI สร้างบน Starlette สำหรับฟังก์ชันเว็บและ Pydantic สำหรับการตรวจสอบข้อมูล มอบประสิทธิภาพเทียบเท่ากับ Node.js และ Go

2

ควรใช้ decorator ใดในการกำหนด GET route ใน FastAPI?

คำตอบ

FastAPI ใช้ decorators ของ HTTP method โดยตรงบน instance ของแอปพลิเคชัน Decorator @app.get("/path") กำหนด GET route แต่ละ HTTP method มี decorator ที่สอดคล้องกัน: @app.post(), @app.put(), @app.delete() เป็นต้น ไวยากรณ์นี้ได้รับแรงบันดาลใจจาก Flask แต่เพิ่มการตรวจสอบอัตโนมัติเข้ามา

3

บทบาทของ Pydantic ใน FastAPI คืออะไร?

คำตอบ

Pydantic เป็นไลบรารีตรวจสอบข้อมูลที่ FastAPI ใช้ ช่วยให้สามารถกำหนด data models ด้วย Python types และตรวจสอบข้อมูลขาเข้าโดยอัตโนมัติ Pydantic ยังสร้าง JSON schema สำหรับเอกสาร OpenAPI และให้ข้อความ error ที่ละเอียดเมื่อข้อมูลไม่ถูกต้อง

4

จะกำหนด path parameter ใน FastAPI route อย่างไร?

5

FastAPI แยก query parameter จาก path parameter อย่างไร?

+17 คำถามสัมภาษณ์

หัวข้อสัมภาษณ์ Data Engineering อื่นๆ

Linux & Shell - พื้นฐาน

Junior
20 คำถาม

Git & GitHub - พื้นฐาน

Junior
20 คำถาม

Python ขั้นสูงสำหรับ Data Engineering

Junior
25 คำถาม

Docker - พื้นฐาน

Junior
25 คำถาม

Google Cloud Platform - พื้นฐาน

Junior
20 คำถาม

CI/CD และคุณภาพโค้ด

Mid-Level
20 คำถาม

Docker Compose

Mid-Level
20 คำถาม

SQL ขั้นสูงสำหรับ Data Engineering

Mid-Level
20 คำถาม

Data Lake - สถาปัตยกรรมและการนำเข้าข้อมูล

Mid-Level
20 คำถาม

BigQuery สำหรับ Data Engineering

Mid-Level
20 คำถาม

PostgreSQL - การดูแลระบบ

Mid-Level
20 คำถาม

Data Modeling สำหรับ Data Engineering

Mid-Level
20 คำถาม

Fivetran & Airbyte - การนำเข้าข้อมูล

Mid-Level
20 คำถาม

dbt - พื้นฐาน

Mid-Level
20 คำถาม

Apache Airflow - พื้นฐาน

Mid-Level
20 คำถาม

Kubernetes - พื้นฐาน

Mid-Level
20 คำถาม

dbt - ฟีเจอร์ขั้นสูง

Senior
20 คำถาม

รูปแบบ ETL / ELT / ETLT

Senior
20 คำถาม

Apache Airflow - ขั้นสูง

Senior
20 คำถาม

Airflow + dbt - การจัดการ Pipeline

Senior
20 คำถาม

PySpark - การประมวลผลขนาดใหญ่

Senior
20 คำถาม

Google Pub/Sub - การสตรีมข้อมูล

Senior
20 คำถาม

Apache Beam & Dataflow

Senior
20 คำถาม

Kubernetes - Production และ Scaling

Senior
20 คำถาม

Terraform - Infrastructure as Code

Senior
20 คำถาม

ฐานข้อมูล NoSQL

Senior
20 คำถาม

Data Architecture สมัยใหม่

Senior
20 คำถาม

การมอนิเตอร์และการสังเกตการณ์

Senior
20 คำถาม

IAM และความปลอดภัยของข้อมูล

Senior
20 คำถาม

เชี่ยวชาญ Data Engineering สำหรับการสัมภาษณ์ครั้งถัดไป

เข้าถึงคำถามทั้งหมด flashcards แบบทดสอบเทคนิค แบบฝึกหัด code review และตัวจำลองสัมภาษณ์

เริ่มใช้ฟรี