


Sudah agak lama saya tidak berpeluang membina sesuatu yang mudah, menarik dan moden. Menjelang akhir tahun 2024, saya terjumpa FastAPI dan teruja, sementara saya telah membina API dalaman di tempat kerja sebelum ini, saya belum lagi mencipta apa-apa yang dihadapi oleh orang ramai.
Helo FastAPI!
FastAPI ialah rangka kerja moden yang berkuasa untuk membina API dengan Python dan ia kelihatan sesuai untuk apa yang saya mahu bina, API untuk maklumat asas pemain bola sepak. Saya pada mulanya menggelarkannya sebagai "Jugador FC" sebelum memilih "Player FC API".
Mengkonfigurasi Persekitaran.
Sebelum anda bermula, pastikan anda mempunyai keperluan berikut:
AWS CDK
Pelabuhan
Python 3.12.7
Mencipta Projek
Buat direktori pada mesin anda. Namakannya player_fc_fastapi_app, dalam direktori ini buat subdirektori berikut:
apl
Mengandungi semua kod FastAPI
dynamo_db_local
Mengandungi skrip python untuk mencipta versi tempatan Jadual Amazon DynamoDB
iac
Mengandungi fail tindanan anda untuk mencipta sumber dalam AWS
Saya telah memudahkannya dengan menyediakan arahan yang boleh anda jalankan untuk menjimatkan masa di bawah:
Struktur direktori projek kini sepatutnya kelihatan seperti di bawah:
Menyediakan persekitaran Python
Menyediakan Amazon DynamoDB Local
untuk dipasang dan dijalankan.
dynamo_db_local dan mencipta fail create_ddb_table.py, isikan fail dengan kod di bawah :
Dengan kod ini, anda boleh mencipta jadual dalam contoh DynamoDB setempat. Jalankan coretan kod. Pembangunan FastAPI
Sekarang kita mempunyai instance tempatan
DynamoDBdan buat dua fail, main.py dan keperluan. txt.
Isi keperluan.txt dengan yang di bawah:
Buat subdirektori di bawah :
Mari kita buat beberapa model menggunakan Pydantic, kami akan menggunakan model Player dan UpdatePlayer untuk menentukan struktur data maklumat pemain yang boleh kami tambah atau ubah suai.
Dalam subdirektori model, buat fail __init__.py kosong dan fail bernama players.py dan isikan kod di bawah:
Dalam subdirektori penghala
, buat fail __init__.py kosong dan fail bernama players.py dan isikan kod di bawah:Mencipta fail __init__.py kosong menukar folder menjadi pakej Python.
Buat fail bernama main.py dalam subdirektori
appPandu Uji Masa untuk pandu uji pantas, pastikan anda berada dalam direktori app
dan jalankan arahan di bawah untuk memulakan
Sekarang apl kami sedang aktif dan berjalan, navigasi ke
http://127.0.0.1:8000/docs/
Mari cuba tambah pemain. Pilih titik akhir
POST /playersdan gunakan muatan di bawah untuk menambah pemain terbaik dunia, "Vinícius Júnior":
Berikut ialah rupa setiap operasi API dalam tindakan.
Penggunaan menggunakan AWS CDK v2
Sekarang kami selesa menjalankan dan menguji apl kami secara tempatan, tiba masanya untuk menggunakan apl kami pada AWS. Kami akan menggunakan AWS CDK v2.Ubah suai fail requirements.txt yang terdapat dalam subdirektori, tambah baris di bawah:
Mari kita tentukan Jadual DynamoDB, fungsi Lambda dan url fungsi Lambda. Dalam direktori iac semasa, terdapat subdirektori lain yang anda perlukan untuk menavigasi ke arah (iac
). Buka fail iac_stack.py dan gantikan kandungan tindanan CDK dengan kod di bawah:Kami mempunyai satu langkah terakhir sebelum kami memulakan penggunaan, tetapkan bendera untuk local_development: bool kepada False dalam fail players.py dalam direktori
app/routerAktifkan persekitaran maya dalam direktori
Gunakan apl dengan arahan penggunaan cdk.
Setelah penempatan selesai, anda akan melihat URL fungsi dalam output terminal, ini ialah titik akhir API anda pada AWS.
- Uji semua titik akhir menggunakan URL fungsi seperti yang kami lakukan semasa pemacu ujian tempatan. Sebaik sahaja anda menambah pemain, tiba masanya untuk mengesahkan sama ada data pemain kami kekal atau hilang ke dalam eter.
- Untuk mengesahkan semuanya berfungsi:
- Pergi ke Konsol Pengurusan AWS
- Navigasi ke DynamoDB
- Cari Pemain Jadual
Teroka item jadual
?
Penting: Jangan lupa untuk membersihkan sumber! Apabila tidak diperlukan lagi, anda boleh menjalankan perintah cdk destroy untuk memadam semua sumber AWS yang telah dibuat. <script></script>Itu melengkapkan perjalanan kami daripada pembangunan FastAPI tempatan kepada penggunaan tanpa pelayan pada AWS.<script></script> <script></script> <script></script>Atas ialah kandungan terperinci Pembangunan FastAPI Tanpa Pelayan: Membina API Pemain FC pada AWS. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Python cemerlang dalam permainan dan pembangunan GUI. 1) Pembangunan permainan menggunakan pygame, menyediakan lukisan, audio dan fungsi lain, yang sesuai untuk membuat permainan 2D. 2) Pembangunan GUI boleh memilih tkinter atau pyqt. TKInter adalah mudah dan mudah digunakan, PYQT mempunyai fungsi yang kaya dan sesuai untuk pembangunan profesional.

Python sesuai untuk sains data, pembangunan web dan tugas automasi, manakala C sesuai untuk pengaturcaraan sistem, pembangunan permainan dan sistem tertanam. Python terkenal dengan kesederhanaan dan ekosistem yang kuat, manakala C dikenali dengan keupayaan kawalan dan keupayaan kawalan yang mendasari.

Anda boleh mempelajari konsep pengaturcaraan asas dan kemahiran Python dalam masa 2 jam. 1. Belajar Pembolehubah dan Jenis Data, 2.

Python digunakan secara meluas dalam bidang pembangunan web, sains data, pembelajaran mesin, automasi dan skrip. 1) Dalam pembangunan web, kerangka Django dan Flask memudahkan proses pembangunan. 2) Dalam bidang sains data dan pembelajaran mesin, numpy, panda, scikit-learn dan perpustakaan tensorflow memberikan sokongan yang kuat. 3) Dari segi automasi dan skrip, Python sesuai untuk tugas -tugas seperti ujian automatik dan pengurusan sistem.

Anda boleh mempelajari asas -asas Python dalam masa dua jam. 1. Belajar pembolehubah dan jenis data, 2. Struktur kawalan induk seperti jika pernyataan dan gelung, 3 memahami definisi dan penggunaan fungsi. Ini akan membantu anda mula menulis program python mudah.

Bagaimana Mengajar Asas Pengaturcaraan Pemula Komputer Dalam masa 10 jam? Sekiranya anda hanya mempunyai 10 jam untuk mengajar pemula komputer beberapa pengetahuan pengaturcaraan, apa yang akan anda pilih untuk mengajar ...

Cara mengelakkan dikesan semasa menggunakan fiddlerevery di mana untuk bacaan lelaki-dalam-pertengahan apabila anda menggunakan fiddlerevery di mana ...

Memuatkan Fail Pickle di Python 3.6 Kesalahan Laporan Alam Sekitar: ModulenotFoundError: Nomodulenamed ...


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

MantisBT
Mantis ialah alat pengesan kecacatan berasaskan web yang mudah digunakan yang direka untuk membantu dalam pengesanan kecacatan produk. Ia memerlukan PHP, MySQL dan pelayan web. Lihat perkhidmatan demo dan pengehosan kami.

MinGW - GNU Minimalis untuk Windows
Projek ini dalam proses untuk dipindahkan ke osdn.net/projects/mingw, anda boleh terus mengikuti kami di sana. MinGW: Port Windows asli bagi GNU Compiler Collection (GCC), perpustakaan import yang boleh diedarkan secara bebas dan fail pengepala untuk membina aplikasi Windows asli termasuk sambungan kepada masa jalan MSVC untuk menyokong fungsi C99. Semua perisian MinGW boleh dijalankan pada platform Windows 64-bit.

ZendStudio 13.5.1 Mac
Persekitaran pembangunan bersepadu PHP yang berkuasa

EditPlus versi Cina retak
Saiz kecil, penyerlahan sintaks, tidak menyokong fungsi gesaan kod

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa