FastAPI и Pydantic: урок к собеседованию

FastAPI стал стандартом для новых Python-сервисов и ML-бэкендов. Он построен на Starlette (ASGI) и Pydantic v2: аннотации типов превращаются в валидацию, сериализацию и OpenAPI-документацию. На собесе проверяют, понимаете ли вы, что происходит за декоратором @app.get.

Маршрут и модели

from fastapi import FastAPI, HTTPException, Query
from pydantic import BaseModel, Field, EmailStr

app = FastAPI()

class UserIn(BaseModel):
    email: EmailStr
    name: str = Field(min_length=1, max_length=100)
    age: int | None = Field(default=None, ge=0, le=150)

class UserOut(BaseModel):
    id: int
    email: EmailStr
    name: str

@app.post('/users', response_model=UserOut, status_code=201)
async def create_user(data: UserIn) -> UserOut:
    user = await repo.create(data)
    return user

@app.get('/users')
async def list_users(limit: int = Query(20, le=100), offset: int = 0): ...

Параметры пути, query и тело определяются по аннотациям: простые типы идут из пути или query, Pydantic-модель из тела.
Невалидные данные дают 422 с подробностями по полям без единой строки кода.
response_model (или аннотация возврата) фильтрует ответ: в UserOut нет password_hash, и он не утечёт, даже если вернуть ORM-объект.

Pydantic v2

model_validate(data) создаёт модель из словаря или объекта, model_dump() и model_dump_json() сериализуют.
@field_validator('name') и @model_validator(mode='after') для своих правил.
model_config = ConfigDict(from_attributes=True) позволяет читать ORM-объекты по атрибутам.
Ядро написано на Rust (pydantic-core), поэтому v2 значительно быстрее v1. Старый API (.dict(), parse_obj, @validator) устарел.

Dependency Injection: Depends

async def get_session() -> AsyncIterator[AsyncSession]:
    async with SessionLocal() as session:
        yield session                      # после ответа сессия закроется

async def current_user(token: str = Depends(oauth2_scheme),
                       session: AsyncSession = Depends(get_session)) -> User: ...

@app.get('/me')
async def me(user: Annotated[User, Depends(current_user)]):
    return user

Зависимости образуют граф, результаты кешируются в пределах одного запроса (одна и та же зависимость вызовется один раз). Зависимости с yield работают как контекстные менеджеры: код после yield выполняется после обработки запроса. В тестах их подменяют через app.dependency_overrides.

async def или def

async def выполняется в цикле событий. Внутри можно только неблокирующие вызовы (await асинхронных клиентов). time.sleep, requests, синхронный драйвер БД заблокируют весь процесс.
Обычный def FastAPI выполняет в пуле потоков, поэтому синхронный код там безопасен, но число одновременно выполняемых обработчиков ограничено размером пула.

lifespan и фоновые задачи

@asynccontextmanager
async def lifespan(app: FastAPI):
    app.state.http = httpx.AsyncClient()
    yield
    await app.state.http.aclose()

app = FastAPI(lifespan=lifespan)

lifespan заменил устаревшие @app.on_event('startup'). BackgroundTasks выполняет лёгкую работу после отправки ответа в том же процессе; для тяжёлого и важного (ретраи, гарантия выполнения) берут очередь задач.

Частые ошибки

Блокирующие вызовы в async def.
Возврат ORM-модели без response_model и утечка полей.
Глобальная сессия БД вместо зависимости с yield.
BackgroundTasks для задач, которые нельзя потерять при перезапуске.
Создание httpx.AsyncClient() на каждый запрос вместо одного на приложение.

Что спросят на собесе

Как FastAPI валидирует данные, откуда берётся 422.
Как работает Depends, зачем зависимости с yield, как подменить в тестах.
Когда писать async def, а когда def.
Что делают response_model, lifespan, BackgroundTasks.
Что нового в Pydantic v2.

FastAPI и Pydantic: маршруты, Depends, async и lifespan