8.3 KiB

Raw Blame History

추가 모델

지난 예제에 이어서, 연관된 모델을 여러 개 갖는 것은 흔한 일입니다.

특히 사용자 모델의 경우에 그러한데, 왜냐하면:

입력 모델은 비밀번호를 가질 수 있어야 합니다.
출력 모델은 비밀번호를 가지면 안 됩니다.
데이터베이스 모델은 아마도 해시 처리된 비밀번호를 가질 필요가 있을 것입니다.

/// danger | 위험

절대 사용자의 비밀번호를 평문으로 저장하지 마세요. 항상 이후에 검증 가능한 "안전한 해시(secure hash)"로 저장하세요.

만약 이게 무엇인지 모르겠다면, security chapters{.internal-link target=_blank}에서 "password hash"가 무엇인지 배울 수 있습니다.

///

다중 모델

아래는 비밀번호 필드와 해당 필드가 사용되는 위치를 포함하여, 각 모델들이 어떤 형태를 가질 수 있는지 전반적인 예시입니다:

{* ../../docs_src/extra_models/tutorial001_py310.py hl[7,9,14,20,22,27:28,31:33,38:39] *}

`**user_in.model_dump()` 에 대하여

Pydantic의 `.model_dump()`

user_in은 Pydantic 모델 클래스인 UserIn입니다.

Pydantic 모델은 모델 데이터를 포함한 dict를 반환하는 .model_dump() 메서드를 제공합니다.

따라서, 다음과 같이 Pydantic 객체 user_in을 생성할 수 있습니다:

user_in = UserIn(username="john", password="secret", email="john.doe@example.com")

그 다음, 다음과 같이 호출합니다:

user_dict = user_in.model_dump()

이제 변수 user_dict에 데이터가 포함된 dict를 가지게 됩니다(이는 Pydantic 모델 객체가 아닌 dict입니다).

그리고 다음과 같이 호출하면:

print(user_dict)

Python의 dict가 다음과 같이 출력됩니다:

{
    'username': 'john',
    'password': 'secret',
    'email': 'john.doe@example.com',
    'full_name': None,
}

`dict` 언패킹

user_dict와 같은 dict를 함수(또는 클래스)에 **user_dict로 전달하면, Python은 이를 "언팩(unpack)"합니다. 이 과정에서 user_dict의 키와 값을 각각 키-값 인자로 직접 전달합니다.

따라서, 위에서 생성한 user_dict를 사용하여 다음과 같이 작성하면:

UserInDB(**user_dict)

다음과 같은 결과를 생성합니다:

UserInDB(
    username="john",
    password="secret",
    email="john.doe@example.com",
    full_name=None,
)

혹은 더 정확히 말하자면, user_dict를 직접 사용하는 것은, 나중에 어떤 값이 추가되더라도 아래와 동일한 효과를 냅니다:

UserInDB(
    username = user_dict["username"],
    password = user_dict["password"],
    email = user_dict["email"],
    full_name = user_dict["full_name"],
)

다른 모델 데이터로 새 Pydantic 모델 생성

위의 예제에서 user_in.model_dump()로부터 user_dict를 생성한 것처럼, 아래 코드는:

user_dict = user_in.model_dump()
UserInDB(**user_dict)

다음과 동일합니다:

UserInDB(**user_in.model_dump())

...왜냐하면 user_in.model_dump()는 dict이며, 이를 **로 Python이 "언팩(unpack)"하도록 하여 UserInDB에 전달하기 때문입니다.

따라서, 다른 Pydantic 모델의 데이터를 사용하여 새로운 Pydantic 모델을 생성할 수 있습니다.

`dict` 언패킹과 추가 키워드

그리고 다음과 같이 추가 키워드 인자 hashed_password=hashed_password를 추가하면:

UserInDB(**user_in.model_dump(), hashed_password=hashed_password)

다음과 같은 결과를 생성합니다:

UserInDB(
    username = user_dict["username"],
    password = user_dict["password"],
    email = user_dict["email"],
    full_name = user_dict["full_name"],
    hashed_password = hashed_password,
)

/// warning | 경고

추가적으로 제공된 함수 fake_password_hasher와 fake_save_user는 데이터 흐름을 시연하기 위한 예제일 뿐이며, 실제 보안을 제공하지 않습니다.

///

중복 줄이기

코드 중복을 줄이는 것은 FastAPI의 핵심 아이디어 중 하나입니다.

코드 중복은 버그, 보안 문제, 코드 비동기화 문제(한 곳은 업데이트되었지만 다른 곳은 업데이트되지 않는 문제) 등의 가능성을 증가시킵니다.

그리고 이 모델들은 많은 데이터를 공유하면서 속성 이름과 타입을 중복하고 있습니다.

더 나은 방법이 있습니다.

UserBase 모델을 선언하여 다른 모델들의 기본(base)으로 사용할 수 있습니다. 그런 다음 이 모델을 상속받아 속성과 타입 선언(유형 선언, 검증 등)을 상속하는 서브클래스를 만들 수 있습니다.

모든 데이터 변환, 검증, 문서화 등은 정상적으로 작동할 것입니다.

이렇게 하면 각 모델 간의 차이점만 선언할 수 있습니다(평문 password, hashed_password, 그리고 비밀번호가 없는 경우):

{* ../../docs_src/extra_models/tutorial002_py310.py hl[7,13:14,17:18,21:22] *}

`Union` 또는 `anyOf`

두 가지 이상의 타입을 포함하는 Union으로 응답을 선언할 수 있습니다. 이는 응답이 그 중 하나의 타입일 수 있음을 의미합니다.

OpenAPI에서는 이를 anyOf로 정의합니다.

이를 위해 표준 Python 타입 힌트인 typing.Union을 사용할 수 있습니다:

/// note | 참고

Union을 정의할 때는 더 구체적인 타입을 먼저 포함하고, 덜 구체적인 타입을 그 뒤에 나열해야 합니다. 아래 예제에서는 Union[PlaneItem, CarItem]에서 더 구체적인 PlaneItem이 CarItem보다 앞에 위치합니다.

///

{* ../../docs_src/extra_models/tutorial003_py310.py hl[1,14:15,18:20,33] *}

Python 3.10에서 `Union`

위의 예제에서는 response_model 인자 값으로 Union[PlaneItem, CarItem]을 전달합니다.

이 경우, 이를 **타입 어노테이션(type annotation)**이 아닌 **인자 값(argument value)**으로 전달하고 있기 때문에 Python 3.10에서도 Union을 사용해야 합니다.

만약 타입 어노테이션에 사용한다면, 다음과 같이 수직 막대(|)를 사용할 수 있습니다:

some_variable: PlaneItem | CarItem

하지만 이를 response_model=PlaneItem | CarItem과 같이 할당하면 에러가 발생합니다. 이는 Python이 이를 타입 어노테이션으로 해석하지 않고, PlaneItem과 CarItem 사이의 **잘못된 연산(invalid operation)**을 시도하기 때문입니다.

모델 리스트

마찬가지로, 객체 리스트 형태의 응답을 선언할 수도 있습니다.

이를 위해 표준 Python의 typing.List를 사용하세요(또는 Python 3.9 이상에서는 단순히 list를 사용할 수 있습니다):

{* ../../docs_src/extra_models/tutorial004_py39.py hl[18] *}

임의의 `dict` 응답

Pydantic 모델을 사용하지 않고, 키와 값의 타입만 선언하여 평범한 임의의 dict로 응답을 선언할 수도 있습니다.

이는 Pydantic 모델에 필요한 유효한 필드/속성 이름을 사전에 알 수 없는 경우에 유용합니다.

이 경우, typing.Dict를 사용할 수 있습니다(또는 Python 3.9 이상에서는 단순히 dict를 사용할 수 있습니다):

{* ../../docs_src/extra_models/tutorial005_py39.py hl[6] *}

요약

여러 Pydantic 모델을 사용하고, 각 경우에 맞게 자유롭게 상속하세요.

엔터티가 서로 다른 "상태"를 가져야 하는 경우, 엔터티당 단일 데이터 모델을 사용할 필요는 없습니다. 예를 들어, 사용자 "엔터티"가 password, password_hash, 그리고 비밀번호가 없는 상태를 포함할 수 있는 경우처럼 말입니다.

8.3 KiB Raw Blame History

추가 모델

다중 모델

**user_in.model_dump() 에 대하여

Pydantic의 .model_dump()

dict 언패킹