はじめに 最近ポッドキャスト聴く時間が少し減ってしまったんだけど、久しぶりに Talk Python to Me を聴いたらPydanticの話題でした(エピソードのリンクはこちら)。作者のSamuel Colvinさんが秋に予定しているメジャーバージョンアップの話をし始めたのですが、冒頭で「コアをRustで実装して17倍速くなる」と言っていて、リンク張られていたドキュメントを読みました。この記事はそこで語られていた内容を中心にPydantic v2についてご紹介します。 Pydanticとは v2の話の前に、そもそもPydanticとは何かについて簡単に触れておきます。PydanticはPythonの型ヒント情報を使ってデータバリデーション(データの妥当性検証)を行うライブラリです。予めデータの構造を定義しておいて、入力されたデータがその構造に合っているかを調べてくれます。 例えば、id
Python3.7から正式にリリースされた dataclass は非常に便利で使っている方も多いと思います。 dataclass は値を管理することに優れていて、かつ型ヒントも記載できるので可読性の向上にも貢献します。 ただこの型ヒントはあくまでヒントであって、記載されている型と異なる型のデータを格納しようとしても一切エラーは発生しません。 この型の定義、強制がないのは Python のいい面ではあるものの、コードを書く時は型を強制したいって考えている人は少なくはないと思います。 そんな悩みを解消してくれるのが、Python の外部パッケージである pydantic です。 個人的にはとても便利だと感じたので個人的なメモも含めて記事しました。 pydanticが便利だった話 そもそもpydanticとはなにか? まず pydantic ってなになのか。pydantic の公式の記載を簡単に
2018年5月に中途でニフティに入社し、以来 @niftyメール の開発、運用を担当しております。具体的には、メールデータを保存するオンプレの分散オブジェクトストレージシステムの運用から、Webアプリケーションの開発〜運用まで幅広い業務に従事しています。 よく鍛えられた Mr.Children のファンでもあり、2022年5月10日はお休みをいただいて彼らのデビュー30周年をお祝いしに 30th Anivversary Tour が催される東京ドームへ赴いておりました。 (しかしながら厳選なる抽選の結果、チケットはご用意していただけず…。) さて、今回は直近の @niftyメール関連のサービス開発で利用した技術スタックの一部である、pydantic ついてお話したいと思います。 pydanticとは Python 製ライブラリで、Python の型アノテーションを用いてデータのバリデーショ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く