さよならFlask ようこそFastAPI / goodbye Flask, welcome FastAPIDeNA社内の技術共有会でFastAPIの便利さについて語った資料です。 ▼ 要点 ・機械学習の推論API立てる用途ならFastAPIが便利 ・型定義で開発UXばっちり ・ドキュメント自動生成でつなぎこみも円滑 ▼ ソースコード https://github.com/amaotone…
Spotify Web APIで明るい楽曲のみのプレイリストを作成する - Qiita
import spotipy import spotipy.util as util username = 'ユーザ名' client_id = 'クライアントID' client_secret = 'クライアントシークレット' redirect_uri = 'http://example.com' #アプリの権限付与に使用する #https://developer.spotify.com/documentation/general/guides/scopes/ scope = 'user-library-read user-read-playback-state playlist-read-private user-read-recently-played playlist-read-collaborative playlist-modify-public playlist-modify
Python 製 Web フレームワークを Flask から FastAPI に変えた話｜NAVITIME_Tech
こんにちは、けんにぃです。ナビタイムジャパンで公共交通の時刻表を使ったサービス開発やリリースフローの改善を担当しています。 今回は Python 製の Web フレームワークとして FastAPI を導入した話をしようと思います。 Python 製の Web フレームワークPython には代表的な Web フレームワークが 2 つあります。 ・Django: フルスタックフレームワーク ・Flask: マイクロフレームワーク Django は大規模開発向け、Flask は小中規模開発向けと言われますが、今回開発したサーバは小規模なサーバだったため、以前は Flask で開発していました。 しかし、どちらのフレームワークを使う場合でも下記のような機能を使おうとするとプラグインやサードパーティの助けを借りる必要があります。 ・OpenAPI ・JSON Schema ・GraphQL ・We
Pythonでマイクロサービス（概要編） - Qiita
1 はじめに 最近、Lightweight Language(LL)を利用したマイクロサービス（いわゆるREST API）の開発について調べる機会がありました。 LLといってもRuby,Go,Python等々いろいろな言語がありますが、機械学習やIoTの界隈でPythonを利用している知り合いが多かったため、今回はPythonを利用してマイクロサービスを実装する方法について備忘録として残したいと思います。 なお、Pythonは今回が初めてとなる初心者ですので、そのつもりでお読み頂ければと思います。 1.1 検証環境 今回の検証で利用した環境は以下の通りです。 なお、今回はPythonの仮想環境は試していません。 （Windowsだと動作しないと言われているので） Windows 7 Professional SP1 (32bit) Python 2.7.13 PostgreSQL 9.3
1
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
