기본 콘텐츠로 건너뛰기

밑바닥부터 만드는 웹 서비스 -2 flask를 이용해 rest api 서버 구축

밑바닥부터 만드는 웹 서비스 -2 flask를 이용해 rest api 서버 구축

개요

우선 기본적인 flask 를 통해 rest api 의 get, post, put, delete 를 구현하고 사용자 요청을 받는 방법과 요청을 받아 DB에 접근해서 데이터를 가져오는 것까지 해보자

세팅

backend/app.py

from flask import Flask

from flask_cors import CORS

from flask_restplus import Resource, Api, reqparse

app = Flask(__name__)

CORS(app)

title = 'my homepage'

api = Api(app=app)

class HealthCheck(Resource):

def get(self):

'''

사용자가 보낸 parameter를 통해

데이터를 보내줍니다.

:return:

'''

return {'msg': 'get ok'}

def post(self):

'''

사용자가 보낸 session 정보를 통해

수정 역할을 합니다.

:return: 수정 여부를 반환합니다.

'''

return {'msg': 'post ok'}

def put(self):

'''

사용자가 보낸 데이터를 저장한다.

:return:

'''

return {'msg': 'put ok'}

def delete(self):

'''

데이터를 삭제한다.

:return:

'''

return {'msg': 'delete ok'}

api.add_resource(HealthCheck, '/v0.0/test')

if __name__ == '__main__':

app.run(debug=True, port=5002)

실행 해보면

예시 하나로 get 을 실행해보면 (Mac 과 Windows 조금 달라요)

response body를 보면 우리가 설정한 return 값이 나오는 걸 알 수 있습니다.

위의 curl 이 요청을 보낸 명령어로 이를 터미널에서 하면 같이 받을 수 있는 걸 볼 수 있습니다. 혹은 Postman 같은 프로그램을 통해 확인할 수 있습니다.

그래도 시각적으로 처리하는 게 처리하기 쉬우니까 저는 flask 의 swagger를 쓰겠습니다.

각 기능들 기본 틀 만들기

공식 레퍼런스 참고 : http://flask-restful.readthedocs.io/en/0.3.5/quickstart.html

블로그 참고 : https://medium.com/@feedbots/python-flask-%EB%A1%9C-%EA%B0%84%EB%8B%A8%ED%95%9C-rest-api-%EC%9E%91%EC%84%B1%ED%95%98%EA%B8%B0-60a29a9ebd8c

우선 db 에서 데이터를 가져오기 전에 클래스 내에 object를 만들고 다뤄봅시다.

클래스 안에 하나 만들었습니다.

class HealthCheck(Resource):

# 이 데이터를 수정하면서 해봅시다.

test_object = {

'_id_inspire12' : {

'user_id' : 'inspire12' ,

'user_name' : 'flask_user' ,

'board' :

[{

'content_id' : 1 ,

'title' : 'hi'

},

{

'content_id' : 2 ,

'title' : 'hi'

}]

}

}

Get

: header 의 url 을 파싱해서 받는 부분이 필요합니다. reqpase 객체를 활용합니다.

@api.doc ( '' )

@api.param ( 'user_id' , '' )

def get( self ):

'''

사용자가 보낸 parameter를 통해

데이터를 보내줍니다.

:return :

'''

# parameter 를 받습니다.

param_list = [ 'user_id' ]

parser = reqparse.RequestParser()

for param in param_list:

parser.add_argument(param)

query = parser.parse_args()

# 제대로 parameter를 받았는지 debug를 위해

print ( '_id_{}' .format(query[ 'user_id' ]))

# return 데이터를 받아놓습니다.

res = self .test_object.get( '_id_{}' .format(query[ 'user_id' ]))

# 데이터, 반응, 헤더 로 구성

return res, HTTPStatus.OK, {}

Post

: body 의 json 오브젝트를 받습니다.

@api.doc ( '' )

@api.param ( 'body' , '' , 'body' )

def post( self ):

'''

사용자가 보낸 session 정보를 통해

수정 역할을 합니다.

:return : 수정 여부를 반환합니다.

'''

data = request.get_json( silent = True , force = True )

# 데이터 확인

print (data)

return data

Post 의 경우 body 형식으로 전송해야하는데

flask swagger에서 전달이 안되네요..

그래서 postman 으로 확인했습니다..

put 의 경우 post 방식으로 하고

delete 의 경우 get 방식으로 하면 됩니다.

다음 포스팅에

post와 put, delete 를 db와 연결해서 구현해보겠습니다.

추가적으로

API관리와 로직 분리(의존성) 위해 코드를 정리하고 몽고 db를 통해 db 를 구성봅시다.

그 이후 angular 를 통해 프론트엔드 부분을 처리하겠습니다.

from http://inspire12.tistory.com/130 by ccl(A) rewrite - 2020-03-06 19:20:27

댓글

이 블로그의 인기 게시물

Coupang CS Systems 채용 정보: 쿠팡 운용 관리 시스템을 구축 하고...

Coupang CS Systems 채용 정보: 쿠팡 운용 관리 시스템을 구축 하고... Global Operation Technology는 상품을 고객에게 지연 없이 전달 될 수 있도록 하는 조직입니다. 1997년, 초창기 아마존에 입사한다고 상상해보세요. 그 당시 누구도 e-commerce 산업이, 아마존이라는 회사가 지금처럼 성장하리라고는 생각하지 못했을 것입니다. 하지만, 그 당시 아마존을 선택한 사람들은 e-commerce 산업을 개척했고, 아마존을 세계적인 회사로 성장시켰습니다. 2016년 '아시아의 아마존'으로 성장하고 있는 쿠팡, 당신에게 매력적인 선택이 아닐까요? Global Operation Technology: eCommerce에서 주문을 한 뒤 벌어지는 상황에 대해서 호기심을 가져보신 적이 있나요? Global Operation Technology는 상품을 고객에게 지연 없이 전달 될 수 있도록 하는 조직입니다. 매일 최첨단 소프트웨어 기술을 이용해 고객의 주문을 받고 상품을 어느 창고에서 출고 시킬지, 포장을 하나의 박스 또는 여러 개로 나눌 것인지, 어떤 배송 루트를 선택하고 어떻게 고객에게 배송 상태를 보여줄지 결정하는 시스템과 서비스를 개발 합니다. What Global Operations Technology does: CS and C-Returns System 적극적 고객서비스를 바탕으로 고객의 목소리를 통해 끊임없이 고객 에게 서비스를 제공하고 Andon 메커니즘을 통해 고객의 목소리를 회사 전체와 공유합니다. 그리고 고객 문제 해결과 구매 이후 벌어질 수 있는 고객 문제를 사전에 예방하기 위한 시스템 개발을 통해 미래의 상황을 예측 합니다. Tranportation System TSP (Traveling Salesman Problem) 와 같은 CS 최적화 관리 문제를 다룹니다.배송 물품의 실시간 추적, 3P 하드웨어와 소프트웨어를 통합, 각 배송 루트에 할당되는 물량 예측하고 T...

[ubuntu] FLASK_APP

[ubuntu] FLASK_APP Development/Debugging 🐞 FLASK_ENV=development FLASK_APP = app.py flask run zsh: command not found: FLASK_APP ✔️ FLASK_ENV=development FLASK_APP=app.py flask run 띄어쓰기를 해서 저런 오류를 출력할수도 있구나 😲 참고 : 108p에서 FLASK가 FKAS로 오타나있다. from http://hee-stories.tistory.com/18 by ccl(A) rewrite - 2020-03-24 17:20:11

[GCP] Argo로 Workflow 만들기

[GCP] Argo로 Workflow 만들기 사실 Production 레벨로 가지 않으면, ML개발에 Workflow를 사용할 일은 많지 않다. 대부분 샘플데이터로 전처리 한후 그 데이터를 공유해서 각자 모델을 개발하게 되는데, Production Level에서는 계속 새로운 데이터가 발생하기 때문에 데이터 수집부터 배포까지 하나의 파이프라인으로 관리해야할 필요성이 생긴다. Argo는 컨테이너 기반으르 파이프라인을 구성해주는 도구로 Kubeflow에서도 Workflow Orchestration은 Argo를 사용한다. Kubeflow Pipeline Overview Argo 설치 curl -sSL -o /usr/local/bin/argo https://github.com/argoproj/argo/releases/download/v2.2.1/argo-linux-amd64 chmod +x /usr/local/bin/argo Argo를 위와 같이 다운로드 받고, Controller와 UI를 kubectl을 통해 설치한다. GCP에서 kubectl의 설치는 아래를 따르면 된다. 터미널에서 Kubectl 사용하기 kubectl create ns argo kubectl apply -n argo -f https://raw.githubusercontent.com/argoproj/argo/v2.2.1/manifests/install.yaml Argo를 통해 간단한 'Hello World'예제를 실행해보자. 사용법은 아래와 같이 간단하다. submit은 지정된 yaml 파일을 workflow 만드는데 사용한다는 것이고 watch 파라미터는 외부의 yaml을 가져올 때 사용한다. argo submit --watch https://raw.githubusercontent.com/argoproj/argo/master/examples/hello-world.yaml 'argo list' 명령으로 실행되고 있는 argo wor...