}
    }
    return call.messageDone(
      exchange = this,
      requestDone = requestDone && !isSocket,
      responseDone = responseDone && !isSocket,
      socketSinkDone = requestDone && isSocket,
      socketSourceDone = responseDone && isSocket,
      e = e,
    )
  }

  fun noRequestBody() {
    call.messageDone(
      exchange = this,
      requestDone = true,

Il existe des cas où vous pourriez avoir besoin de convertir un type de données (comme un modèle Pydantic) en quelque chose de compatible avec JSON (comme un `dict`, `list`, etc.).

Par exemple, si vous devez le stocker dans une base de données.

Pour cela, **FastAPI** fournit une fonction `jsonable_encoder()`.

## Utiliser `jsonable_encoder` { #using-the-jsonable-encoder }

Si vous avez une grande application, vous pourriez finir par accumuler **plusieurs tags**, et vous voudrez vous assurer d'utiliser toujours le **même tag** pour les *chemins d'accès* associés.

Dans ces cas, il peut être judicieux de stocker les tags dans un `Enum`.

**FastAPI** le prend en charge de la même manière qu'avec des chaînes simples :

{* ../../docs_src/path_operation_configuration/tutorial002b_py310.py hl[1,8:10,13,18] *}

{* ../../docs_src/extending_openapi/tutorial001_py310.py hl[22:24] *}

### Mettre en cache le schéma OpenAPI { #cache-the-openapi-schema }

Vous pouvez utiliser la propriété `.openapi_schema` comme « cache » pour stocker votre schéma généré.

Ainsi, votre application n’aura pas à générer le schéma à chaque fois qu’un utilisateur ouvre les documents de votre API.

d'accès*, par exemple si plusieurs dépendances ont une sous-dépendance commune, **FastAPI** saura n'appeler cette sous-dépendance qu'une seule fois par requête.

Et il enregistrera la valeur renvoyée dans un <dfn title="Un utilitaire/système pour stocker des valeurs calculées/générées, afin de les réutiliser au lieu de les recalculer.">« cache »</dfn> et la transmettra à tous les « dependants » qui en ont besoin dans cette requête spécifique, au lieu d'appeler la dépendance plusieurs fois pour la...

Faire cela dans des fonctions séparées qui ne partagent pas de logique ni de variables est plus difficile, car vous devriez stocker des valeurs dans des variables globales ou recourir à des astuces similaires.

Pour cette raison, il est désormais recommandé d'utiliser plutôt le `lifespan` comme expliqué ci-dessus.

Supposons que la structure de vos fichiers de projet ressemble à ceci :

```
.
├── app
│   ├── __init__.py
│   ├── main.py
```

Créez maintenant un répertoire pour stocker ces fichiers statiques.

Votre nouvelle structure de fichiers pourrait ressembler à ceci :

```
.
├── app
│   ├── __init__.py
│   ├── main.py
└── static/
```

```Python
commons: Annotated[dict, Depends(common_parameters)]
```

Mais comme nous utilisons `Annotated`, nous pouvons stocker cette valeur `Annotated` dans une variable et l’utiliser à plusieurs endroits :

{* ../../docs_src/dependencies/tutorial001_02_an_py310.py hl[12,16,21] *}

/// tip | Astuce

/// tip | Astuce

C'est ainsi que vous géreriez les **mots de passe**. Les recevoir, mais ne pas les renvoyer dans l'API.

Vous **hacherez** aussi les valeurs des mots de passe avant de les stocker, **ne les stockez jamais en texte en clair**.

///

Les champs de `HeroCreate` sont :

* `name`
* `age`
* `secret_name`

```Python
burgers = await get_burgers(2)
```

Le mot-clé important ici est `await`. Il informe Python qu'il faut attendre ⏸ que `get_burgers(2)` finisse d'effectuer ses opérations 🕙 avant de stocker les résultats dans la variable `burgers`. Grâce à cela, Python saura qu'il peut aller effectuer d'autres opérations 🔀 ⏯ pendant ce temps (comme par exemple recevoir une autre requête).