Por exemplo, nós, a equipe por trás do FastAPI, criamos [**FastAPI Cloud**](https://fastapicloud.com), para tornar a implantação de aplicações FastAPI na nuvem o mais simples possível, com a mesma experiência de desenvolvimento de trabalhar com o FastAPI.

* [Graphene](https://graphene-python.org/)
    * Com [starlette-graphene3](https://github.com/ciscorn/starlette-graphene3)

## GraphQL com Strawberry { #graphql-with-strawberry }

Se você precisar ou quiser trabalhar com **GraphQL**, [**Strawberry**](https://strawberry.rocks/) é a biblioteca **recomendada** pois tem o design mais próximo ao design do **FastAPI**, ela é toda baseada em **anotações de tipo**.

Se você for na **IU da documentação da API** em `/docs` você poderá ver a **documentação** para cookies das suas *operações de rotas*.

Mas mesmo que você **adicionar os dados** e clicar em "Executar", pelo motivo da IU da documentação trabalhar com **JavaScript**, os cookies não serão enviados, e você verá uma mensagem de **erro** como se você não tivesse escrito nenhum dado.

///

## Proibir Cookies Adicionais { #forbid-extra-cookies }

## Instalar o `pwdlib` { #install-pwdlib }

pwdlib é um excelente pacote Python para lidar com hashes de senhas.

Ele suporta muitos algoritmos de hashing seguros e utilitários para trabalhar com eles.

O algoritmo recomendado é o "Argon2".

Certifique-se de criar um [ambiente virtual](../../virtual-environments.md), ativá-lo e então instalar o pwdlib com Argon2:

<div class="termy">

```console

Nesse cenário, cada um dos faxineiros (incluindo você) poderia ser um processador, fazendo a sua parte do trabalho.

E a maior parte do tempo de execução é tomada por trabalho real (ao invés de ficar esperando), e o trabalho em um computador é feito pela <abbr title="Central Processing Unit - Unidade Central de Processamento">CPU</abbr>. Eles chamam esses problemas de "limitados por CPU".

---

Ao usar todas as alternativas anteriores, eu tive a chance de aprender com todas elas, aproveitar ideias e combiná-las da melhor maneira que encontrei para mim e para os times de desenvolvedores com os quais trabalhava.

Por exemplo, estava claro que idealmente ele deveria ser baseado nas anotações de tipo padrão do Python.

Também, a melhor abordagem era usar padrões já existentes.

Este Processo de Gerenciador provavelmente seria o que escutaria na **porta** no IP. E ele transmitiria toda a comunicação para os processos de trabalho.

Esses processos de trabalho seriam aqueles que executariam seu aplicativo, eles executariam os cálculos principais para receber uma **solicitação** e retornar uma **resposta**, e carregariam qualquer coisa que você colocasse em variáveis ​​na RAM.

labels.file_auth_scheme_ftp=FTP
labels.pagination_page_guide_msg={0}/{1} ({2} itens)
labels.list_could_not_find_crud_table=Não registrado.
labels.scheduledjob_configuration=Agendador de trabalhos
labels.scheduledjob_title_details=Trabalho
labels.scheduledjob_name=Nome
labels.scheduledjob_target=Alvo
labels.scheduledjob_status=Estado
labels.scheduledjob_cronExpression=Agendamento
labels.scheduledjob_scriptType=Tipo de execução

errors.document_not_found = URL do ID do documento não encontrada. Causa: {0}
errors.not_load_from_server = Não foi possível carregar deste servidor. Causa: {0}
errors.failed_to_start_job = Não foi possível iniciar o trabalho {0}.
errors.failed_to_stop_job = Não foi possível parar o trabalho {0}.
errors.failed_to_download_synonym_file = Não foi possível baixar o arquivo de sinônimos.
errors.failed_to_upload_synonym_file = Não foi possível carregar o arquivo de sinônimos.

```

</div>

////

A única opção nova aqui é `--workers` informando ao Uvicorn para iniciar 4 processos de trabalho.

Você também pode ver que ele mostra o **PID** de cada processo, `27365` para o processo pai (este é o **gerenciador de processos**) e um para cada processo de trabalho: `27368`, `27369`, `27370` e `27367`.

## Conceitos de Implantação { #deployment-concepts }