Lo que inspiró a **FastAPI**, cómo se compara con las alternativas y lo que aprendió de ellas.

## Introducción { #intro }

**FastAPI** no existiría si no fuera por el trabajo previo de otros.

Se han creado muchas herramientas antes que han ayudado a inspirar su creación.

* el motor de plantillas

* la anotación de tipos
* la anotación de tipos

* el worker del servidor
* el worker de Uvicorn
* el Gunicorn Worker
* el worker process
* la worker class
* la carga de trabajo

* el despliegue
* desplegar

* el SDK
* el kit de desarrollo de software

* el `APIRouter`
* el `requirements.txt`
* el Bearer Token
* el cambio incompatible
* el bug
* el botón

    Entonces, es una función generadora que transfiere el trabajo de "generar" a algo más internamente.

    Al hacerlo de esta manera, podemos ponerlo en un bloque `with`, y de esa manera, asegurarnos de que el objeto similar a un archivo se cierre después de finalizar.

/// tip | Consejo

Lo importante es que al usar tipos estándar de Python, en un solo lugar (en lugar de agregar más clases, decoradores, etc.), **FastAPI** hará gran parte del trabajo por ti.

/// info | Información

</div>

## Crea un Entorno Virtual { #create-a-virtual-environment }

Cuando empiezas a trabajar en un proyecto de Python **por primera vez**, crea un entorno virtual **<abbr title="hay otras opciones, esto es solo una guía sencilla">dentro de tu proyecto</abbr>**.

/// tip | Consejo

Solo necesitas hacer esto **una vez por proyecto**, no cada vez que trabajas.

///

//// tab | `venv`

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.

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".

---

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 }

# (5)!
COPY ./app /code/app

# (6)!
CMD ["fastapi", "run", "app/main.py", "--port", "80"]
```

1. Inicie a partir da imagem base oficial do Python.

2. Defina o diretório de trabalho atual para `/code`.

    Esse é o diretório onde colocaremos o arquivo `requirements.txt` e o diretório `app`.

3. Copie o arquivo com os requisitos para o diretório `/code`.