Cela vous permet de **réutiliser le modèle** à **plusieurs endroits** et aussi de déclarer des validations et des métadonnées pour tous les paramètres en une seule fois. 😎

/// note | Remarque

Cela est pris en charge depuis la version `0.115.0` de FastAPI. 🤓

///

## Paramètres d'en-tête avec un modèle Pydantic { #header-parameters-with-a-pydantic-model }

    * Entonces, al usar FastAPI estás ahorrando tiempo de desarrollo, bugs, líneas de código, y probablemente obtendrías el mismo rendimiento (o mejor)...

        }

        this.s3Client = builder.build();
    }

    private String getRegion(final String region) {
        return StringUtil.isNotBlank(region) ? region : "us-east-1";
    }

    @Override
    public void uploadObject(final String objectName, final InputStream inputStream, final long size, final String contentType) {
        try {
            final PutObjectRequest request =

instalando **tu propio sistema de despliegue** mientras te encargas tú mismo de los otros conceptos de despliegue.

Revisa el próximo capítulo para aprender sobre **FastAPI** con contenedores (por ejemplo, Docker y Kubernetes). Verás que esas herramientas tienen formas sencillas de resolver los otros **conceptos de despliegue** también. ✨...

{* ../../docs_src/sub_applications/tutorial001_py310.py hl[3, 6:8] *}

### Sous-application { #sub-application }

Ensuite, créez votre sous‑application et ses *chemins d'accès*.

Cette sous‑application est simplement une autre application FastAPI standard, mais c'est celle qui sera « montée » :

{* ../../docs_src/sub_applications/tutorial001_py310.py hl[11, 14:16] *}

### Monter la sous-application { #mount-the-sub-application }

Essa ferramenta ajuda a alterar automaticamente a maior parte do código que precisa ser modificado.

Depois disso, você pode rodar os testes e verificar se tudo funciona. Se funcionar, está concluído. 😎

## Pydantic v1 no v2 { #pydantic-v1-in-v2 }

O Pydantic v2 inclui tudo do Pydantic v1 como um submódulo `pydantic.v1`. Mas isso não é mais suportado em versões acima do Python 3.13.

```Python
class Cat:
    def __init__(self, name: str):
        self.name = name


fluffy = Cat(name="Mr Fluffy")
```

Nesse caso,  `fluffy` é uma instância da classe `Cat`.

E para criar `fluffy`, você está "chamando" `Cat`.

Então, uma classe Python também é "chamável".

Então, no **FastAPI**, você pode utilizar uma classe Python como uma dependência.

/// tip | Consejo

Normalmente tendrás mucho mejor rendimiento usando un [Response Model](../tutorial/response-model.md) que devolviendo un `JSONResponse` directamente, ya que de esa forma serializa los datos usando Pydantic, en Rust.

///

## Devolver una `Response` { #return-a-response }

De hecho, puedes devolver cualquier `Response` o cualquier subclase de ella.

/// info | Información

Para optimizar el rendimiento al devolver datos JSON, usa un tipo de retorno o un modelo de Response; de esa manera Pydantic se encargará de la serialización a JSON del lado de Rust, sin pasar por Python. Lee más en la documentación para [Tutorial - Modelo de Response - Tipo de Retorno](../tutorial/response-model.md).

Por ejemplo, para declarar un header de `X-Token` que puede aparecer más de una vez, puedes escribir:

{* ../../docs_src/header_params/tutorial003_an_py310.py hl[9] *}

Si te comunicas con esa *path operation* enviando dos headers HTTP como:

```
X-Token: foo
X-Token: bar
```

El response sería como:

```JSON
{
    "X-Token values": [
        "bar",
        "foo"
    ]
}