tangkikodo
tangkikodo
move code snippet back into quote.
[Sharing] pydantic-resolve, an easy way to generate lite-graphql-like nested data with aiodataloader
aiodataloader is very helpful to use with graphql framework such as Graphene or strawberry for complex query result. and then I start to wonder if I could use with aiodataloader...
a light-weight package for generating `GraphQL-like response` data.
pydantic-resolve: https://github.com/allmonday/pydantic-resolve graphql 作为构造前端视图数据的主流方案之一，在查询关联数据和挑选等方面提供了巨大的便利。 但同时，其也存在一些弊端： (以下简称gql) - 如果是服务于client的具体页面/功能，通常到最后会写出一系列固化的schema来搭配不同的页面， client使用固化的query。 这种情况下就没有 restful 或者 rpc 来得方便 （基于openapi 我们可以在前端直接生成sdk） - 后端开发难度加大，graph 的结构，让节点调整特别困难， 无法判断是否存在查询的依赖。 另外项目迭代较频繁的时候，前端持有的过时的query 是迭代中的负资产，存在维护成本等 （难度问题有很多文章描述， 不一一列举） - gql 本身层层往下获取数据的行为，存在局限性， 无法**完美**构造出需要的视图数据， 比如做下层数据的向上聚合计算， 或者根据业务需求做额外调整...
**Describe the solution you'd like** I'm a user of FastAPI, in order to easily generate complicated (deep nested) view data, I wrote a library `pydantic-resolve`. https://github.com/allmonday/pydantic-resolve it looks like: ```python...
add pydantic-resolve
## 推荐项目 - 项目地址：https://github.com/allmonday/pydantic-resolve - 类别：Python - 项目标题：Pydantic-resolve, 为构造完美的视图数据而生 - 项目描述：解决后端构造前端视图数据中的**所有**痛点，类似graphql, 用schema 申明式的描述数据，充分发挥dataloader 的优势，将构造复杂结构的视图数据变得易如反掌。（解决了graphql 中只能层层下推无法回溯处理数据的痛点） - 亮点：概念简单， API简洁，不需要引入复杂的 graphql 框架，却能生成比graphql 更精准的视图数据 - 示例代码：（可选） ```python class Comment(BaseModel): id: int content: str...
- processing nested input data, transform into wanted form (from orm or graphql) - visibility control - reuse schema - reuse context - a better way to replace api test...
 I hack this effect by setting orientation in each items like ```js [{ id: 22, group: 1, content: "g-2. .... ggggggggg", start: "2023-01-07", orientation: "bottom", }, { id: 3,...