Gestión de Configuración
Carga la configuración desde el entorno con pydantic-settings.
Receta
Tarjeta de referencia rápida - lista para copiar y pegar.
from pydantic_settings import BaseSettings
class Settings(BaseSettings):
database_url: str
debug: bool = FalseCuándo recurrir a esto:
- Configuración 12-factor
- Variables de entorno tipadas
- Separación de secretos
Ejemplo de Trabajo
class Settings(BaseSettings):
model_config = SettingsConfigDict(env_file=".env", env_prefix="APP_")Lo que esto demuestra:
- Soporte para env_file
- prefijo de entorno (env_prefix)
- SettingsConfigDict
Análisis Profundo
Cómo Funciona
- La configuración lee las variables de entorno en la instanciación.
- Usa archivos de secretos o sidecars de bóveda en producción.
- Nunca incluyas .env con credenciales reales en el control de versiones.
Errores Comunes
- Omisión de validación en el límite - Datos inválidos llegan a las capas de persistencia. Solución: Valida con Pydantic o formularios del framework en el borde.
- Fugas de trazas de pila - Los clientes ven errores internos. Solución: Mapea excepciones a respuestas HTTP estables.
- Bloqueo de bucles de eventos asíncronos - Los workers se bloquean bajo carga concurrente. Solución: Usa drivers asíncronos o wrappers de threadpool.
- Secretos en el control de código fuente - Las credenciales se filtran a través del historial de git. Solución: Carga secretos desde el entorno o una bóveda en tiempo de ejecución.
- Falta de observabilidad - Los incidentes son difíciles de depurar. Solución: Añade logs estructurados, métricas e IDs de solicitud.
Alternativas
| Alternativa | Usar Cuando | No Usar Cuando |
|---|---|---|
| Framework alternativo en este cookbook | Estándar del equipo o monolito existente | API Greenfield con diferentes restricciones |
| BaaS Gestionado | MVP solo CRUD | Autenticación personalizada, flujos de trabajo o necesidades de cumplimiento |
| gRPC | RPC interno de alto rendimiento | Clientes HTTP públicos y acceso al navegador |
Preguntas Frecuentes
¿Cuándo debería adoptar pydantic-settings?
Úsalo cuando los patrones y las compensaciones de esta página coincidan con tu API o el límite de datos.
¿Cuál es el principal error de producción con pydantic-settings?
Omitir la validación, los tiempos de espera o los contratos de error explícitos en el borde HTTP.
¿Cómo pruebo pydantic-settings?
Usa el cliente de prueba del framework, anula las dependencias y afirma el estado más la forma JSON.
¿Funciona pydantic-settings con Python 3.14?
Sí, los ejemplos se dirigen a Python 3.14 con versiones de framework fijadas del pie de página de la pila.
¿Cómo se relaciona pydantic-settings con Pydantic 2?
Valida y serializa en los límites; mantén los servicios funcionando con objetos de dominio tipados.
¿Sincronización o asincronía?
Prefiere rutas asíncronas cuando la E/S domina; mantén el trabajo de CPU pequeño o descárgalo a workers.
¿Dónde debe vivir la lógica de negocio?
Handlers delgados; los servicios poseen las reglas; los repositorios poseen las consultas.
¿Cómo documento las APIs?
Publica documentación OpenAPI o de esquema que coincida con los modelos de respuesta en el código.
¿Cómo manejo el versionado?
Versionado explícito de URL o encabezado con ventanas de deprecación; evita roturas silenciosas.
¿Qué debería leer a continuación?
Sigue los enlaces Relacionados para la siguiente capa de profundidad en esta sección.
¿Cómo me mantengo seguro?
Autentica a los llamadores, autoriza por recurso, limita la tasa y nunca registres secretos.
¿Primer paso para el rendimiento?
Mide la latencia de la base de datos y de los sistemas externos antes de cambiar de framework.
Relacionado
- Conceptos Básicos de Pydantic - Modelos principales
- Validadores - Reglas personalizadas
- Serialización - model_dump
- Gestión de Configuración - configuración de entorno
Versiones de la Pila: Esta página fue escrita para Python 3.14.0 (estable 3.14, mantenimiento 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+, y uv 0.6+.