pydantic-settings

Q: Como testar com diferentes valores de env?

Limpe o cache e passe o env via monkeypatch.setenv antes de chamar get_settings() - ou use substituições do construtor Settings(_env_file=None, api_key="test").

Q: Posso carregar múltiplos arquivos env?

Passe env_file=(".env", ".env.local") - arquivos posteriores não substituem os anteriores, a menos que as variáveis de ambiente reais vençam.

Q: Como funcionam as configurações aninhadas?

Defina um campo BaseModel aninhado e defina env_nested_delimiter="__" para que CACHE__TTL=300 seja mapeado corretamente.

Q: Isso funciona com FastAPI Depends?

Sim - def settings_dep() -> Settings: return get_settings() e injete em rotas.

Q: Como validar flags mutuamente exclusivas?

Use @model_validator(mode="after") para levantar um erro se USE_SQLITE e DATABASE_URL forem definidos.

Q: E quanto à vinculação de PORT de 12 fatores?

port: int = Field(default=8000, alias="PORT") - Heroku/Fly/Railway injetam PORT automaticamente.

Q: Posso usar TOML em vez de env?

pydantic-settings foca em env; para aplicativos pesados em TOML, combine com carregadores de seção pyproject.toml ou dynaconf.

Q: Como documentar configurações para operadores?

Gere o esquema JSON a partir do modelo ou mantenha .env.example com cada chave e valor de exemplo.

Q: SecretStr vs str simples?

Use SecretStr para tokens e senhas para que o log acidental não imprima segredos.

pydantic-settings estende os modelos Pydantic para carregar configuração de variáveis de ambiente, arquivos .env e diretórios de segredos opcionais - com validação, coerção de tipo e mensagens de erro claras na inicialização.

Receita

from pydantic import Field
from pydantic_settings import BaseSettings, SettingsConfigDict
 
 
class Settings(BaseSettings):
    model_config = SettingsConfigDict(env_file=".env", extra="ignore")
 
    database_url: str = Field(alias="DATABASE_URL")
    debug: bool = False
    api_key: str
 
 
settings = Settings()  # levanta ValidationError se api_key estiver ausente

Quando usar isso:

Aplicativos FastAPI/Django/Flask que leem os.environ
Workers e CLIs que precisam de configuração tipada e documentada
Substituindo casts manuais de os.getenv("PORT", "8000")
Validando a configuração antes que os workers Gunicorn em fork iniciem

Exemplo de Trabalho

from __future__ import annotations
 
from functools import lru_cache
 
from pydantic import Field, PostgresDsn
from pydantic_settings import BaseSettings, SettingsConfigDict
 
 
class Settings(BaseSettings):
    model_config = SettingsConfigDict(
        env_file=".env",
        env_file_encoding="utf-8",
        extra="ignore",
    )
 
    app_name: str = "billing-api"
    database_url: PostgresDsn = Field(alias="DATABASE_URL")
    redis_url: str = Field(default="redis://localhost:6379/0", alias="REDIS_URL")
    log_level: str = "INFO"
 
 
@lru_cache
def get_settings() -> Settings:
    return Settings()
 
 
def main() -> None:
    s = get_settings()
    print(s.app_name, s.database_url, s.log_level)
 
 
if __name__ == "__main__":
    main()

O que isso demonstra:

SettingsConfigDict centraliza o arquivo env e a política de ignorar chaves desconhecidas
Field(alias=...) mapeia nomes env em letras maiúsculas para atributos snake_case
PostgresDsn valida a forma da string de conexão antecipadamente
@lru_cache fornece configurações singleton estilo FastAPI sem globais

Mergulho Profundo

Como Funciona

Prioridade da Fonte - Padrões < arquivo env < ambiente real (env vence o arquivo).
Coerção de Tipo - "true" se torna True para campos bool; strings separadas por vírgula podem se tornar listas com parsers personalizados.
Configurações Aninhadas - env_nested_delimiter="__" mapeia DB__HOST para db.host.
Segredos - secrets_dir carrega arquivos de segredo montados do Docker/Kubernetes como valores de campo.

Campos Comuns

Tipo de Campo	Exemplo de Env	Notas
`str`	`API_KEY=abc`	Obrigatório se não houver padrão
`bool`	`DEBUG=true`	Aceita true/false/1/0
`int`	`PORT=8000`	Valores inválidos levantam erro na inicialização
`list[str]`	`ORIGINS=a,b`	Use `NoDecode` + validador personalizado para CSV
`SecretStr`	`TOKEN=...`	Mascara o valor em repr/logs

Notas Python

from pydantic import SecretStr
 
class Settings(BaseSettings):
    token: SecretStr
 
# SecretStr esconde em logs
print(settings.token.get_secret_value())  # revelação explícita

Armadilhas

Efeitos colaterais no momento da importação - settings = Settings() no nível do módulo falha em testes. Correção: factory + lru_cache ou injeção de dependência.
extra="allow" em produção - Erros de digitação em nomes de env criam atributos silenciosamente. Correção: extra="ignore" ou "forbid".
Commit de .env com segredos - O histórico do Git vaza credenciais. Correção: apenas .env.example; carregue valores reais dos segredos da plataforma.
Uma Configuração para monorepo - Acopla serviços não relacionados. Correção: ApiSettings, WorkerSettings por implantação.
Env ausente no Docker - String vazia pode ser coagida inesperadamente para inteiros opcionais. Correção: use Optional[int] = None e valide.
Sensibilidade a maiúsculas/minúsculas - Chaves de env são sensíveis a maiúsculas/minúsculas no Linux. Correção: documente os nomes exatos em .env.example.

Alternativas

Alternativa	Use Quando	Não Use Quando
`os.environ` + casts manuais	Scripts minúsculos com 2-3 variáveis	Mais do que um punhado de configurações
`python-decouple`	Projetos Django legados já o utilizando	Pilhas Pydantic/FastAPI novas
`dynaconf`	Camadas YAML/TOML multi-ambiente	Você quer tipos Pydantic de ponta a ponta
`django-environ`	Configuração apenas para Django	FastAPI ou workers independentes

FAQs

Como testar com diferentes valores de env?

Limpe o cache e passe o env via monkeypatch.setenv antes de chamar get_settings() - ou use substituições do construtor Settings(_env_file=None, api_key="test").

Posso carregar múltiplos arquivos env?

Passe env_file=(".env", ".env.local") - arquivos posteriores não substituem os anteriores, a menos que as variáveis de ambiente reais vençam.

Como funcionam as configurações aninhadas?

Defina um campo BaseModel aninhado e defina env_nested_delimiter="__" para que CACHE__TTL=300 seja mapeado corretamente.

Isso funciona com FastAPI Depends?

Sim - def settings_dep() -> Settings: return get_settings() e injete em rotas.

Como validar flags mutuamente exclusivas?

Use @model_validator(mode="after") para levantar um erro se USE_SQLITE e DATABASE_URL forem definidos.

E quanto à vinculação de PORT de 12 fatores?

port: int = Field(default=8000, alias="PORT") - Heroku/Fly/Railway injetam PORT automaticamente.

Posso usar TOML em vez de env?

pydantic-settings foca em env; para aplicativos pesados em TOML, combine com carregadores de seção pyproject.toml ou dynaconf.

Como documentar configurações para operadores?

Gere o esquema JSON a partir do modelo ou mantenha .env.example com cada chave e valor de exemplo.

SecretStr vs str simples?

Use SecretStr para tokens e senhas para que o log acidental não imprima segredos.

pydantic-settings funciona com Django?

Sim em scripts autônomos e workers ASGI; projetos Django frequentemente usam django-environ, mas configurações Pydantic funcionam para workers Celery que compartilham o mesmo env.

Relacionados

Pydantic Basics - modelos e validação
Configuration and Settings - padrões de arquitetura
FastAPI Basics - injeção de dependência
Secrets Management - tratamento de segredos em produção

Versões da Stack: Esta página foi escrita para Python 3.14.0 (stable 3.14, maintenance 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+, e uv 0.6+.

Receita

from pydantic import Field
from pydantic_settings import BaseSettings, SettingsConfigDict
 
 
class Settings(BaseSettings):
    model_config = SettingsConfigDict(env_file=".env", extra="ignore")
 
    database_url: str = Field(alias="DATABASE_URL")
    debug: bool = False
    api_key: str
 
 
settings = Settings()  # levanta ValidationError se api_key estiver ausente

Quando usar isso:

Aplicativos FastAPI/Django/Flask que leem os.environ
Workers e CLIs que precisam de configuração tipada e documentada
Substituindo casts manuais de os.getenv("PORT", "8000")
Validando a configuração antes que os workers Gunicorn em fork iniciem

Exemplo de Trabalho

from __future__ import annotations
 
from functools import lru_cache
 
from pydantic import Field, PostgresDsn
from pydantic_settings import BaseSettings, SettingsConfigDict
 
 
class Settings(BaseSettings):
    model_config = SettingsConfigDict(
        env_file=".env",
        env_file_encoding="utf-8",
        extra="ignore",
    )
 
    app_name: str = "billing-api"
    database_url: PostgresDsn = Field(alias="DATABASE_URL")
    redis_url: str = Field(default="redis://localhost:6379/0", alias="REDIS_URL")
    log_level: str = "INFO"
 
 
@lru_cache
def get_settings() -> Settings:
    return Settings()
 
 
def main() -> None:
    s = get_settings()
    print(s.app_name, s.database_url, s.log_level)
 
 
if __name__ == "__main__":
    main()

O que isso demonstra:

SettingsConfigDict centraliza o arquivo env e a política de ignorar chaves desconhecidas
Field(alias=...) mapeia nomes env em letras maiúsculas para atributos snake_case
PostgresDsn valida a forma da string de conexão antecipadamente
@lru_cache fornece configurações singleton estilo FastAPI sem globais

Mergulho Profundo

Como Funciona

Prioridade da Fonte - Padrões < arquivo env < ambiente real (env vence o arquivo).
Coerção de Tipo - "true" se torna True para campos bool; strings separadas por vírgula podem se tornar listas com parsers personalizados.
Configurações Aninhadas - env_nested_delimiter="__" mapeia DB__HOST para db.host.
Segredos - secrets_dir carrega arquivos de segredo montados do Docker/Kubernetes como valores de campo.

Campos Comuns

Tipo de Campo	Exemplo de Env	Notas
`str`	`API_KEY=abc`	Obrigatório se não houver padrão
`bool`	`DEBUG=true`	Aceita true/false/1/0
`int`	`PORT=8000`	Valores inválidos levantam erro na inicialização
`list[str]`	`ORIGINS=a,b`	Use `NoDecode` + validador personalizado para CSV
`SecretStr`	`TOKEN=...`	Mascara o valor em repr/logs

Notas Python

from pydantic import SecretStr
 
class Settings(BaseSettings):
    token: SecretStr
 
# SecretStr esconde em logs
print(settings.token.get_secret_value())  # revelação explícita

Armadilhas

Efeitos colaterais no momento da importação - settings = Settings() no nível do módulo falha em testes. Correção: factory + lru_cache ou injeção de dependência.
extra="allow" em produção - Erros de digitação em nomes de env criam atributos silenciosamente. Correção: extra="ignore" ou "forbid".
Commit de .env com segredos - O histórico do Git vaza credenciais. Correção: apenas .env.example; carregue valores reais dos segredos da plataforma.
Uma Configuração para monorepo - Acopla serviços não relacionados. Correção: ApiSettings, WorkerSettings por implantação.
Env ausente no Docker - String vazia pode ser coagida inesperadamente para inteiros opcionais. Correção: use Optional[int] = None e valide.
Sensibilidade a maiúsculas/minúsculas - Chaves de env são sensíveis a maiúsculas/minúsculas no Linux. Correção: documente os nomes exatos em .env.example.

Alternativas

Alternativa	Use Quando	Não Use Quando
`os.environ` + casts manuais	Scripts minúsculos com 2-3 variáveis	Mais do que um punhado de configurações
`python-decouple`	Projetos Django legados já o utilizando	Pilhas Pydantic/FastAPI novas
`dynaconf`	Camadas YAML/TOML multi-ambiente	Você quer tipos Pydantic de ponta a ponta
`django-environ`	Configuração apenas para Django	FastAPI ou workers independentes

FAQs

Como testar com diferentes valores de env?

Limpe o cache e passe o env via monkeypatch.setenv antes de chamar get_settings() - ou use substituições do construtor Settings(_env_file=None, api_key="test").

Posso carregar múltiplos arquivos env?

Passe env_file=(".env", ".env.local") - arquivos posteriores não substituem os anteriores, a menos que as variáveis de ambiente reais vençam.

Como funcionam as configurações aninhadas?

Defina um campo BaseModel aninhado e defina env_nested_delimiter="__" para que CACHE__TTL=300 seja mapeado corretamente.

Isso funciona com FastAPI Depends?

Sim - def settings_dep() -> Settings: return get_settings() e injete em rotas.

Como validar flags mutuamente exclusivas?

Use @model_validator(mode="after") para levantar um erro se USE_SQLITE e DATABASE_URL forem definidos.

E quanto à vinculação de PORT de 12 fatores?

port: int = Field(default=8000, alias="PORT") - Heroku/Fly/Railway injetam PORT automaticamente.

Posso usar TOML em vez de env?

pydantic-settings foca em env; para aplicativos pesados em TOML, combine com carregadores de seção pyproject.toml ou dynaconf.

Como documentar configurações para operadores?

Gere o esquema JSON a partir do modelo ou mantenha .env.example com cada chave e valor de exemplo.

SecretStr vs str simples?

Use SecretStr para tokens e senhas para que o log acidental não imprima segredos.

pydantic-settings funciona com Django?

Sim em scripts autônomos e workers ASGI; projetos Django frequentemente usam django-environ, mas configurações Pydantic funcionam para workers Celery que compartilham o mesmo env.

Relacionados

Pydantic Basics - modelos e validação
Configuration and Settings - padrões de arquitetura
FastAPI Basics - injeção de dependência
Secrets Management - tratamento de segredos em produção

Versões da Stack: Esta página foi escrita para Python 3.14.0 (stable 3.14, maintenance 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+, e uv 0.6+.

pydantic-settings

Buscar na documentação

pydantic-settings