hi, 我是 pydantic-resolve 作者（也是那篇 composition oriented development pattern 的作者) ， 在声明式描述数据这点上我很赞同你的观点， 我观点上的一些分歧在于是否应该和 ORM 关联的紧密，下面是我的解释。

首先，既然用申明方式来生成数据， 目的肯定是为了更加优雅的组合数据

一般来说， 后端生成一个前端直接可用的视图数据包括几个步骤。
1. 数据获取
2. 数据组装 (utilmeta 把 1 ，2 两个环节一次性解决了）
3. 面向业务进行转换 这么几个步骤。

（一般情况下 2 ，3 可能会混在一起）

我选择使用 dataloader 的原因是：

通过 ORM 获取关联数据的手段之一，这个行为如果用通用的描述来说的话， 类似于：

def batch_query(keys, filters) 然后把查询结果绑定回每一条父记录。

这样在一对多查找的时候，既能使用外键， 还能指定额外过滤条件
https://github.com/allmonday/composition-oriented-development-pattern/blob/master/src/router/sample_2/readme-cn.md

( ORM relationship 上添加额外条件的查询写起来通常都会比较繁杂）

也就是说，loader 的内部实现可能是一段查询， 也可能是一个 rpc ， 也可能是缓存查询 等等

这样做的好处是隔离了具体实现， 假如我要做服务拆分的话， 就能将封装的查询，转成一个 rpc 调用了。

关于 3 ， 数据转换， 这也是直接从 ORM 拼装数据可能存在的一个小问题， 如果视图数据需要对视图数据的中间， 或者底层的数据做些转换， 聚合计算之类的功能， 很多时候就不得不拆开来遍历计算了。

pydantic-resolve 的思路是选择使用 post_method 来在每层提供一个 after resolved hook 来操作数据。 用来处理层级聚合， 字段转换会比较方便， 也符合声明式的风格。
https://github.com/allmonday/composition-oriented-development-pattern/blob/master/src/router/sample_4/readme-cn.md

说了一些拙见，框架本身是服务于特定目的，

utilmeta 这样的申明式方法带来了很好的灵活性和使用便利。

而且被你详细的文档和丰富的 example 给震撼到了！

祝蒸蒸日上

https://github.com/allmonday/pydantic-resolve 可以试试， 用 RESTful + 申明式的类型描述来生成组合数据。

@onesec 我用 pydantic-resolve 重写了 graphql 的接口， 功能上除了自我引用的场景，其他都能等价替换

收益是去除了 graphql 框架的依赖， 并且自己在前端不用再写 query & mutation 了 （通过 sdk 直接调用方法）

如果是自己全栈写项目，感觉比 graqphl 要简单些

@onesec 是的，graphql 的优点就是在后端比较稳定的情况下提供一套灵活的查询。

graphql 这层东西有两面性，如果是迭代中调整比较多的项目， 比如要修改 schema ， 那么对已有的 query 的调整就会比较麻烦。 后端的改动就会影响 gql 然后影响前端的 query 。
第二点是 graphql 做性能调优会比较约束，一个 schema 可能被多种 query 都依赖， 不容易修改。
第三点我觉得麻烦的是 管理 dataloader ， 每个 request 都要初始化一下实例， 而且都要放在 context 一个 scope 里面， 时间久了 loader 管理就比较麻烦。pydantic-resolve 采用的是就地申明的做法， 不需要往某个 context 里面一股脑放进去。

这些也是我想直接从 pydantic 扩展字段的原因，fastapi + openapi-typescript-codegen 直接面向前端提供接口。
schema 的申明本身就类似 graphql query 。
每个 schema 都可以继承扩展， 相当于每个 API 的 schema 都可以互相独立， 不产生耦合。
最后， 因为是每个接口互相独立， 想做后续的性能优化和改动就会比较容易。

@yuanxin1999 侧重点不太一样， 这个模式期望在尽量不修改 service 模块的前提下，通过声明组合式的 schema ， 来达到生成复杂结构数据的目的

复杂结构包括拼接多种数据， 关联多层的嵌套关联数据 等等。

罗列了一些和其他方案相比优缺点的比较。

https://github.com/allmonday/pydantic-resolve/blob/master/doc/compare-cn.md

其实不用 FastAPI 这个库也能解决不少问题。
只是如果搭配 FastAPI, response_model 再外加 基于 openapi.json 的 client 生成。 前后端开发体验直接飞升~

ref:
https://fastapi.tiangolo.com/advanced/generate-clients/

@wang9571 中英文都要的

@imhd 你确定~~？

@Willem97
@matrix1986
容器化部署，说实话现在 Go 还是玩票性质，也欢迎大佬带飞~

@devlaiho 不介意的话来个简历，互相合适的话聊聊~

@ch2 有，戳： https://mp.weixin.qq.com/s/s_KSZrTHnfS6q9rbmQPb-w