太通透了！Python FastAPI核心功能及主要特点最全总结！

FastAPI是一个用于构建高性能Web应用程序的Python框架。它基于Python 3.7+的新特性，如类型注释、异步I/O和API路由等，提供了一种快速、简单和易于使用的方法来构建Web API。

在这篇文章中，将介绍FastAPI及其主要特点和性能，以及Python与其他流行框架相比较的应用实例。

什么是FastAPI？

FastAPI是由Sebastián Ramírez在2018年发布的。他创建FastAPI的想法来自于在使用当时存在的框架来执行开发API的任务时所遇到的一些困难。

FastAPI号称是目前最快的Python框架之一，可将开发速度提高多达300%并具有高性能。这个框架使用了Python最新版本中增加的功能，创造了一个用于构建API的现代工具。此外，FastAPI使用scarlett、Pydantic和OpenAPI等工具，以寻求高性能、低学习曲线和易于应用程序编码。

技术交流

技术要学会分享、交流，不建议闭门造车。一个人可以走的很快、一堆人可以走的更远。

技术交流、资料干货、数据&源码，均可加交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。

方式①、微信搜索公众号：Python学习与数据挖掘，后台回复： 交流
方式②、添加微信号：dkl88194，备注：来自CSDN +交流

毕设/大作业系列

毕设/大作业：基于Python+Flask+MySQL的豆瓣电影可视化系统毕设/大作业：搭建基于 Python+Flask+MySQL 的学生培养计划管理系统（附源码）毕设/大作业：一款基于 Python+flask 的态势感知系统（附完整源码)毕设/大作业：基于 Python 的 Flask 框架开发的在线电影网站系统（附完整源码）毕设/大作业：基于 Echarts + Python Flask 动态实时大屏轻松可以实现毕设/大作业：基于 Python+Django 构建智能互动拍照系统毕设/大作业：基于 Python+Flask+SQLite 的网易云音乐评论情感分析系统毕设/大作业：基于 Python 和Surprise库，新手轻松搭建推荐系统毕设/大作业：基于 Python+Django+MySQL 数据库的租房数据可视化系统

主要特点：

性能

毋庸置疑，FastAPI最吸引人的是它的性能测试结果。与其他更传统的框架如Django和Flask相比，FastAPI的性能更强。这是由于该框架是使用Starlette构建的，Starlette是一个轻量级的ASGI框架/工具，是在Python中构建异步Web服务的理想选择。

在下面的图片中，可以看到各种框架之间的性能比较。FastAPI在这个测试中的表现比Django和Flask好，仅次于Uvicorn和Starlette，在查看其性能时是由于Uvicorn和Starlette更适合，因为它们是针对这一特定情况的更具体的框架，然而FastAPI和其他框架相比有更多的功能。

并发和异步/等待

FastAPI实现的本地异步支持也支持应用程序的性能。与其他未实现异步编程的基于Python 2的框架相比，这是一个优势。

快速编码

由于使用了Type Hints和Pydantic（一种简单的声明性语法），FastAPI被认为是一个非常精简的框架，并且像Flask一样，它使用模块化的概念来增加新功能。

自动文档

只需几行代码，FastAPI就能使用OpenAPI生成其端点的文档。将在下面的例子中看到这个功能。

安装

要求

Python 3.7以上

使用如下的命令安装FastAPI。

pip install fastapi

还需要一个ASGI服务器，用于生产目的，如Uvicorn或Hypercorn。

pip install "uvicorn[standard]"

在这个例子中也将使用SQLAlchemy ORM。

pip install SQLAlchemy

电影CRUD API

接下来，将创建一个简单的应用程序，其中包括一个API，用于CRUD一个名为Movies的表。

在安装了FastAPI、Uvicorn和SQLAlquemy之后，将创建以下文件结构。

数据库

开始创建管理数据库的模块。在这个模块中，将使用SQLAlchemy ORM来管理SQLite数据库，创建电影模型并访问数据。

src/db/database.py文件将负责创建数据库连接和管理会话。

from sqlalchemy import create_enginefrom sqlalchemy.ext.declarative import declarative_basefrom sqlalchemy.orm import sessionmakerSQLALCHEMY_DATABASE_URL = "sqlite:///db/db.sqlite3"engine = create_engine(    SQLALCHEMY_DATABASE_URL, connect_args={"check_same_thread": False})SessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=engine)Base = declarative_base()def get_db():    db = SessionLocal()    try:        yield db    finally:        db.close()

在src/db/models.py文件中，将创建Movies表，它将包含属性id、title、director、duration_in_minutes和rating。

from sqlalchemy import Column, Integer, Stringfrom db.database import Baseclass Movies(Base):    __tablename__ = "Movies"    id: int = Column(Integer, primary_key=True, index=True)    title: str = Column(String(100), nullable=False)    director: str = Column(String(255), nullable=False)    duration_in_minutes: int = Column(Integer, nullable=False)    rating: int = Column(Integer, nullable=False)

最后，将创建src/db/repositories.py文件，它将作为一个接口，使API层能够访问数据库资源。

from sqlalchemy.orm import Sessionfrom .models import Moviesclass MovieRepository:    @staticmethod    def find_all(db: Session) -> list:        return db.query(Movies).all()    @staticmethod    def save(db: Session, movie: Movies) -> Movies:        if movie.id:            db.merge(movie)        else:            db.add(movie)        db.commit()        return movie    @staticmethod    def find_by_id(db: Session, id: int) -> Movies:        return db.query(Movies).filter(Movies.id == id).first()    @staticmethod    def exists_by_id(db: Session, id: int) -> bool:        return db.query(Movies).filter(Movies.id == id).first() is not None    @staticmethod    def delete_by_id(db: Session, id: int) -> None:        movie = db.query(Movies).filter(Movies.id == id).first()        if movie is not None:            db.delete(movie)            db.commit()

模式

src/schemas.py文件将包含表示将在HTTP请求或响应的主体中接收和返回的数据的类。为了创建这些类，将使用Pydantic，这是一个安装FastAPI时附带的库。Pydantic旨在通过使用Python的Type Hints功能，提供一种更简单、更直接的方式来执行数据验证。

在MovieBase类中，拥有在请求和API响应中都存在的基本属性。创建这个类是为了减少代码的重复。请注意，除了使用Type Hints之外，duration_in_minutes和rating属性也使用了Pydantic验证。

另外，在MovieResponse类中创建了一个叫做Config（配置）的不同的类，用于向我们的Pydantic模型传递额外的配置。所做的配置将orm_mode选项设置为True，从而使类中的一个静态方法称为from_orm。这个类允许从ORM的一个模型类中创建一个Pydantic模型的实例。

from pydantic import BaseModel, Fieldclass MovieBase(BaseModel):    title: str    director: str    duration_in_minutes: int = Field(ge=0)    rating: int = Field(ge=1, le=5)class MovieRequest(MovieBase):    passclass MovieResponse(MovieBase):    id: int    class Config:        orm_mode = True

FastAPIs CRUD

现在准备创建src/main.py文件，在该文件中将实例化FastApi应用程序。除了FastAPI文件外，还将SQLAlchemy的元素导入该文件，以建立与数据库的连接、先前创建的模式类以及用于数据类型的类。

第一个函数是创建函数，它负责在数据库中注册电影。这个函数使用@app.post装饰器，这样路由就被解释为POST。在这个装饰器中，告知路由端点response_model，告知响应体中会包含什么类型的数据，最后是status_code，定义了成功请求后的预期HTTP状态。

在创建方法中，定义了一个叫做request的参数，它是MovieRequest的类型。这个参数接收在请求正文中传递的数据。还有一个名为db的第二个参数，其类型为Session，其默认值为Depends(get_db)指令。此刻正在执行依赖注入，FastAPI将执行get_db函数。这将返回一个LocalSession类的实例，它是数据库会话；然后它将把这个会话传递给创建函数。

列出所有电影、通过ID搜索电影、更新电影和删除电影的其他端点与创建端点的模式相同。所有的端点都有一个路由和一个HTTP动词，此外还有一些响应，例如在没有找到电影ID的情况下，会有一个失败的状态。

from fastapi import FastAPI, Depends, HTTPException, status, Responsefrom sqlalchemy.orm import Sessionfrom db.models import Moviesfrom db.database import engine, Base, get_dbfrom db.repositories import MovieRepositoryfrom schemas import MovieRequest, MovieResponseBase.metadata.create_all(bind=engine)app = FastAPI()@app.post(    "/api/movies", response_model=MovieResponse, status_code=status.HTTP_201_CREATED)def create(request: MovieRequest, db: Session = Depends(get_db)):    movie = MovieRepository.save(db, Movies(**request.dict()))    return MovieResponse.from_orm(movie)@app.get("/api/movies", response_model=list)def find_all(db: Session = Depends(get_db)):    movies = MovieRepository.find_all(db)    return [MovieResponse.from_orm(movie) for movie in movies]@app.get("/api/movies/{id}", response_model=MovieResponse)def find_by_id(id: int, db: Session = Depends(get_db)):    movie = MovieRepository.find_by_id(db, id)    if not movie:        raise HTTPException(            status_code=status.HTTP_404_NOT_FOUND, detail="movie not found"        )    return MovieResponse.from_orm(movie)@app.delete("/api/movies/{id}", status_code=status.HTTP_204_NO_CONTENT)def delete_by_id(id: int, db: Session = Depends(get_db)):    if not MovieRepository.exists_by_id(db, id):        raise HTTPException(            status_code=status.HTTP_404_NOT_FOUND, detail="movie not found"        )    MovieRepository.delete_by_id(db, id)    return Response(status_code=status.HTTP_204_NO_CONTENT)@app.put("/api/movies/{id}", response_model=MovieResponse)def update(id: int, request: MovieRequest, db: Session = Depends(get_db)):    if not MovieRepository.exists_by_id(db, id):        raise HTTPException(            status_code=status.HTTP_404_NOT_FOUND, detail="movie not found"        )    movie = MovieRepository.save(db, Movies(id=id, **request.dict()))    return MovieResponse.from_orm(movie)

运行应用程序

随着所有代码的准备就绪，现在可以运行应用程序。

uvicorn main:app --reload

自动文档

正如之前所看到的，FastAPI的主要功能之一是用OpenAPI轻松创建自动文档。在对应用程序进行本地部署之后，访问http://localhost:8000/docs route，可以找到一个包含所有端点、模型和验证的交互式文档，所有这些都是只用Pydantic和Type Hints创建的。

FastAPI vs. Flask vs. Django

当谈论用Python开发Web应用时，最流行的框架是Django和Flask。

Django于2005年发布，直到今天它都是最常用的框架，有大量的学习资料、库和活跃的社区。Django遵循单体结构，有自己的ORM，也有DRF等流行框架。由于它的结构，Django被认为是一个完整的框架，推荐用于复杂的应用程序。

另一方面，Flask被认为是与Django相反的。它被归类为一个微框架，使用模块化结构，可以使用不同的库和框架来构建应用程序。由于Flask的简单性和快速开发，它被推荐用于小型应用。

最终，FastAPI试图在关注性能的同时，在简单性和更多的本地功能之间取得平衡。该框架因使用了其他框架因过时而没有的较新功能而获得欢迎。建议在需要高性能、低延迟和高开发速度的工具中使用FastAPI。然而，人们应该考虑到，由于它是一个相对较新的框架，除了有一个较小的社区外，它没有如此大量的库。

结论

总之，FastAPI有几个优点，包括容易编码的应用程序，使用简单，学习迅速，有一个用户友好的界面，并与大多数Python库和工具兼容。

然而，像任何技术一样，它也有其局限性，例如，与Flask和Django等更成熟的框架相比，社区相对较小，教程和资源数量有限。最终，使用FastAPI的决定将取决于项目的具体需求和开发团队的经验。然而，凭借其速度和易用性，FastAPI肯定值得在未来的任何API开发项目中考虑。