基于FastApi框架的后端服务实践案例

      去年在做大模型部署和服务开发研究过程中，接触到如何将大模型的对话封装成服务，供任何消费端调用，详见之前的大模型应用文章，之后，为了实现NLP分词和实体识别，也基于tornado框架编写了后端服务，详见那篇文章，最近在利用python在做后端数据处理过程中，发现从响应性能、框架灵活性和安全可靠性等角度来综合考虑，总体推荐基于FastApi框架来编写不同类型的后端服务，因此记录并分享给大家。本文主要采用FastApi框架实现http web服务，支持储层研究方面的趋势分析、倾向计算等专业算法实现，实现了如何跨域访问、如何设置白名单、如何设置静态资源，同时包括了常见的get/post请求的处理、单文件/多文件上传解析，并且结合了swagger，实现了服务端接口文档的自动编写和测试发布说明等（需要事先下载好swagger的相关资源，并放置在static的swagger目录下）。当然，目前大部分应用系统的后端统一采用基于java开发，