python高性能后端_（入门篇）Python框架之FastAPI——一个比Flask和Tornado更高性能的API 框架...

用官方的话来说，FastAPI 是一种现代，快速(高性能)的 Web 框架，基于标准Python 类型提示使用 Python 3.6+ 构建 API

FastAPI 站在巨人的肩膀上？

很大程度上来说，这个巨人就是指 Flask 框架。

FastAPI 从语法上和 Flask 非常的相似，有异曲同工之妙。

技术背景：Py3.6+，Starlette，Pydantic

其实不仅仅是 FastAPI ，就连 Sanic 也是基于 Flask 快速开发的 Web API 框架。

废话少说，代码总是能给人带来愉悦感 (抱头)，直接开怼。

安装

pip install fastapi

pip install uvicorn复制代码

创建一个 main.py 文件

from fastapi import FastAPI

app = FastAPI() # 创建 api 对象

@app.get("/") # 根路由

def root():

return {"武汉": "加油！！！"}

@app.get("/say/{data}")

def say(data: str,q: int):

return {"data": data, "item": q}复制代码

上面搭建了一个最简单的 FastAPI 应用，看起来和 Flask 完全一样，莫名的喜感。

使用以下命令来启动服务器：

uvicorn main:app --reload复制代码

FastAPI 推荐使用 uvicorn 来运行服务，Uvicorn 是基于uvloop 和 httptools 构建的闪电般快速的 ASGI 服务器。

uvicorn main:app 指的是：

main：文件main.py

app: 创建的启用对象

--reload: 热启动，方便代码的开发

启动界面如下：

INFO 信息告诉我们已经监听了本地的 8000 端口，访问 http://127.0.0.1:8000 得到结果

传入参数

再来看看 FastAPI 的异步代码

from fastapi import FastAPI

app = FastAPI() # 创建 api 对象

@app.get("/") # 根路由

async def root():

return {"武汉": "加油！！！"}

@app.get("/say/{data}")

async def say(data: str,q: int = None):

return {"data": data, "q": q}复制代码

开启服务后访问结果是一样的。

在上面的路由方法中，我们传入了一个 q 参数并且初始为 None，如果不给默认值，并且不传参，代码将直接报错。

来看看 FastAPI 是如何处理错误的：

可以看到，即使是报错，也是优美的输入一个带有错误字段的 JSON，这就非常的友好了，这也是体现了 FastAPI 减少更多的人为错误的特性，返回也更加的简洁直观。

在命令行输出：

再来看看 FastAPI 的交互文档

看到：

支持动态传入数据：

结果：

从交互体验上也是无比的友好，让代码在生产中更加健壮。

现在我们算是快速的体验了一波 FastAPI 骚操作，从代码上和 Flask 及其的类似，体验性更好。

那么再来看看最新的 Python web框架的性能响应排行版

从并发性上来说是完全碾压了 Flask (实际上也领先了同为异步框架的tornado 不少)，看来 FastAPI 也真不是盖的，名副其实的高性能 API 框架呀！

查询参数

先来看看官方小 demo

from fastapi import FastAPI

app = FastAPI()

fake_items_db = [{"item_name": "Foo"}, {"item_name": "Bar"}, {"item_name": "Baz"}]

@app.get("/items/")

async def read_item(skip: int = 0, limit: int = 10):

return fake_items_db[skip : skip + limit]复制代码

该查询是 ? URL中位于关键字之后的一组键值对，以&字符分隔。

在 url 中进行查询

skip：查询的起始参数

limit：查询的结束参数

成功返回查询列表。

查询参数类型转换

FastAPI 非常聪明，足以辨别 路径参数 和 查询参数。

来看看具体的例子：

from fastapi import FastAPI

app = FastAPI()

@app.get("/items/{item_id}")

async def read_item(item_id: str, q: str = None, short: bool = False):

item = {"item_id": item_id}

if q:

item.update({"q": q})

if not short:

item.update(

{"description": "This is an amazing item that has a long description"}

)

return item复制代码

看看其访问路径，执行以下的任何一种 url 访问方式

可以发现任何大小写的字母等都会被转换成 bool 值的参数 True，这就是所谓模糊验证参数，对于开发者来说这是个好消息。

要知道的是，如果 short 参数没有默认值，则必须传参，否则 FastAPI 将会返回类似以下的错误信息。

{

"detail": [

{

"loc": [

"query",

"needy"

],

"msg": "field required",

"type": "value_error.missing"

}

]

}复制代码

创建数据模型

前面说到 FastAPI 依赖 Pydantic 模块，所以首先，你需要导入 Pydantic 的 BaseModel 类。

from fastapi import FastAPI

from pydantic import BaseModel

# 请求主体类

class Item(BaseModel):

name: str = "武汉加油 ！！"

description: str = None

price: float = 233

tax: float = None

app = FastAPI()

@app.post("/items/")

async def create_item(item: Item):

return item复制代码

发送 post 请求来提交一个 Item(请求主体) 并返回，来看看提交过程。

成功提交并返回 200 状态码

请求主体+路径+查询参数，在请求主体的基础上加入 url 动态路径参数 和 查询参数

from fastapi import FastAPI

from pydantic import BaseModel

class Item(BaseModel):

name: str

description: str = None

price: float

tax: float = None

app = FastAPI()

@app.put("/items/{item_id}")

async def create_item(item_id: int, item: Item, q: str = None):

result = {"item_id": item_id, **item.dict()}

if q:

result.update({"q": q})

return result复制代码

put 方法用于更新，传入参数后成功返回一个字典。

关于模板引擎

FastAPI 不像 Flask 那样自带 模板引擎(Jinja2)，也就是说没有默认的模板引擎，从另一个角度上说，FastAPI 在模板引擎的选择上变得更加灵活，极度舒适。

以 Jinja2 模板为例

安装依赖

pip install jinja2

pip install aiofiles # 用于 fastapi 的异步静态文件复制代码

具体的用法

# -*- coding:utf-8 -*-

from fastapi import FastAPI, Request

from fastapi.staticfiles import StaticFiles

from fastapi.templating import Jinja2Templates

import uvicorn

app = FastAPI()

app.mount("/static", StaticFiles(directory="static"), name="static") # 挂载静态文件，指定目录

templates = Jinja2Templates(directory="templates") # 模板目录

@app.get("/data/{data}")

async def read_data(request: Request, data: str):

return templates.TemplateResponse("index.html", {"request": request, "data": data})

if __name__ == '__main__':

uvicorn.run(app, host="127.0.0.1", port=8000)复制代码

html 文件渲染

武汉加油

高呼: {{ data }}

复制代码

值得注意的是，在返回的 TemplateRespone 响应时，必须带上 request 的上下文对象，传入参数放在同一字典。

这样一来，又可以像 Flask 一样的使用熟悉的 Jinja2 了，哈哈。

做个小总结的话就是 FastAPI 在用法上也是及其简单，速度更快，性能更好，容错率更高，整体上更牛逼。但是我在设想如此之快的框架，毕竟发布的时间不长，缺少像 Flask 框架的第三方库和各种插件，所以要想真正意义上替代还是需要一定的时间，要冷静，冷静。

好啊，至此 FastAPI 的一些基本用法就差不多结束啦，FastAPI 的官方文档有详细的介绍和实例，入门篇到此结束。