Python一直是开发轻量级web应用程序的热门选择,这要归功于Flask、Django、Falcon等许多优秀的框架。由于Python是机器学习的头号语言,打包模型并将其作为服务公开尤其方便。
多年来,Flask一直是这项工作的头号工具,但如果你没有听说过,现在有一个新的挑战者。FastAPI是Python的一个相对较新的web框架,它从它的前辈那里汲取灵感,完善它们并修复其许多缺陷。建立在Starlette之上,它带来了一大堆令人敬畏的功能。
简单但精彩的UI
所有的web框架都需要在功能和给开发者自由之间取得平衡。Django很强大,但非常固执己见。另一方面,Flask的级别很低,可以提供很大的自由度,但是还有很多事情需要用户去做。FastAPI更多的站在Flask一边,但它设法达到了一个更好的平衡。
举个例子,让我们看看在FastAPI中如何定义端点。
from fastapi import FastAPI
from pydantic import BaseModel
class User(BaseModel):
email: str
password: str
app = FastAPI()
@app.post("/login")
def login(user: User):
# ...
# do some magic
# ...
return {"msg": "login successful"}
为了定义模式,它使用Pydantic,这是另一个很棒的Python库,用于数据验证。这在这里很简单,但有太多事情是在后台发生的。验证输入的责任委托给了FastAPI。如果请求不正确,例如"email"字段包含一个int,则会返回相应的错误代码,而不是应用程序因可怕的内部服务器错误(500)而崩溃。
这个简单的示例应用程序可以与uvicorn一起使用:
uvicorn main:app
现在应用程序可以接受请求了,向接口服务器发送以下请求:
curl -X POST "http://localhost:8000/login" -H "accept: application/json" -H "Content-Type: application/json" -d "{\"email\":\"string\",\"password\":\"string\"}"
锦上添花的是,它使用交互式swaggerui根据OpenAPI自动生成文档。
异步
与Node.js或Go中的框架相比,pythonwsgiweb框架的最大缺点之一是无法异步处理请求。自从引入ASGI之后,这不再是一个问题,而FastAPI正充分利用了这一点。您只需使用"async"关键字如下:
@app.post("/")
async def endpoint():
# ...
# call async functions here with `await`
# ...
return {"msg": "FastAPI is awesome!"}
依赖性注入
FastAPI有一种非常酷的方法来管理依赖关系。尽管不是强制要求开发人员这样做,但强烈建议使用内置注入系统来处理端点中的依赖关系。
举个例子,让我们编写一个端点,用户可以在其中向某些文章发表评论。
from fastapi import FastAPI, Depends
from pydantic import BaseModel
class Comment(BaseModel):
username: str
content: str
app = FastAPI()
database = {
"articles": {
1: {
"title": "Top 3 Reasons to Start Using FastAPI Now",
"comments": []
}
}
}
def get_database():
return database
@app.post("/articles/{article_id}/comments")
def post_comment(article_id: int, comment: Comment, database = Depends(get_database)):
database["articles"][article_id]["comments"].append(comment)
return {"msg": "comment posted!"}
当请求断点时FastAPI自动运行get_database函数,因此可以根据需要使用返回值。这么做至少有两个好的理由:
- 可以通过修改app.dependency_overrides覆盖依赖。这使得测试变得轻而易举,因为您可以轻松地模拟对象。
- 依赖性(在get_database函数的例子中)可以执行更复杂的检查,允许您将它们与业务逻辑分开。这大大简化了事情,例如,用户身份验证可以很容易地用这个实现。
易于与数据库集成
SQL,MongoDB,Redis,或者任何你选择的东西,FastAPI不会强迫你去构建你的应用程序。如果您曾经尝试过使用Django来处理MongoDB,您就会知道这是多么痛苦。有了FastAPI,您不必再费劲了,将数据库添加到程序中是非常简单的。
from fastapi import FastAPI, Depends
from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
engine = create_engine("sqlite:///./database.db")
Session = sessionmaker(bind=engine)
def get_db():
return Session()
app = FastAPI()
@app.get("/")
def an_endpoint_using_sql(db = Depends(get_db)):
# ...
# do some SQLAlchemy
# ...
return {"msg": "an exceptionally successful operation!"}
GraphQL支持
当您使用复杂的数据模型时,REST可能是一个严重的障碍。当前端的微小变化需要更新端点的模式时,这绝对不是一件有趣的事。GraphQL在这些情况下非常出色。尽管GraphQL支持在pythonweb框架中并不唯一,Graphene和FastAPI可以无缝地协同工作。
出色的文档
当然,如果没有同样优秀的文档,一个好的框架就不能真正发光。Django、Flask和其他所有公司在这方面都很出色,但FastAPI与他们不相上下。当然,由于它更年轻,还没有关于它的书,但这只是时间问题。
如果你想看看FastAPI的实际应用,我有一个完美的指南给你!我已经写了一个详细的教程,你可以使用FastAPI,Docker Compose和GitHub部署你的机器学习模型。
总之,无论您是在寻找一个轻量级的框架来服务于您的深度学习模型,还是更复杂的东西,FastAPI都可以解决问题。如果你还没试过,我强烈建议你这样做,你肯定会爱上这个工具。
原文出处:Medium
作者:Tivadar Danka
原文标题:You Should Start Using FastAPI Now
你们的点赞和收藏是我们最大的创作动力,我们每天都会为大家带来数据科学和量化交易领域的精品内容。
蜂鸟数据:开源金融数据接口,一个API连接世界金融市场。
蜂鸟数据团队由业界顶尖的数据工程师,数据科学家和宽客组成,我们正努力构建一个开源的金融数据库,并提供API接口,目标是令金融数据开源化和平民化。
浏览并测试我们接口吧,目前覆盖股票,外汇,商品期货,数字货币和宏观经济领域,包括实时报价(tick)和历史数据(分钟),提供REST API和Websocket两种接入方式,能够满足金融分析师,量化交易和理财app的需求。