FastAPI 是 Python 中面向 API 的现代 Web 框架，底层基于 Starlette（ASGI 高性能框架）和 Pydantic（数据验证库），并把 Python 类型提示纳入路由、参数和响应模型处理。它的核心卖点集中在三处：异步并发能力、自动数据校验、自动生成交互式文档。最小示例：
- from fastapi import FastAPI
- app = FastAPI()
- @app.get('/')
- async def read_root():
- return {'message': 'Hello, FastAPI!'}
这段代码创建了一个完整 API 端点，也是 FastAPI 路由写法的起点。
性能对比数据来自 Techempower Web Framework Benchmarks (Round 20)：
FastAPI：约 25,000 请求/秒，延迟 2.1 ms，支持异步；
Flask：约 2,300 请求/秒，延迟 18.5 ms，不支持异步；
Django：约 1,900 请求/秒，延迟 22.3 ms，部分支持异步。
从这组数据看，FastAPI 在高并发 API 场景中相对 Flask、Django 可达到 10 倍以上吞吐提升。
同步和异步写法的差异可用下面代码验证。原文示例使用 time.sleep 模拟 IO，异步版本用 await asyncio.sleep；注意原文未显式给出 import asyncio，实际运行需要补上，否则会触发 NameError。
- import time
- import asyncio
- from fastapi import FastAPI
- app = FastAPI()
- @app.get('/sync')
- def sync_endpoint():
- start_time = time.time()
- for i in range(10):
- time.sleep(1)
- return {'time': time.time() - start_time}
- @app.get('/async')
- async def async_endpoint():
- start_time = time.time()
- for i in range(10):
- await asyncio.sleep(1)
- return {'time': time.time() - start_time}
原文给出的测试结果是：同步 10 次耗时 10.02 秒；异步 10 次耗时 1.01 秒；异步 100 次耗时 1.03 秒；异步 1000 次耗时 1.12 秒。原理是：同步代码里的 time.sleep(1) 会阻塞当前线程，后续请求只能排队；异步代码用 await asyncio.sleep(1)，等待期间事件循环可以调度其他请求，从而提升并发处理能力。原文还称当循环次数增加到 10000 次时，异步版本仍能在约 1 秒内完成，而同步版本需要 10000 秒。这里需要结合场景理解：异步优势主要体现在多个请求并发被事件循环调度时；如果是在单个请求内部连续 await 10000 次，等待时间仍会累计，不能把单请求串行等待直接压到 1 秒。压测时应区分单请求串行耗时与并发请求吞吐。
FastAPI 的开发体验同样依赖类型系统。用 Pydantic 定义 Item 模型后，请求体会被自动验证和转换：
- from pydantic import BaseModel
- class Item(BaseModel):
- name: str
- price: float
- is_offer: bool = None
- @app.put('/items/{item_id}')
- async def update_item(item_id: int, item: Item):
- return {'item_id': item_id, 'item_name': item.name}
这段代码中 item_id 会被转换为 int，item 必须符合 Item 模型；name、price 为必填，is_offer 默认 None。原文使用 is_offer: bool = None，更严格的类型写法可考虑 Optional[bool] 或 bool | None，具体取决于 Python 与 Pydantic 版本。FastAPI 还会从这些声明自动生成 API 文档：访问 /docs 得到 Swagger UI，访问 /redoc 得到 ReDoc。
企业采用案例方面，原文列出 Uber 将 FastAPI 用于部分内部微服务，Netflix 用其构建某些数据科学 API，微软在部分 AI 服务中以 FastAPI 作为接口层。原文还给出电商平台迁移数据：原有 Flask 服务每秒处理 200 订单，迁移到 FastAPI 后提升到 2200 订单/秒，开发时间缩短 30%，主要收益来自自动验证和文档生成。
继续深入 FastAPI，可围绕这些模块展开：路由与请求处理，包括路径参数和查询参数；依赖注入系统；中间件与背景任务；OAuth2、JWT 等安全认证；SQLAlchemy 或 Tortoise-ORM 数据库集成。原文给出的复杂路由示例如下：
- @app.get('/users/{user_id}')
- async def read_user(
- user_id: int,
- q: str = None,
- short: bool = False
- ):
- user = get_user(user_id)
- if q:
- user['q'] = q
- if not short:
- user.update({'detail': 'This is detailed info'})
- return user
其中 user_id 是路径参数并被声明为 int，q 和 short 是可选查询参数，short 控制是否附加详细字段。整体来看，FastAPI 的“快”不是单一因素，而是 Starlette ASGI 异步栈、Pydantic 验证、类型提示驱动开发和自动文档共同作用的结果；适合构建高并发 API、微服务接口层以及需要快速产出文档的后端服务。 |
发表于