核心特点

1. 高性能
   • 基于异步编程（async/await），性能接近 Node.js 和 Go。
   • 使用 Pydantic 进行数据解析和验证，减少运行时错误。
2. 类型安全
   • 完全支持 Python 类型提示，自动生成数据模型和验证逻辑。
   • 减少手动类型转换，提升代码可读性和可维护性。
3. 自动文档
   • 基于 OpenAPI 规范，自动生成交互式文档（Swagger UI 和 ReDoc）。
   • 支持直接在文档中测试 API 接口。
4. 简单易用
   • 简洁的装饰器语法，与 Flask 类似的路由定义方式。
   • 内置依赖注入系统，管理 API 端点的依赖关系。
5. 扩展性
   • 支持中间件、后台任务、CORS、认证等功能。
   • 与其他 Python 库（如 SQLAlchemy、Pandas）无缝集成。

基本概念

1. 路径操作装饰器
   使用 @app.get()、@app.post() 等装饰器定义 API 端点：
   python

   运行

   from fastapi import FastAPI
   
   app = FastAPI()
   
   @app.get("/")
   def read_root():
       return {"Hello": "World"}
   
2. 数据模型（Pydantic 模型）
   使用类型提示定义请求和响应数据结构：
   python

   运行

   from pydantic import BaseModel
   
   class Item(BaseModel):
       name: str
       price: float
       is_offer: bool = None
   
3. 依赖注入
   复用逻辑（如认证、数据库连接）：
   python

   运行

   from fastapi import Depends, FastAPI
   
   async def get_db():
       db = DBSession()
       try:
           yield db
       finally:
           db.close()
   
   @app.get("/items/")
   async def read_items(db = Depends(get_db)):
       return db.query(Item).all()
   
4. 路径参数和查询参数
   python

   运行

   @app.get("/items/{item_id}")
   async def read_item(item_id: int, q: str = None):
       return {"item_id": item_id, "q": q}
   

快速上手

1. 安装
   bash

   pip install fastapi uvicorn  # uvicorn 是 ASGI 服务器
   
2. 编写 API
   python

   运行

   # main.py
   from fastapi import FastAPI
   from pydantic import BaseModel
   
   app = FastAPI()
   
   class Item(BaseModel):
       name: str
       price: float
       is_offer: bool = None
   
   @app.get("/")
   def read_root():
       return {"Hello": "World"}
   
   @app.get("/items/{item_id}")
   def read_item(item_id: int, q: str = None):
       return {"item_id": item_id, "q": q}
   
   @app.post("/items/")
   def create_item(item: Item):
       return item
   
3. 运行服务器
   bash

   uvicorn main:app --reload  # --reload 用于开发模式自动重启
   
4. 访问文档
   打开浏览器访问：
   • http://localhost:8000/docs （Swagger UI）
   • http://localhost:8000/redoc （ReDoc）

生态系统与集成

• 数据库：支持 SQLAlchemy、Peewee、Tortoise ORM 等。
• 认证：集成 OAuth2、JWT、OpenID Connect 等。
• 缓存：结合 Redis 实现缓存机制。
• 测试：内置 TestClient，与 pytest 无缝集成。
• 部署：支持 Docker、Kubernetes、AWS Lambda 等。

应用场景

1. RESTful API：快速构建高性能的后端服务。
2. 微服务架构：轻量级框架，适合独立服务。
3. 数据处理 API：与 Pandas、NumPy 结合处理数据分析请求。
4. AI 模型部署：对外提供机器学习模型的推理接口。

优势与挑战

• 优势：
  • 开发效率高：类型提示和自动文档减少重复工作。
  • 性能卓越：异步处理适合高并发场景。
  • 社区活跃：GitHub 星标超过 65k，文档完善。
• 挑战：
  • 异步学习曲线：需理解 Python 异步编程概念。
  • 复杂查询处理：处理复杂数据库查询时可能不如 Django ORM 直观。

总结