FastAPI

What — 是什么

FastAPI 是基于 Starlette 和 Pydantic 的现代 Python Web 框架，以高性能、自动生成 API 文档和类型安全著称。

核心概念：

• Path Operation：@app.get("/items/{id}") 路由装饰器
• Pydantic Model：请求/响应的数据验证和序列化
• Dependency Injection：Depends() 声明式依赖注入
• ASGI：异步服务器网关接口，支持 WebSocket 和长连接

核心架构：

• 设计理念：类型驱动开发，自动推导文档和验证
• 核心模块：路由系统、Pydantic 验证、依赖注入、OpenAPI 生成
• 数据流：Request → 依赖注入 → 参数解析/验证 → Handler → 响应序列化

插件生态：

• 官方插件：无（核心足够完整）
• 社区热门插件：fastapi-users（用户认证）、sqlalchemy（ORM）、alembic（迁移）

Why — 为什么

适用场景：

• RESTful API 服务
• 微服务后端
• 机器学习模型服务
• 需要自动文档的 API 项目

对比同类框架：

优缺点：

• ✅ 优点：
  • 性能接近 Go/Node.js（基于 Starlette）
  • 自动生成 Swagger/ReDoc 文档
  • Pydantic 验证 + 类型提示，开发体验极佳
  • 原生 async/await 支持
• ❌ 缺点：
  • 生态不如 Flask/Django 成熟
  • 小型项目引入 Pydantic 可能过重
  • 需要理解 ASGI 与 WSGI 的区别

How — 怎么用

快速上手

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class Item(BaseModel):
    name: str
    price: float
    description: str | None = None

@app.post("/items/", response_model=Item)
async def create_item(item: Item):
    return item

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

uvicorn main:app --reload
# 访问 http://localhost:8000/docs 查看 Swagger 文档

代码示例

依赖注入：

from fastapi import Depends, HTTPException

async def get_current_user(token: str = Header(...)):
    user = verify_token(token)
    if not user:
        raise HTTPException(status_code=401, detail="Invalid token")
    return user

@app.get("/me")
async def read_me(user: User = Depends(get_current_user)):
    return user

数据库集成（SQLAlchemy async）：

from sqlalchemy.ext.asyncio import AsyncSession, create_async_engine
from sqlalchemy.orm import sessionmaker

engine = create_async_engine("postgresql+asyncpg://...")
AsyncSessionLocal = sessionmaker(engine, class_=AsyncSession)

async def get_db():
    async with AsyncSessionLocal() as session:
        yield session

@app.get("/users/{user_id}")
async def get_user(user_id: int, db: AsyncSession = Depends(get_db)):
    user = await db.get(User, user_id)
    if not user:
        raise HTTPException(status_code=404)
    return user

常见问题与踩坑

最佳实践

• 使用 response_model 控制响应字段和文档
• 业务逻辑抽到 service 层，Handler 只做参数处理
• 使用 APIRouter 按模块拆分路由
• 生产环境用 Gunicorn + Uvicorn workers

面试题

Q1: FastAPI 如何支持异步？同步路由和异步路由有什么区别？

FastAPI 基于 ASGI（Starlette），路由函数可用 async def 定义，在事件循环中协程式执行；也可用普通 def 定义，FastAPI 会自动将其放入线程池执行以避免阻塞事件循环。异步路由适合 I/O 密集操作，同步路由适合调用阻塞库。

Q2: FastAPI 的依赖注入是如何工作的？

通过 Depends() 声明依赖，FastAPI 在请求到达时自动解析并注入。依赖可以是函数或类，支持嵌套依赖（依赖中再声明依赖），每次请求默认重新创建实例。类似 pytest 的 fixture 机制，实现了解耦和复用。

Q3: Pydantic 在 FastAPI 中起什么作用？请求校验的流程是什么？

Pydantic 负责请求体的反序列化和类型校验、响应体的序列化和字段过滤。流程：请求到达 → FastAPI 按参数类型注解解析路径/查询/请求体 → Pydantic Model 校验数据类型和约束 → 校验失败返回 422 + 详细错误信息 → 校验通过传入路由函数。

Q4: FastAPI 和 Flask 的核心区别是什么？

FastAPI 基于 ASGI 支持原生异步，Flask 基于 WSGI 仅同步；FastAPI 自动生成 OpenAPI 文档，Flask 需手动或借助扩展；FastAPI 内置 Pydantic 类型校验，Flask 需手动校验；FastAPI 原生支持依赖注入，Flask 无此机制。Flask 生态更成熟，FastAPI 开发体验更现代。

Q5: FastAPI 中如何实现中间件？

使用 @app.middleware("http") 装饰器定义，在请求到达路由前和响应返回后执行自定义逻辑（如日志、CORS、认证）。内部机制基于 Starlette 中间件，调用 await call_next(request) 将请求传递给下一层处理。

Q6: FastAPI 的 APIRouter 有什么作用？如何组织大型项目？

APIRouter 是路由分组工具，类似 Flask 的蓝图。它将相关路由组织到独立模块中，设置公共前缀（prefix="/api/v1"）、标签（tags=["users"]）和依赖（dependencies=[Depends(verify_token)]）。大型项目按业务域拆分 Router：users.router、orders.router，在主 app 中 app.include_router() 注册。每个 Router 可以有独立的依赖、中间件和响应模型。

Q7: FastAPI 如何处理文件上传？

使用 UploadFile 类型注解：file: UploadFile = File(...)。UploadFile 是 SpooledTemporaryFile 的封装，大文件自动写入磁盘而非全部加载到内存。属性：file.filename（原始文件名）、file.content_type（MIME 类型）、file.file（文件对象）。多文件用 files: list[UploadFile]。读取内容：contents = await file.read() 或 shutil.copyfileobj(file.file, dest)。

Q8: FastAPI 如何实现后台任务？

两种方式：1) BackgroundTasks——在响应返回后执行轻量任务，background_tasks.add_task(func, *args)，适合发送邮件/日志等简单操作；2) Celery/ARQ——独立的工作队列，支持重试/定时/监控，适合耗时任务（数据处理/报表生成）。BackgroundTasks 是进程内的，随服务重启丢失；Celery 是持久化的，任务不丢失。轻量用前者，重量用后者。

相关链接：

• 异步编程
• Pydantic与数据验证
• Web中间件与请求处理
• Django
• FastAPI 官方文档