FastAPI
FastAPI 框架,高性能,易于学习,高效编码,生产可用
文档: https://fastapi.tiangolo.com
源码: https://github.com/tiangolo/fastapi
FastAPI 是一个用于构建 API 的现代、快速(高性能)的 web 框架,使用 Python 3.6+ 并基于标准的 Python 类型提示。
关键特性:
快速:可与 NodeJS 和 Go 并肩的极高性能(归功于 Starlette 和 Pydantic)。最快的 Python web 框架之一。
高效编码:提高功能开发速度约 200% 至 300%。*
更少 bug:减少约 40% 的人为(开发者)导致错误。*
- 智能:极佳的编辑器支持。处处皆可自动补全,减少调试时间。
- 简单:设计的易于使用和学习,阅读文档的时间更短。
- 简短:使代码重复最小化。通过不同的参数声明实现丰富功能。bug 更少。
- 健壮:生产可用级别的代码。还有自动生成的交互式文档。
- 标准化:基于(并完全兼容)API 的相关开放标准:OpenAPI (以前被称为 Swagger) 和 JSON Schema。
* 根据对某个构建线上应用的内部开发团队所进行的测试估算得出。
Sponsors
评价
「[…] 最近我一直在使用 FastAPI。[…] 实际上我正在计划将其用于我所在的微软团队的所有机器学习服务。其中一些服务正被集成进核心 Windows 产品和一些 Office 产品。」
Kabir Khan - 微软 (ref)
「我们选择了 FastAPI 来创建用于获取预测结果的 REST 服务。[用于 Ludwig]」
Piero Molino,Yaroslav Dudin 和 Sai Sumanth Miryala - Uber (ref)
「Netflix 非常高兴地宣布,正式开源我们的危机管理编排框架:Dispatch![使用 FastAPI 构建]」
Kevin Glisson,Marc Vilanova,Forest Monsen - Netflix (ref)
「FastAPI 让我兴奋的欣喜若狂。它太棒了!」
Brian Okken - Python Bytes 播客主持人 (ref)
「老实说,你的作品看起来非常可靠和优美。在很多方面,这就是我想让 Hug 成为的样子 - 看到有人实现了它真的很鼓舞人心。」
Timothy Crosley - Hug 作者 (ref)
「如果你正打算学习一个现代框架用来构建 REST API,来看下 FastAPI […] 它快速、易用且易于学习 […]」
「我们已经将 API 服务切换到了 FastAPI […] 我认为你会喜欢它的 […]」
Ines Montani - Matthew Honnibal - Explosion AI 创始人 - spaCy 作者 (ref) - (ref)
Typer,命令行中的 FastAPI
如果你正在开发一个在终端中运行的命令行应用而不是 web API,不妨试下 Typer。
Typer 是 FastAPI 的小同胞。它想要成为命令行中的 FastAPI。 ⌨️ 🚀
依赖
Python 3.6 及更高版本
FastAPI 站在以下巨人的肩膀之上:
安装
你还会需要一个 ASGI 服务器,生产环境可以使用 Uvicorn 或者 Hypercorn。
示例
创建
- 创建一个
main.py
文件并写入以下内容:
from typing import Union
from fastapi import FastAPI
app = FastAPI()
@app.get("/")
def read_root():
return {"Hello": "World"}
@app.get("/items/{item_id}")
def read_item(item_id: int, q: Union[str, None] = None):
return {"item_id": item_id, "q": q}
或者使用 async def
…
如果你的代码里会出现 async
/ await
,请使用 async def
:
from typing import Union
from fastapi import FastAPI
app = FastAPI()
@app.get("/")
async def read_root():
return {"Hello": "World"}
@app.get("/items/{item_id}")
async def read_item(item_id: int, q: Union[str, None] = None):
return {"item_id": item_id, "q": q}
Note:
如果你不知道是否会用到,可以查看文档的 “In a hurry?” 章节中 关于 async 和 await 的部分。
运行
通过以下命令运行服务器:
关于 uvicorn main:app --reload
命令……
uvicorn main:app
命令含义如下:
main
:main.py
文件(一个 Python “模块”)。app
:在main.py
文件中通过app = FastAPI()
创建的对象。--reload
:让服务器在更新代码后重新启动。仅在开发时使用该选项。
检查
使用浏览器访问 http://127.0.0.1:8000/items/5?q=somequery。
你将会看到如下 JSON 响应:
{"item_id": 5, "q": "somequery"}
你已经创建了一个具有以下功能的 API:
- 通过 路径
/
和/items/{item_id}
接受 HTTP 请求。 - 以上 路径 都接受
GET
操作(也被称为 HTTP 方法)。 /items/{item_id}
路径 有一个 路径参数item_id
并且应该为int
类型。/items/{item_id}
路径 有一个可选的str
类型的 查询参数q
。
交互式 API 文档
现在访问 http://127.0.0.1:8000/docs。
你会看到自动生成的交互式 API 文档(由 Swagger UI生成):
可选的 API 文档
访问 http://127.0.0.1:8000/redoc。
你会看到另一个自动生成的文档(由 ReDoc 生成):
示例升级
现在修改 main.py
文件来从 PUT
请求中接收请求体。
我们借助 Pydantic 来使用标准的 Python 类型声明请求体。
from typing import Union
from fastapi import FastAPI
from pydantic import BaseModel
app = FastAPI()
class Item(BaseModel):
name: str
price: float
is_offer: Union[bool, None] = None
@app.get("/")
def read_root():
return {"Hello": "World"}
@app.get("/items/{item_id}")
def read_item(item_id: int, q: Union[str, None] = None):
return {"item_id": item_id, "q": q}
@app.put("/items/{item_id}")
def update_item(item_id: int, item: Item):
return {"item_name": item.name, "item_id": item_id}
服务器将会自动重载(因为在上面的步骤中你向 uvicorn
命令添加了 --reload
选项)。
交互式 API 文档升级
访问 http://127.0.0.1:8000/docs。
- 交互式 API 文档将会自动更新,并加入新的请求体:
- 点击「Try it out」按钮,之后你可以填写参数并直接调用 API:
- 然后点击「Execute」按钮,用户界面将会和 API 进行通信,发送参数,获取结果并在屏幕上展示:
可选文档升级
访问 http://127.0.0.1:8000/redoc。
- 可选文档同样会体现新加入的请求参数和请求体:
总结
总的来说,你就像声明函数的参数类型一样只声明了一次请求参数、请求体等的类型。
你使用了标准的现代 Python 类型来完成声明。
你不需要去学习新的语法、了解特定库的方法或类,等等。
只需要使用标准的 Python 3.6 及更高版本。
举个例子,比如声明 int
类型:
item_id: int
或者一个更复杂的 Item
模型:
item: Item
……在进行一次声明之后,你将获得:
- 编辑器支持,包括:
- 自动补全
- 类型检查
- 数据校验:
- 在校验失败时自动生成清晰的错误信息
- 对多层嵌套的 JSON 对象依然执行校验
- 转换 来自网络请求的输入数据为 Python 数据类型。包括以下数据:
- JSON
- 路径参数
- 查询参数
- Cookies
- 请求头
- 表单
- 文件
- 转换 输出的数据:转换 Python 数据类型为供网络传输的 JSON 数据:
- 转换 Python 基础类型 (
str
、int
、float
、bool
、list
等) datetime
对象UUID
对象- 数据库模型
- ……以及更多其他类型
- 转换 Python 基础类型 (
- 自动生成的交互式 API 文档,包括两种可选的用户界面:
- Swagger UI
- ReDoc
回到前面的代码示例,FastAPI 将会:
- 校验
GET
和PUT
请求的路径中是否含有item_id
。 - 校验
GET
和PUT
请求中的item_id
是否为int
类型。- 如果不是,客户端将会收到清晰有用的错误信息。
- 检查
GET
请求中是否有命名为q
的可选查询参数(比如http://127.0.0.1:8000/items/foo?q=somequery
)。- 因为
q
被声明为= None
,所以它是可选的。 - 如果没有
None
它将会是必需的 (如PUT
例子中的请求体)。
- 因为
- 对于访问
/items/{item_id}
的PUT
请求,将请求体读取为 JSON 并:- 检查是否有必需属性
name
并且值为str
类型 。 - 检查是否有必需属性
price
并且值为float
类型。 - 检查是否有可选属性
is_offer
, 如果有的话值应该为bool
类型。 - 以上过程对于多层嵌套的 JSON 对象同样也会执行
- 检查是否有必需属性
- 自动对 JSON 进行转换或转换成 JSON。
- 通过 OpenAPI 文档来记录所有内容,可被用于:
- 交互式文档系统
- 许多编程语言的客户端代码自动生成系统
- 直接提供 2 种交互式文档 web 界面。
虽然我们才刚刚开始,但其实你已经了解了这一切是如何工作的。
尝试更改下面这行代码:
return {"item_name": item.name, "item_id": item_id}
……从:
... "item_name": item.name ...
……改为:
... "item_price": item.price ...
……注意观察编辑器是如何自动补全属性并且还知道它们的类型:
教程 - 用户指南 中有包含更多特性的更完整示例。
剧透警告: 教程 - 用户指南中的内容有:
- 对来自不同地方的参数进行声明,如:请求头、cookies、form 表单以及上传的文件。
- 如何设置校验约束如
maximum_length
或者regex
。 - 一个强大并易于使用的 依赖注入 系统。
- 安全性和身份验证,包括通过 JWT 令牌和 HTTP 基本身份认证来支持 OAuth2。
- 更进阶(但同样简单)的技巧来声明 多层嵌套 JSON 模型 (借助 Pydantic)。
- 许多额外功能(归功于 Starlette)比如:
- WebSockets
- GraphQL
- 基于 HTTPX 和
pytest
的极其简单的测试 - CORS
- Cookie Sessions
- ……以及更多
性能
独立机构 TechEmpower 所作的基准测试结果显示,基于 Uvicorn 运行的 FastAPI 程序是 最快的 Python web 框架之一,仅次于 Starlette 和 Uvicorn 本身(FastAPI 内部使用了它们)。(*)
想了解更多,请查阅 基准测试 章节。
可选依赖
用于 Pydantic:
- ujson - 更快的 JSON 「解析」。
- email_validator - 用于 email 校验。
用于 Starlette:
- httpx - 使用
TestClient
时安装。 - jinja2 - 使用默认模板配置时安装。
- python-multipart - 需要通过
request.form()
对表单进行「解析」时安装。 - itsdangerous - 需要
SessionMiddleware
支持时安装。 - pyyaml - 使用 Starlette 提供的
SchemaGenerator
时安装(有 FastAPI 你可能并不需要它)。 - graphene - 需要
GraphQLApp
支持时安装。 - ujson - 使用
UJSONResponse
时安装。
用于 FastAPI / Starlette:
你可以通过 pip install fastapi[all]
命令来安装以上所有依赖。
许可协议
该项目遵循 MIT 许可协议。