大家好我是Java1234_小锋老师。写 API 接口你大概经历过这些参数校验写一堆 if-else、接口文档靠手抄、前后端联调来回扯皮。FastAPI 的出现就是把这几件事「顺手」做了——而且做得还挺好。一、先说说 FastAPI 是什么FastAPI 是一个用 Python 写 Web API 的框架2018 年由 Sebastian Ramirez 发布。它的核心思路很简单你只管写业务逻辑校验、文档、序列化这些脏活框架帮你扛。和传统框架比起来差别大概是这样如果你之前用过 Flask 或 Django REST Framework可以把它理解成Flask 的轻 DRF 的功能 更快的性能三者揉在一起。二、强在「少写代码多干正事」同样写一个「创建用户」的接口传统写法可能要手动解析 JSON逐个字段校验手动拼错误信息自己维护 Swagger 文档FastAPI 里你只需要定义一个「数据模型」剩下的它全包了。fromfastapiimportFastAPIfrompydanticimportBaseModel,EmailStr appFastAPI()classUserCreate(BaseModel):username:stremail:EmailStr age:intapp.post(/users)asyncdefcreate_user(user:UserCreate):# 走到这里user 已经是校验过的合法数据return{message:f用户{user.username}创建成功}就这么几行。客户端如果传了非法邮箱、年龄不是数字FastAPI 会自动返回 422 错误并告诉你哪个字段有问题——不用你写一行校验代码。三、强在「类型提示 自动校验」FastAPI 底层用的是PydanticPython 的类型注解在这里不是摆设而是实打实的校验规则。fromtypingimportOptionalfrompydanticimportBaseModel,FieldclassItem(BaseModel):name:strField(...,min_length1,max_length50,description商品名称)price:floatField(...,gt0,description价格必须大于0)tags:list[str][]is_active:Optional[bool]True上面这段代码做了几件事name长度限制 1~50price必须大于 0tags默认空列表所有字段的描述会自动出现在 API 文档里对开发者来说写类型就是在写校验规则IDE 还能自动补全改字段时编译器会提醒你哪里漏改了。下面这张图展示了请求进来之后数据是怎么被「拦下来检查」的用流程图看更直观失败通过客户端请求路由匹配Pydantic 校验返回 422 错误依赖注入执行业务逻辑返回 JSON 响应四、强在「文档不用你写它自己生」这是很多人爱上 FastAPI 的第一个理由。你启动服务后浏览器打开http://127.0.0.1:8000/docs—— Swagger UI 交互文档http://127.0.0.1:8000/redoc—— ReDoc 风格文档文档内容来自你的代码路由、参数、返回值、字段说明全部自动同步。改了代码文档跟着变不会出现「代码改了文档忘了改」的尴尬。前端同事可以直接在页面上点「Try it out」试接口后端也不用再单独维护一份 Postman 集合——省下来的时间够喝好几杯咖啡了。五、强在「异步跑得快」FastAPI 基于Starlette和Uvicorn原生支持async/await。处理 I/O 密集型任务查数据库、调第三方 API时异步不会阻塞整个进程。importhttpxfromfastapiimportFastAPI appFastAPI()app.get(/weather/{city})asyncdefget_weather(city:str):asyncwithhttpx.AsyncClient()asclient:# 等待外部 API 响应时不会卡住其他请求respawaitclient.get(fhttps://api.example.com/weather/{city})returnresp.json()性能方面FastAPI 在 TechEmpower 等基准测试里经常和 Node.js、Go 框架排在同一梯队。对于 Python 来说这成绩已经相当能打。当然如果你的接口全是 CPU 密集计算比如图像处理、大模型推理异步帮助有限那种场景该上 Celery 还是得上 Celery。但典型的 Web API 场景FastAPI 的性能完全够用。六、强在「依赖注入代码好拆」FastAPI 的依赖注入Dependency Injection是个被低估的功能。简单说把「获取数据库连接」「验证登录态」「分页参数解析」这些公共逻辑抽出来路由函数只关心自己该干的事。fromfastapiimportDepends,HTTPException,Headerfromsqlalchemy.ormimportSession# 模拟获取数据库会话defget_db():dbSessionLocal()try:yielddbfinally:db.close()# 模拟验证 Tokendefget_current_user(authorization:strHeader(...)):ifnotauthorization.startswith(Bearer ):raiseHTTPException(status_code401,detail未登录)tokenauthorization.replace(Bearer ,)userverify_token(token)# 你的验证逻辑ifnotuser:raiseHTTPException(status_code401,detailToken 无效)returnuserapp.get(/profile)asyncdefread_profile(userDepends(get_current_user),db:SessionDepends(get_db),):return{username:user.username,email:user.email}好处很明显鉴权逻辑写一次所有需要登录的接口Depends一下就行单元测试时可以轻松替换依赖mock 数据库、mock 用户代码结构清晰不会每个接口都复制粘贴一段if not token: return 401七、一个完整的小例子把上面几个特性串起来看一个稍微完整点的用户管理接口fromdatetimeimportdatetimefromtypingimportListfromfastapiimportFastAPI,Depends,HTTPExceptionfrompydanticimportBaseModel,EmailStr appFastAPI(title用户管理系统,version1.0.0)# ---------- 数据模型 ----------classUserCreate(BaseModel):username:stremail:EmailStrclassUserResponse(BaseModel):id:intusername:stremail:strcreated_at:datetime# ---------- 模拟数据库 ----------fake_db:list[dict][]_id_counter1# ---------- 路由 ----------app.post(/users,response_modelUserResponse,status_code201)asyncdefcreate_user(user:UserCreate):global_id_counter# 检查用户名是否重复ifany(u[username]user.usernameforuinfake_db):raiseHTTPException(status_code400,detail用户名已存在)new_user{id:_id_counter,username:user.username,email:user.email,created_at:datetime.now(),}fake_db.append(new_user)_id_counter1returnnew_userapp.get(/users,response_modelList[UserResponse])asyncdeflist_users():returnfake_dbapp.get(/users/{user_id},response_modelUserResponse)asyncdefget_user(user_id:int):foruinfake_db:ifu[id]user_id:returnuraiseHTTPException(status_code404,detail用户不存在)运行方式pipinstallfastapi uvicorn pydantic[email]uvicorn main:app--reload启动后访问http://127.0.0.1:8000/docs三个接口的文档、参数说明、在线测试全部就绪。八、写在最后FastAPI 的「强」不是某个单一黑科技而是把几件事组合到了一起能力带来的好处Pydantic 数据校验少写校验代码错误信息清晰自动生成 OpenAPI 文档前后端协作更顺畅原生异步支持I/O 密集场景性能优秀依赖注入公共逻辑复用代码结构清晰基于 Python 类型注解IDE 友好重构安全它适合的场景很清晰RESTful API、微服务、需要快速出活的后端项目。如果你要做传统的服务端渲染网页Django 可能更合适如果你只需要一个极简的小脚本Flask 也够用。但如果你正在写 API又希望代码干净、文档齐全、性能过得去——FastAPI 确实值得试试。上手门槛不高官方文档写得也好花一个下午跑通第一个项目大概就能感受到它「到底强在哪里」了。
大家好我是Java1234_小锋老师。写 API 接口你大概经历过这些参数校验写一堆 if-else、接口文档靠手抄、前后端联调来回扯皮。FastAPI 的出现就是把这几件事「顺手」做了——而且做得还挺好。一、先说说 FastAPI 是什么FastAPI 是一个用 Python 写 Web API 的框架2018 年由 Sebastian Ramirez 发布。它的核心思路很简单你只管写业务逻辑校验、文档、序列化这些脏活框架帮你扛。和传统框架比起来差别大概是这样如果你之前用过 Flask 或 Django REST Framework可以把它理解成Flask 的轻 DRF 的功能 更快的性能三者揉在一起。二、强在「少写代码多干正事」同样写一个「创建用户」的接口传统写法可能要手动解析 JSON逐个字段校验手动拼错误信息自己维护 Swagger 文档FastAPI 里你只需要定义一个「数据模型」剩下的它全包了。fromfastapiimportFastAPIfrompydanticimportBaseModel,EmailStr appFastAPI()classUserCreate(BaseModel):username:stremail:EmailStr age:intapp.post(/users)asyncdefcreate_user(user:UserCreate):# 走到这里user 已经是校验过的合法数据return{message:f用户{user.username}创建成功}就这么几行。客户端如果传了非法邮箱、年龄不是数字FastAPI 会自动返回 422 错误并告诉你哪个字段有问题——不用你写一行校验代码。三、强在「类型提示 自动校验」FastAPI 底层用的是PydanticPython 的类型注解在这里不是摆设而是实打实的校验规则。fromtypingimportOptionalfrompydanticimportBaseModel,FieldclassItem(BaseModel):name:strField(...,min_length1,max_length50,description商品名称)price:floatField(...,gt0,description价格必须大于0)tags:list[str][]is_active:Optional[bool]True上面这段代码做了几件事name长度限制 1~50price必须大于 0tags默认空列表所有字段的描述会自动出现在 API 文档里对开发者来说写类型就是在写校验规则IDE 还能自动补全改字段时编译器会提醒你哪里漏改了。下面这张图展示了请求进来之后数据是怎么被「拦下来检查」的用流程图看更直观失败通过客户端请求路由匹配Pydantic 校验返回 422 错误依赖注入执行业务逻辑返回 JSON 响应四、强在「文档不用你写它自己生」这是很多人爱上 FastAPI 的第一个理由。你启动服务后浏览器打开http://127.0.0.1:8000/docs—— Swagger UI 交互文档http://127.0.0.1:8000/redoc—— ReDoc 风格文档文档内容来自你的代码路由、参数、返回值、字段说明全部自动同步。改了代码文档跟着变不会出现「代码改了文档忘了改」的尴尬。前端同事可以直接在页面上点「Try it out」试接口后端也不用再单独维护一份 Postman 集合——省下来的时间够喝好几杯咖啡了。五、强在「异步跑得快」FastAPI 基于Starlette和Uvicorn原生支持async/await。处理 I/O 密集型任务查数据库、调第三方 API时异步不会阻塞整个进程。importhttpxfromfastapiimportFastAPI appFastAPI()app.get(/weather/{city})asyncdefget_weather(city:str):asyncwithhttpx.AsyncClient()asclient:# 等待外部 API 响应时不会卡住其他请求respawaitclient.get(fhttps://api.example.com/weather/{city})returnresp.json()性能方面FastAPI 在 TechEmpower 等基准测试里经常和 Node.js、Go 框架排在同一梯队。对于 Python 来说这成绩已经相当能打。当然如果你的接口全是 CPU 密集计算比如图像处理、大模型推理异步帮助有限那种场景该上 Celery 还是得上 Celery。但典型的 Web API 场景FastAPI 的性能完全够用。六、强在「依赖注入代码好拆」FastAPI 的依赖注入Dependency Injection是个被低估的功能。简单说把「获取数据库连接」「验证登录态」「分页参数解析」这些公共逻辑抽出来路由函数只关心自己该干的事。fromfastapiimportDepends,HTTPException,Headerfromsqlalchemy.ormimportSession# 模拟获取数据库会话defget_db():dbSessionLocal()try:yielddbfinally:db.close()# 模拟验证 Tokendefget_current_user(authorization:strHeader(...)):ifnotauthorization.startswith(Bearer ):raiseHTTPException(status_code401,detail未登录)tokenauthorization.replace(Bearer ,)userverify_token(token)# 你的验证逻辑ifnotuser:raiseHTTPException(status_code401,detailToken 无效)returnuserapp.get(/profile)asyncdefread_profile(userDepends(get_current_user),db:SessionDepends(get_db),):return{username:user.username,email:user.email}好处很明显鉴权逻辑写一次所有需要登录的接口Depends一下就行单元测试时可以轻松替换依赖mock 数据库、mock 用户代码结构清晰不会每个接口都复制粘贴一段if not token: return 401七、一个完整的小例子把上面几个特性串起来看一个稍微完整点的用户管理接口fromdatetimeimportdatetimefromtypingimportListfromfastapiimportFastAPI,Depends,HTTPExceptionfrompydanticimportBaseModel,EmailStr appFastAPI(title用户管理系统,version1.0.0)# ---------- 数据模型 ----------classUserCreate(BaseModel):username:stremail:EmailStrclassUserResponse(BaseModel):id:intusername:stremail:strcreated_at:datetime# ---------- 模拟数据库 ----------fake_db:list[dict][]_id_counter1# ---------- 路由 ----------app.post(/users,response_modelUserResponse,status_code201)asyncdefcreate_user(user:UserCreate):global_id_counter# 检查用户名是否重复ifany(u[username]user.usernameforuinfake_db):raiseHTTPException(status_code400,detail用户名已存在)new_user{id:_id_counter,username:user.username,email:user.email,created_at:datetime.now(),}fake_db.append(new_user)_id_counter1returnnew_userapp.get(/users,response_modelList[UserResponse])asyncdeflist_users():returnfake_dbapp.get(/users/{user_id},response_modelUserResponse)asyncdefget_user(user_id:int):foruinfake_db:ifu[id]user_id:returnuraiseHTTPException(status_code404,detail用户不存在)运行方式pipinstallfastapi uvicorn pydantic[email]uvicorn main:app--reload启动后访问http://127.0.0.1:8000/docs三个接口的文档、参数说明、在线测试全部就绪。八、写在最后FastAPI 的「强」不是某个单一黑科技而是把几件事组合到了一起能力带来的好处Pydantic 数据校验少写校验代码错误信息清晰自动生成 OpenAPI 文档前后端协作更顺畅原生异步支持I/O 密集场景性能优秀依赖注入公共逻辑复用代码结构清晰基于 Python 类型注解IDE 友好重构安全它适合的场景很清晰RESTful API、微服务、需要快速出活的后端项目。如果你要做传统的服务端渲染网页Django 可能更合适如果你只需要一个极简的小脚本Flask 也够用。但如果你正在写 API又希望代码干净、文档齐全、性能过得去——FastAPI 确实值得试试。上手门槛不高官方文档写得也好花一个下午跑通第一个项目大概就能感受到它「到底强在哪里」了。
凸包算法：Melkman原理与C++实现)
