FastAPI——优点、缺点和不足之处。
优点
缺点
丑陋的
入门
FastAPI 是一个相对较新的 Python Web 框架，号称是目前速度最快的 Python 框架之一。在本文中，我将根据我短暂的使用经验，探讨该框架的优缺点。我还会提供一些示例和解决方案，以尽量减少其缺点。
优点
1. 这确实是快速API
FastAPIFlask与其他主流 Python 框架（例如和 ）相比，它的速度确实很快Django。以下来自Techempower的评分图表显示了这些框架之间的性能差异。
我自己也做了一个小测试，看看哪个框架速度最快，结果相当有趣。在这个测试中，我为这三个框架都设置了一个简单的“Hello world”API。我通过调用这些API来测试响应时间，并取平均响应时间。结果可以分为两种情况：
a.服务器启动后首次调用的平均时间
b.首次调用后连续调用的平均时间
Django并且FastAPI在首次 API 调用中响应速度比平时慢。Flask在所有 API 调用中，响应速度始终保持一致，但比其他两个 API 慢得多。
以下显示了这三个 API 的平均耗时：
| 框架 | 案例 a | 案例 b |
|---|---|---|
| FastAPI | 17毫秒 | 6.2毫秒 |
| Django | 517.2毫秒 | 5.834毫秒 |
| 烧瓶 | 507.2毫秒 | 508.9毫秒 |
值得注意的是，Django 在首次调用后实际上比 FastAPI 的速度略快。但在某些情况下，例如无服务器环境，Django 较高的首次调用和启动时间可能会成为一个问题。需要说明的是，这些测试是在少量数据和特定环境下进行的，而且我对 Flask 和 Django 的经验非常有限，因此结果可能因人而异。
2. 支持异步代码
FastAPI 最令人兴奋的特性是它开箱即用地支持使用async/awaitPython 关键字编写异步代码。以下是一个从 Reddit 异步获取数据的 API 示例。（示例参考：Scott Robinson 的 Python async/await 教程）
app = FastAPI()
async def get_json(client: ClientSession, url: str) -> bytes:
async with client.get(url) as response:
assert response.status == 200
return await response.read()
async def get_reddit_top(subreddit: str, client: ClientSession, data: dict):
data1 = await get_json(client, 'https://www.reddit.com/r/' + subreddit + '/top.json?sort=top&t=day&limit=5')
j = json.loads(data1.decode('utf-8'))
subreddit_data = []
for i in j['data']['children']:
score = i['data']['score']
title = i['data']['title']
link = i['data']['url']
print(str(score) + ': ' + title + ' (' + link + ')')
subreddit_data.append(str(score) + ': ' + title + ' (' + link + ')')
data[subreddit] = subreddit_data
print('DONE:', subreddit + '\n')
@app.get("/")
async def get_reddit_data_api() -> dict:
start_time: float = time.time()
client: ClientSession = aiohttp.ClientSession()
data: dict = {}
await asyncio.gather(
get_reddit_top('python', client, data),
get_reddit_top('programming', client, data),
get_reddit_top('compsci', client, data),
)
await client.close()
print("Got reddit data in ---" + str(time.time() - start_time) + "seconds ---")
return data
异步代码的神奇之处在于，由于get_reddit_top协程并发运行，API 的执行时间相比串行运行的执行时间显著减少。
3. 开发时间非常短
要创建一个基本的“Hello world”API，框架需要以下数量的代码（考虑到整个项目）：
| 框架 | 代码行数 |
|---|---|
| FastAPI | 8行 |
| 烧瓶 | 7行 |
我没有考虑 Django，因为我认为它的结构与其他两者不同。
如果你想扩展 FastAPI 应用，其工作量与 Flask 类似。两者都采用了模块化设计，Flask 通过 Blueprint，FastAPI 通过 Router。因此，我认为 Flask 和 FastAPI 的开发时间非常接近。
4. 易于测试
测试 FastAPI 端点非常简单，可以使用FastAPI 提供的TestClient来完成。这使得测试驱动开发 (TDD) 变得非常容易。
app = FastAPI()
@app.get("/")
async def read_main():
return {"msg": "Hello World"}
client = TestClient(app)
def test_read_main():
response = client.get("/")
assert response.status_code == 200
assert response.json() == {"msg": "Hello World"}
您可以轻松模拟 API 定义函数中的服务调用或代码read_main，并使用 TestClient 对其进行测试。
5. 无缝集中式异常处理
要在 FastAPI 中进行异常处理，只需使用@app.exception_handler注解或app.add_exception_handler函数注册响应Exception，FastAPI 就会处理它。
app = FastAPI()
@app.exception_handler(SomeException)
async def http_exception_handler(request: Request, exc: SomeException) -> PlainTextResponse:
return PlainTextResponse(str(exc.detail), status_code=exc.status_code)
async def request_exception_handler(request: Request, exc: SomeOtherException) -> PlainTextResponse:
return PlainTextResponse(str(exc.detail),status_code=exc.status_code)
app.add_exception_handler(exc_class_or_status_code=SomeOtherException,
handler=request_exception_handler)
6. 优秀的文档
FastAPI 拥有非常详尽且示例丰富的文档，这使得学习和使用更加便捷。如果您需要查找有关 FastAPI 的信息，通常无需再去其他地方查找。
7. 易于部署
您可以使用 FastAPI 提供的Docker 镜像，通过 Docker 轻松部署 FastAPI 应用。您也可以使用Mangum将其部署到 AWS Lambda 。
缺点
1. 主文件拥挤
在 FastAPI 中，所有内容都与配置文件绑定FastAPI app。因此，您的main.py配置文件很容易变得非常臃肿。以下是一个示例。
app = FastAPI()
app.include_router(users.router)
app.include_router(items.router)
app.include_router(shops.router)
app.include_router(other.router)
@app.exception_handler(SomeException)
async def http_exception_handler(request: Request, exc: SomeException) -> PlainTextResponse:
return PlainTextResponse(str(exc.detail), status_code=exc.status_code)
@app.exception_handler(SomeOtherException)
async def http_exception_handler(request: Request, exc: SomeOtherException) -> PlainTextResponse:
return PlainTextResponse(str(exc.detail), status_code=exc.status_code)
现在想象一下，如果你有 10 个路由器和 20 个异常需要处理，main.py那么配置文件就会变得非常难以维护。幸运的是，这个问题很容易解决。
app = FastAPI()
include_routers(app);
add_exception_handlers(app);
include_routers可以add_exception_handlers保存在单独的文件中。
2. 依赖注入中不存在单例
singleton根据这个GitHub 讨论串的说法， FastAPI 中的依赖注入不支持实例，但它支持每个 HTTP 请求使用单个实例。您要么需要自己创建单例类，要么需要使用其他依赖注入库。
丑陋的
请求验证
我在使用 FastAPI 时最糟糕的经历就是处理请求验证。它使用来自 `<validation>` 的验证，据我所知，没有直接的方法可以将验证消息从验证点传递到响应。你只能使用 `<validation>`通过Pydantic`<validation>` 传递的任何消息，或者编写自定义验证器。例如：PydanticRequestValidationError
app = FastAPI()
class SomeDto(BaseModel):
data: str = Field(min_length=1, description="Minimum length must be greater than 1",
title="Minimum length must be greater than 1")
@app.post(path="/")
async def get_response(request: SomeDto):
return "some response"
@app.exception_handler(RequestValidationError)
async def handle_error(request: Request, exc: RequestValidationError) -> PlainTextResponse:
return PlainTextResponse(str(exc.errors()), status_code=400)
exc.errors()返回一个包含硬编码消息的验证违规列表。我查阅了 `get_validate_includes()`和Pydantic`get_validate_includes()` 的文档，但没有找到任何修改方法。甚至 `get_validate_includes()`和 `get_validate_includes( )` 的参数值也丢失了。FastAPIPydanticdescriptiontitle
入门
如果您想开始使用 FastAPI，网上有很多非常好的资源。以下是一些您可以参考的资源：
-
入门指南 - FastAPI - FastAPI 本身的文档
-
使用 Python 构建高性能应用程序 – Zubair Ahmed的FastAPI 教程– 一个非常详细的教程，介绍如何构建具有数据库通信和身份验证的安全 REST API。
-
Michael Herman撰写的《使用 FastAPI 和 Heroku 部署和托管机器学习模型》 ——这是一篇详细的教程，介绍了如何使用 FastAPI 从创建到部署来提供 ML 模型，并在GitHub上提供了开源示例。
总之，FastAPI 是一个速度很快的 Web 框架，支持异步代码，并且拥有非常完善的文档。FastAPI 的优点远远大于缺点，我强烈建议您了解一下。
文章来源：https://dev.to/fuadrafid/fastapi-the-good-the-bad-and-the-ugly-20ob