跳转至

FastAPI

FastAPI

FastAPI 框架,高性能,易于学习,高效编码,生产可用

Test Coverage Package version Supported Python versions


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 3.8+ 并基于标准的 Python 类型提示。

关键特性:

  • 快速:可与 NodeJSGo 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

Other 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 3.8 及更高版本

FastAPI 站在以下巨人的肩膀之上:

安装

$ pip install fastapi

---> 100%

你还会需要一个 ASGI 服务器,生产环境可以使用 Uvicorn 或者 Hypercorn

$ pip install "uvicorn[standard]"

---> 100%

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 asyncawait 的部分

运行

通过以下命令运行服务器:

$ uvicorn main:app --reload

INFO:     Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)
INFO:     Started reloader process [28720]
INFO:     Started server process [28722]
INFO:     Waiting for application startup.
INFO:     Application startup complete.
关于 uvicorn main:app --reload 命令......

uvicorn main:app 命令含义如下:

  • mainmain.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 //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):

Swagger UI

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):

ReDoc

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:

Swagger UI

  • 点击「Try it out」按钮,之后你可以填写参数并直接调用 API:

Swagger UI interaction

  • 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:

Swagger UI interaction

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:

ReDoc

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 3.8 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 (strintfloatboollist 等)
    • datetime 对象
    • UUID 对象
    • 数据库模型
    • ......以及更多其他类型
  • 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 GETPUT 请求的路径中是否含有 item_id
  • 校验 GETPUT 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)。
  • 对于访问 /items/{item_id}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
  • 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:

editor support

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cookiesform 表单以及上传的文件
  • 如何设置校验约束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:

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。

用于 FastAPI / Starlette:

  • uvicorn - 用于加载和运行你的应用程序的服务器。
  • orjson - 使用 ORJSONResponse 时安装。
  • ujson - 使用 UJSONResponse 时安装。

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。