1、关键特性：

  • 快速： 归功于 Starlette 和 Pydantic
  • 高效编程： 提高开发效率
  • 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。

2、为什么FastAPI？

2.1 异步编程（async/await）

FastAPI完全支持异步编程，即通过async/await来处理IO操作（如数据库查询、文件操作、外部API请求），这是的它能够在等待IO操作时不会阻塞其他请求，从何提高并发性能。

  • 异步操作： 当FastAPI需要执行IO密集型任务时（如数据库查询或许调用外部API），它不会阻塞当前线程，允许其他继续处理，这样显著提高系统的吞吐量。
  • 事件驱动：FastAPI使用异步框架Starlette，它通过事件循环（Event Loop）管理请求，允许高效并行处理多个请求。

2.2 基于Starlette构建

Starlette 是一个高性能的异步框架，它为 FastAPI 提供了强大的异步支持。Starlette 是专为高效处理大量并发请求而设计的，支持 WebSocket、长轮询、异步 HTTP 请求等，FastAPI 使用它来管理请求的生命周期。
Starlette 的事件循环模型使得 FastAPI 能够在处理多个请求时，快速切换执行上下文，并避免了传统同步框架中的阻塞和等待时间。

2.3 Pydantic 进行高效数据验证

FastAPI 使用 Pydantic 来进行数据验证和解析，Pydantic 利用 Python 的 类型提示（Type Hints）进行数据验证，确保请求数据的类型安全。
Pydantic 的验证过程是高度优化的，它不仅支持数据的结构化验证，还支持 类型检查 和 嵌套模型验证，并且比传统的手动验证方式要快得多。
Pydantic 的实现是基于 dataclasses 和 typing，它的设计使得验证过程非常高效。

2.4 自动化的请求解析和响应生成

FastAPI 通过自动解析和生成请求/响应的 JSON 数据，避免了传统 Web 框架中手动处理这些数据的开销。
它自动将请求体解析为 Python 类型（如字典、列表等），并使用 Pydantic 校验数据。这使得开发者无需写冗余的解析和验证代码，大大节省了开发时间和性能开销

2.5 优化的 JSON 编码/解码

  • FastAPI默认使用ujson和orjson进行JSON的序列化和反序列化，而不是python内置json模块。这些优化过的性能比内置json库高很多。
  • 高效的JSON序列化和反序列化可以减少请求和响应的延时，从而提高API性能。

2.6. 自动生成 OpenAPI 文档和 Swagger UI

2.7. 高效的异常处理机制

FastAPI 的异常处理机制是经过优化的，当发生异常时，框架能够高效地捕获并返回错误响应。它支持通过声明式的方式处理不同的错误类型（如 404、500 错误），并且异常信息可以自定义，响应速度非常快。

2.8. ASGI 支持

2.9. 类型提示和静态类型检查

2.10. 精简的框架

__END__