最近在后台开发摸鱼（划掉）思考的时候，总会遇到一个问题：用 Python 写 Web API 吧，有时候感觉框架多少有点“老派”，配置和文档得自己吭哧吭哧弄，效率总觉得能更高点。尤其是在需要快速搭建一个接口，或者给机器学习模型套个壳儿的时候，写起来总是有点不够顺手。

我一直在寻摸有没有那种，既能发挥 Python 开发效率的优势，又能在性能和开发体验上给人惊喜的框架。结果嘛，你们猜怎么着？我在 GitHub 上找到了一个宝藏项目，它真的让写 API 变得快了不少，而且很多原本麻烦的事情都自动化了。今天就来跟大家聊聊它——FastAPI。

项目概述

FastAPI 是一个现代化的、高性能的 Web 框架，专门用来构建 API。说白了，它就是帮你用 Python 又快又好地搭接口的工具。你可以把它想象成一个特别聪明的建筑工人，你只需要告诉他你想要什么房间、窗户开在哪里（通过 Python 的类型提示），他就能自动帮你把地基、墙体、甚至水电线路（数据验证、序列化、文档）都规划好甚至直接搞定大半，让你专注于内部装修（业务逻辑）。

这个项目是完全开源的，它背后站着两个很厉害的“巨人”：Starlette 和 Pydantic。Starlette 负责搞定异步请求和高性能的网络部分，而 Pydantic 则把 Python 的类型提示玩出了花，负责数据的定义、验证和序列化。FastAPI 巧妙地结合了它们俩的优点，可以说是集大成者。

项目数据

这个项目的人气有多高呢？看看数据就知道啦。

截止我写这篇文章的时候，FastAPI 在 GitHub 上已经累计收揽了 85372 个 Star，而且今日还收揽了 53 个新的 Star，这增长势头相当可以。它的主要开发语言是 Python，这个没啥好说的。项目的维护状态也非常活跃，你可以看到它的自动化测试徽章是绿的，代码覆盖率也很高，PyPI 包的更新也挺及时。

更厉害的是，这个项目已经不止是社区里的玩具了，很多知名公司都在用。我在 README 里看到了微软、Uber、Netflix、Cisco 等等都提到在他们的生产环境里使用了 FastAPI，特别是用在机器学习服务或者内部工具链里。这说明它不仅仅快，还挺靠谱的。

功能亮点

FastAPI 之所以能这么受欢迎，核心还是因为它带来了很多实实在在的好处。

🚀 性能强劲

得益于底层的 Starlette 和 Uvicorn，FastAPI 的性能在 Python Web 框架里是顶尖的。根据 TechEmpower 的独立基准测试，FastAPI 搭配 Uvicorn 的性能可以跟 NodeJS 和 Go 相媲美，比不少老牌的 Python 框架要快不少。这对需要处理高并发或者性能要求比较高的 API 来说，简直太重要了。

💡 基于标准 Python 类型提示

这是 FastAPI 最核心、也是我最喜欢的设计之一。你不需要学习一套新的 DSL（特定领域语言）或者写一堆额外的配置文件来定义请求参数、响应结构。你只需要在你的 Python 函数签名里，用标准 Python 的类型提示来声明参数的类型（比如 item_id: int, q: Union[str, None] = None），或者用 Pydantic 定义一个数据模型类。FastAPI 就能自动根据这些类型提示来帮你做数据验证、数据的 JSON 序列化和反序列化。写代码的时候，编辑器（比如 VS Code）还能给你提供超友好的代码补全和类型检查，写起来特别顺滑，减少了很多低级错误。

⚙️ 自动生成交互式 API 文档

另一个让人拍手叫好的地方是，FastAPI 可以根据你的代码（也就是那些类型提示和参数定义）自动生成符合 OpenAPI 标准的 API 文档。而且，它默认就集成了 Swagger UI 和 ReDoc 这两个非常流行的交互式文档工具。当你启动应用，访问 /docs 或 /redoc 路径，就能看到一个漂亮、可以直接测试接口的文档页面。再也不用手动维护那些容易过时的 API 文档了，太方便了！

⚡️ 开发效率飞快

结合了类型提示带来的代码补全、自动验证、自动文档等特性，FastAPI 极大地提高了开发速度。很多原来需要手动编写或者使用额外库来实现的功能，在 FastAPI 里只需要简单的类型声明就搞定了。Readme 里甚至提到，他们在内部团队测试中，开发速度提高了 200%-300%，减少了 40% 的人为错误，这数据听着就让人兴奋。

🔌 强大的依赖注入系统

虽然 README 的快速入门部分没详细说，但在 FastAPI 的官方教程里，依赖注入系统是它的一大亮点。你可以很方便地定义依赖项，比如数据库连接、用户认证、权限校验等，然后把它们注入到你的路由函数里。这个系统设计得很优雅，让你的代码更容易组织、测试和复用。

安装与使用

开始使用 FastAPI 一点也不复杂，前提是你得有个 Python 环境（建议 Python 3.7+，最好用虚拟环境）。

安装命令非常简单，通常推荐安装带有“标准”依赖的版本，这样就包含了 Uvicorn 服务器等必要组件：

bash
# 确保你在虚拟环境里
pip install "fastapi[standard]"

注意命令里的引号，为了兼容不同的终端。安装完之后，就可以像 README 里那样创建一个简单的 main.py 文件了：

from typing import Union
from fastapi import FastAPI
from pydantic import BaseModel # 导入Pydantic BaseModel

app = FastAPI()

# 定义一个数据模型，用来接收PUT请求的JSON body
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):
    # item_id 会自动被转换成 int 类型
    # q 是可选的字符串查询参数
    return {"item_id": item_id, "q": q}

@app.put("/items/{item_id}")
def update_item(item_id: int, item: Item):
    # item 参数会自动接收并验证请求体中的JSON数据，并转换成 Item 对象
    return {"item_name": item.name, "item_id": item_id}

然后，在终端里进入到 main.py 所在的目录，运行：

bash
fastapi dev main.py

这个命令会启动一个 Uvicorn 服务器，并且默认开启热重载，你修改代码后会自动刷新。启动后，你可以在浏览器里访问 http://127.0.0.1:8000/items/5?q=somequery 看看 GET 请求的效果，访问 http://127.0.0.1:8000/docs 或 http://127.0.0.1:8000/redoc 看看自动生成的 API 文档。对于 PUT 请求，你可以在 /docs 页面里直接尝试发送请求体来测试。

整个过程挺顺畅的，基本上跟着官方文档走，很快就能搭起来第一个 API。

使用场景与推荐理由

我觉得 FastAPI 特别适合下面这些场景：

  1. 开发高性能的微服务或后端 API： 如果你需要构建一个响应迅速、吞吐量高的 API 服务，FastAPI 绝对是 Python 里的首选之一。它的异步能力和底层优化能让你处理更多的请求。
  2. 为数据科学模型提供接口： 很多数据科学家会用 Python 训练模型，但要把它变成一个能被其他服务调用的 API，以前可能得费点劲。FastAPI 基于 Pydantic 的数据验证能力，非常适合定义模型输入和输出的数据结构，而且速度快，很方便把模型封装成服务。Uber 和 Netflix 的案例也印证了这一点。
  3. 快速开发内部工具 API： 有时候我们需要给内部的脚本、小工具提供一个简单的 Web 接口，或者快速搭建一个管理后台的 API。FastAPI 的开发效率高，写起来不费劲，非常适合这种需要快速产出的场景。
  4. 需要清晰API文档的项目： 如果团队对 API 文档的规范性要求高，或者希望文档能自动更新，FastAPI 的自动文档功能可以省掉很多麻烦，并且降低文档滞后的风险。

总的来说，我推荐 FastAPI 给所有想用 Python 写 Web API 的开发者，特别是：

  • 对性能有一定要求。
  • 喜欢或者想尝试使用 Python 类型提示。
  • 讨厌手动写 API 文档。
  • 希望提高 API 开发效率。

相比一些更老牌的 Python Web 框架（比如 Flask 偏微框架，Django 是全能型框架），FastAPI 更专注于 API 构建，并且在性能和现代化开发体验上做了很多优化，尤其是对异步编程和数据验证的支持非常好。它的学习曲线相对平缓，如果你熟悉 Python 类型提示，上手会非常快。

结语

试用 FastAPI 之后，我个人觉得它真的是近几年 Python Web 框架领域里一个非常亮眼的项目。它巧妙地利用了 Python 的现代特性（比如类型提示），结合了 Starlette 和 Pydantic 的优势，提供了一个既高性能又开发效率极高的 API 构建方案。自动文档和数据验证这些特性，对于提升开发体验和代码质量非常有帮助。

如果你平时用 Python 写接口比较多，或者想尝试一种新的、更现代的 Python Web 开发方式，我强烈推荐你花点时间去了解和试试 FastAPI。

项目的 GitHub 地址在这里：https://github.com/tiangolo/fastapi

去看看吧，说不定它也能成为你的新一代 API 开发利器！如果你试用了，或者之前就在用，有什么心得体验，也欢迎在评论区分享交流呀！

类似文章