数据锲约层请求数据的解析/校验响应数据的序列化/过滤以及生成OpenAPI的文档一 序列化序列化的本质解决三个问题内存对象-可传输字节网络、可存储字节磁盘/缓存、跨语言交换系统边界不同场景对‘体积/速度/可读性/兼容性’的权重完全不同。对比如浏览器/移动端/第三方的数据交互选择—json标准库API性能敏感无损替换FastAPI原生支持redis缓存值msgpack省内存orjson可调试微服务RPC高性能—pickle仅限可信数据大数据管道avroparquet—带schema演进二 FastAPI场景官方推荐使用FastAPIpydantic的场景Pydantic会将数据序列直接转换成JSONPydantic底层是由Rust写的因此很快。FastAPI会自动读取请求体校验字段类型将字段转换为Item实例在实际的开发中使用的场景主要有请求体解析与校验这是最常用的场景用Pydantic声明请求体结构FastAPI自动完成JSON解析、类型转换和校验from fastapi import FastAPI from pydantic import BaseModel, Field app FastAPI() class Item(BaseModel): name: str Field(..., min_length1, max_length100) price: float Field(..., gt0, description价格必须大于0) tax: float | None None app.post(/items/) async def create_item(item: Item): total item.price (item.tax or 0) return {name: item.name, total: total}响应模型与数据脱敏用response_model声明输出结构FastAPI会校验返回值并过滤未声明的字段from fastapi import FastAPI from pydantic import BaseModel, EmailStr app FastAPI() class UserBase(BaseModel): username: str email: EmailStr full_name: str | None None class UserIn(UserBase): password: str class UserOut(UserBase): pass class UserInDB(UserBase): hashed_password: str def fake_password_hasher(raw: str) - str: return supersecret raw def fake_save_user(user_in: UserIn) - UserInDB: hashed fake_password_hasher(user_in.password) return UserInDB(**user_in.model_dump(), hashed_passwordhashed) app.post(/user/, response_modelUserOut) async def create_user(user_in: UserIn): return fake_save_user(user_in)嵌套模型与列表Pydantic支持任意深度的模型FastAPI会自动校验外层或内层所有字段在实际的开发中很多业务场景给前端返回的数据是聚合的前端送上来的业务数据也是复合的此时需要一个数据model嵌套另一个数据model这个很常用from fastapi import FastAPI from pydantic import BaseModel, EmailStr app FastAPI() class Address(BaseModel): street: str city: str zip_code: str class Tag(BaseModel): name: str value: str class User(BaseModel): username: str email: EmailStr address: Address tags: list[Tag] [] app.post(/users/) async def create_user(user: User): return user以及一些其它常用的场景自定义验证器、ORM模式与数据库集成、依赖注入与Pydantic模型、配置管理—PydanticSettings三 FastAPI序列化提速FastAPI已经内置了对orjson的支持可以通过两种方式启动全局启动、指定路径启动#全局启动 from fastapi import FastAPI from fastapi.responses import ORJSONResponse app FastAPI(default_response_classORJSONResponse) app.get(/items/) async def read_items(): return [{item_id: Foo, value: 42}]#在装饰器中声明指定路径下使用orjson from fastapi import FastAPI from fastapi.responses import ORJSONResponse app FastAPI() app.get(/items/, response_classORJSONResponse) async def read_items(): return [{item_id: Foo, value: 42}]四 一些优化思路小结—按照ROI从高到低顺序优化依次为字段裁剪消除n1不要阻塞loop(提高并发能力)orjson序列化能提高很多上面有说FastAPI的使用数据传输切分后使用stream流gzip带宽降下来有一点点提升减小cpu用量