【Python】【面试凉经】Fastapi为什么Fast

核心的关键词：ASGI、原生异步、协程、uvloop、异步生态、Pydantic编译时生成校验代码、DI system预计算依赖树

@interviewer 00:32:49 FastAPI 它优越于其他一些主流web框架像 django或 flask 的这个点在哪里？

@我 00:33:00fastapi 就是说它的 fast 性能高在哪里？它就是采用了一个携程来提高它的速度，通过事件循环...

原生异步支持（Native async）-> 基于ASGI标准(Asynchronous Server Gateway Interface)，通过协程避免了线程切换开销
自动请求验证（Auto-validation）-> 使用 Pydantic 在编译时生成校验代码，比运行时解释快10倍+
依赖注入系统（DI system）-> 通过类型提示预计算依赖树，减少运行时反射成本

FastAPI 之所以在并发性能上显著优于 Flask，并不仅仅是简单地使用了 uvloop 或异步特性，而是从设计理念、架构到底层实现都围绕异步和高并发进行了深度优化。以下是关键差异点：

FastAPI 从底层就是基于 ASGI (Asynchronous Server Gateway Interface) 设计的，原生支持 async/await，每个请求都可以在事件循环中非阻塞地处理。例如：
python 复制代码
```
@app.get("/")
async def read_data():
    data = await db.query()  # 非阻塞IO
    return data
```
Flask 是 WSGI 框架，本质是同步的。即使通过 asyncio 或 gevent 实现异步，也是在同步基础上打补丁（如 flask-async 或 gevent 的 monkey-patch），存在上下文切换开销。

FastAPI 默认集成 uvicorn （基于 uvloop 和 httptools）：
- uvloop 替换了 Python 原生事件循环，性能接近 Go 的 goroutine。
- httptools 是 C 实现的 HTTP 解析器，比 Python 原生解析快数倍。
Flask 即使搭配 uvloop，仍需通过 asgiref 等适配层转换为 ASGI，额外开销不可避免。

FastAPI 的依赖注入系统原生支持异步，且自动处理 JSON 解析（基于 orjson 或 pydantic ）：
python 复制代码
```
@app.post("/items")
async def create_item(item: Item):  # 自动异步解析和验证
    return item
```
Flask 的请求解析和响应序列化是同步的，即使使用异步扩展，也需要手动处理。

FastAPI 的整个生态链（如数据库驱动 asyncpg、HTTP 客户端 httpx）是为异步设计的，避免阻塞事件循环。
Flask 的生态大多为同步（如 SQLAlchemy 同步版、requests），异步需要额外适配（如 SQLAlchemy 2.0 的异步支持）。

FastAPI 的高并发并非单一技术的结果，而是从协议、核心组件到生态的全栈异步设计。如果 Flask 想要达到同等性能，需要重写核心逻辑并迁移生态，这实际上就是重新实现了一个 FastAPI。

关于作者