python 数据契约层FastAPI+Pydantic（一）

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FastAPI+pydantic的场景，Pydantic会将数据序列直接转换成JSON，Pydantic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，

python 复制代码

from fastapi import FastAPI
from pydantic import BaseModel, Field

app = FastAPI()

class Item(BaseModel):
    name: str = Field(..., min_length=1, max_length=100)
    price: float = Field(..., gt=0, 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

python 复制代码

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_password=hashed)

@app.post("/user/", response_model=UserOut)
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！

python 复制代码

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

python 复制代码

#全局启动
from fastapi import FastAPI
from fastapi.responses import ORJSONResponse

app = FastAPI(default_response_class=ORJSONResponse)

@app.get("/items/")
async def read_items():
    return [{"item_id": "Foo", "value": 42}]

python 复制代码

#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_class=ORJSONResponse)
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n+1，

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）

python 数据契约层FastAPI+Pydantic（一）

一 序列化

三 FastAPI序列化提速

四 一些优化思路

一序列化

四一些优化思路