2 篇文章含有標籤「FastAPI」

Django、Flask、FastAPI 吞吐量比較入門教學筆記 | 學習筆記

2025年2月24日 · 閱讀時間約 4 分鐘

kdchang

前言

在 Python Web 開發領域，Django、Flask 與 FastAPI 是三個非常熱門且廣泛使用的框架。它們各有特點與適用場景，但在性能表現，特別是吞吐量（throughput）方面，存在一定差異。吞吐量通常指每秒鐘能處理的請求數量，是衡量 Web 框架在高併發環境中效率的重要指標。

本篇筆記將簡要介紹這三個框架的基本架構與設計理念，並透過簡單測試與範例比較其吞吐量，幫助初學者理解如何依需求選擇適合的框架。

重點摘要

Django
- 全功能、重量級框架，內建 ORM、管理後台、驗證系統等
- 同步同步處理，基於 WSGI，預設不支援非同步（Asynchronous）請求
- 適合需要完整解決方案的中大型專案
- 吞吐量相較較低，因同步阻塞限制高併發能力
Flask
- 輕量級框架，核心簡單，擴展彈性高
- 同樣基於同步 WSGI，預設不支援非同步
- 適合小型、原型開發及彈性需求較多的專案
- 吞吐量與 Django 相近，瓶頸多來自同步阻塞與部署環境
FastAPI
- 新興的輕量且高性能框架，採用 ASGI 標準，內建非同步支援
- 基於 Starlette 與 Pydantic，支援非同步 I/O，大幅提升吞吐量
- 適合高併發、API 開發需求強烈的專案
- 吞吐量明顯優於 Django、Flask，適合現代微服務架構
吞吐量測試環境與結果
- 使用同一台機器與相同測試工具（如 wrk、ab、Locust）對簡單 API 進行測試
- Django、Flask 在同步阻塞環境吞吐量約數千至上萬請求/秒
- FastAPI 在非同步環境可突破十萬請求/秒，具備更好擴展性
部署差異
- Django、Flask 多搭配 Gunicorn（WSGI）同步服務器部署
- FastAPI 搭配 Uvicorn、Hypercorn（ASGI）非同步服務器，性能最佳化

吞吐量比較實際範例

以下將以簡單「Hello World」API 為例，展示三個框架的基本實作，並提供吞吐量測試方法參考。

1. Django 範例

程式碼（views.py）：

from django.http import JsonResponse

def hello(request):
    return JsonResponse({"message": "Hello World"})

URL 設定（urls.py）：

from django.urls import path
from .views import hello

urlpatterns = [
    path('hello/', hello),
]

啟動方式：

python manage.py runserver

（正式部署可用 Gunicorn）

2. Flask 範例

程式碼（app.py）：

from flask import Flask, jsonify

app = Flask(__name__)

@app.route('/hello')
def hello():
    return jsonify(message="Hello World")

if __name__ == "__main__":
    app.run()

啟動方式：

python app.py

（正式部署可用 Gunicorn）

3. FastAPI 範例

程式碼（main.py）：

from fastapi import FastAPI

app = FastAPI()

@app.get("/hello")
async def hello():
    return {"message": "Hello World"}

啟動方式：

uvicorn main:app --host 0.0.0.0 --port 8000 --workers 4

吞吐量測試方法簡介

使用 Linux 下的 wrk 工具對三個 API 進行測試：

若使用 Mac 作業系統可以安裝：

brew install wrk

下指令測試：

wrk -t4 -c100 -d30s http://localhost:8000/hello

-t4：4 個 thread
-c100：100 個持續連線
-d30s：測試持續 30 秒

測試結果可觀察 Requests/sec 欄位，即為吞吐量。

性能分析與比較

Django 在簡單請求下可達數千請求/秒，但因同步處理與較重的框架開銷，無法輕易擴展至高併發環境。
Flask 同樣是同步，吞吐量略優於 Django，但主要瓶頸仍在同步阻塞與伺服器資源分配。
FastAPI 採用非同步設計，利用 Python 的 async/await 及高效事件迴圈，能在相同硬體資源下達到數倍甚至十倍以上吞吐量，尤其適合 I/O 密集型服務。

總結

選擇適合的 Python Web 框架時，需根據專案規模、功能需求及預期流量做權衡。Django 適合快速搭建大型且功能完整的應用，Flask 適合靈活開發與小型專案，而 FastAPI 則是現代高效能 API 開發的首選。

在吞吐量需求高、需要非同步處理的情境下，FastAPI 明顯優勢突出。未來隨著非同步技術普及，FastAPI 的應用範圍將持續擴大。

參考文件

locust 官方文件

FastAPI 入門教學筆記：打造現代 Python Web API 的入門教學筆記 | 學習筆記

2024年9月1日 · 閱讀時間約 3 分鐘

kdchang

什麼是 FastAPI？

FastAPI 是一個現代、快速（高效能）、基於 Python 3.7+ 類型提示的 Web 框架，用於建構 API。其核心優勢包含：

自動生成文件：內建 OpenAPI 與 Swagger UI 支援
高效能：基於 Starlette 和 Pydantic，效能可媲美 Node.js 與 Go
開發快速：強大的 IDE 支援與自動補全功能
自動驗證與序列化：透過 Pydantic 型別自動完成

FastAPI 適合快速構建 RESTful API，尤其在開發微服務、機器學習模型部署、或任何 API 後端都非常合適。

快速開始：環境準備與安裝

建議使用虛擬環境管理專案依賴。

python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
pip install fastapi uvicorn

fastapi：核心框架
uvicorn：ASGI Server，用來啟動應用程式

第一個 FastAPI 程式：Hello API

# main.py

from fastapi import FastAPI

app = FastAPI()

@app.get("/")
def read_root():
    return {"message": "Hello, FastAPI!"}

啟動應用程式：

uvicorn main:app --reload

--reload：啟用熱重載，開發時會自動重新載入程式

訪問 http://127.0.0.1:8000/，你會看到：

{
  "message": "Hello, FastAPI!"
}

自動生成的互動式 API 文件

FastAPI 自動提供兩個 API 文件頁面：

Swagger UI：http://127.0.0.1:8000/docs
Redoc：http://127.0.0.1:8000/redoc

這些文件會根據程式中的路由與型別提示自動生成，方便前後端協作與測試。

使用路由參數與查詢參數

@app.get("/items/{item_id}")
def read_item(item_id: int, q: str = None):
    return {"item_id": item_id, "q": q}

範例請求：

GET /items/42?q=fastapi

回應結果：

{
  "item_id": 42,
  "q": "fastapi"
}

item_id 是路由參數，會自動轉換為 int
q 是查詢參數，預設為 None

接收與驗證請求資料：使用 Pydantic 模型

from pydantic import BaseModel

class Item(BaseModel):
    name: str
    description: str = None
    price: float
    in_stock: bool = True

@app.post("/items/")
def create_item(item: Item):
    return {"message": "Item created", "item": item}

發送 POST 請求：

POST /items/
{
  "name": "Laptop",
  "description": "A powerful device",
  "price": 1299.99,
  "in_stock": true
}

回應：

{
  "message": "Item created",
  "item": {
    "name": "Laptop",
    "description": "A powerful device",
    "price": 1299.99,
    "in_stock": true
  }
}

Pydantic 會自動進行資料驗證與轉換
FastAPI 可根據模型自動生成 API 文件

表單與檔案上傳支援

from fastapi import Form, UploadFile, File

@app.post("/submit/")
def submit_form(username: str = Form(...), file: UploadFile = File(...)):
    return {
        "username": username,
        "filename": file.filename,
        "content_type": file.content_type
    }

這對於處理使用者上傳檔案與表單資料非常方便。

回傳自定義 HTTP 狀態碼與錯誤處理

from fastapi import HTTPException

@app.get("/users/{user_id}")
def read_user(user_id: int):
    if user_id != 1:
        raise HTTPException(status_code=404, detail="User not found")
    return {"user_id": user_id, "name": "Alice"}

這會回傳：

{
  "detail": "User not found"
}

並帶有 HTTP 404 錯誤。

小結與下一步學習方向

FastAPI 提供了一種現代化且優雅的方式來構建 API：

強大的型別檢查與 IDE 支援
直覺的程式結構與文件生成
高效能適合用於生產環境

建議學習方向：

路由分割與模組化管理
使用依賴注入（Depends）
整合資料庫（如 SQLAlchemy）
JWT 身份驗證與 OAuth2
測試與部署（例如 Docker、Gunicorn）

如果你是從 Flask 或 Django REST Framework 轉過來，會發現 FastAPI 提供了相當先進的開發體驗與高效能，是非常值得學習與投入的框架。

參考文件

fastapi API

前言​

重點摘要​

吞吐量比較實際範例​

1. Django 範例​

2. Flask 範例​

3. FastAPI 範例​

吞吐量測試方法簡介​

性能分析與比較​

總結​

參考文件​

什麼是 FastAPI？​

快速開始：環境準備與安裝​

第一個 FastAPI 程式：Hello API​

自動生成的互動式 API 文件​

使用路由參數與查詢參數​

接收與驗證請求資料：使用 Pydantic 模型​

表單與檔案上傳支援​

回傳自定義 HTTP 狀態碼與錯誤處理​

小結與下一步學習方向​

建議學習方向：​

參考文件​

前言

重點摘要

吞吐量比較實際範例

1. Django 範例

2. Flask 範例

3. FastAPI 範例

吞吐量測試方法簡介

性能分析與比較

總結

參考文件

什麼是 FastAPI？

快速開始：環境準備與安裝

第一個 FastAPI 程式：Hello API

自動生成的互動式 API 文件

使用路由參數與查詢參數

接收與驗證請求資料：使用 Pydantic 模型

表單與檔案上傳支援

回傳自定義 HTTP 狀態碼與錯誤處理

小結與下一步學習方向

建議學習方向：

參考文件