FastAPI

fastapi 底层就是由协程实现的，用于构建 API，是建立在 Starlette 和 Pydantic 基础上

安装依赖

bash

pip install fastapi
pip install uvicorn

python

from fastapi import FastAPI
import uvicorn

# 创建 fastapi 对象
app = FastAPI()

# 让 index 函数处理路径为斜杠的网络请求
@app.get("/")   # 可以处理路径是斜杠的网络请求
def index():
    return {"msg": "helloworld"}

@app.get("/item/{item_id}")
def get_one(item_id):
    return {"item_id": item_id}

# uvicorn: 服务名称
# main: 模块名
# app: fastapi 对象名称
if __name__ == "__main__":
    uvicorn.run(
        "main:app",
        host="0.0.0.0",
        # port=8000
        port=80,        # http 协议默认端口是 80
        reload=True,
    )

补充整理：原稿里三处会直接跑不起来的地方，已修正——
fastapi = FastAPI() 与 @app.get 变量名不一致（装饰器会报 NameError: app），统一成 app = FastAPI()
uvicorn.run(app="main:app") 参数写法错误：应用路径是第一个位置参数，不是 app= 关键字
if __name__ == "main" 少了下划线，写成 "__main__" 才会执行
另外几个实践要点：
def index() 改成 async def index() 才能发挥协程优势；但不要在 async 函数里写阻塞调用（如 time.sleep、同步的 requests），那会把整个事件循环卡住，这种情况用普通 def，FastAPI 会自动丢进线程池
/item/{item_id} 建议加类型标注，FastAPI 会据此做校验和自动生成文档：
python
@app.get("/item/{item_id}")
def get_one(item_id: int):
    return {"item_id": item_id}
装依赖建议加上 pip install "uvicorn[standard]"（含性能相关的可选组件）； reload=True 只用于开发环境，生产必须关掉
启动后自带交互式文档：/docs（Swagger UI）与 /redoc

SQLAlchemy

ORM 将数据库中的表结构映射为编程语言中的类将表中的行（记录）映射为类中的对象无需编写 SQL 语句

orm 的核心价值

屏蔽数据库差异
简化开发流程
提高代码可读性
自动处理类型转换

核心层

Schema/Types
SQL Expression Language
Engine —— 维护连接池
Connection Pooling（连接池）—— 提高效率，会创建一批数据库连接并复用
Dialect，会对不同数据库语句差异做翻译，让上层代码以统一方式操作不同数据库

补充整理：SQLAlchemy 是两层结构，这是理解它的关键——
Core（核心层）：靠近 SQL 的一层，Engine / Connection / Dialect / SQL Expression Language 都在这。写的是「用 Python 表达的 SQL」，灵活但仍有数据库味道
ORM（对象关系映射层）：在 Core 之上，把表映射成类、行映射成对象
Dialect 是屏蔽差异的关键：同一句 select(User).where(User.id == 1)，在 MySQL 下翻译成 MySQL 方言，在 PostgreSQL 下翻译成 PG 方言，上层代码不用改。

对象关系映射层

补充整理：这一层的映射关系是——
数据库 Python
表（table）类（class）
行（record）对象（instance）
列（column）类属性（attribute）
外键关系属性 relationship()
最小可用写法（SQLAlchemy 2.0 风格）：
python
from sqlalchemy import create_engine, String, select
from sqlalchemy.orm import DeclarativeBase, Mapped, mapped_column, Session

class Base(DeclarativeBase):
    pass

class User(Base):
    __tablename__ = "users"
    id: Mapped[int] = mapped_column(primary_key=True)
    name: Mapped[str] = mapped_column(String(50))

engine = create_engine("mysql+pymysql://user:pwd@host/db", pool_pre_ping=True)
Base.metadata.create_all(engine)        # 建表（通常交给迁移工具做）

with Session(engine) as session:
    session.add(User(name="路中麋鹿"))
    session.commit()
    print(session.scalars(select(User)).all())
几个易踩的坑：
会话要用完即关：Session 不是线程安全的，Web 应用里应该「一个请求一个 Session」，在 FastAPI 中用依赖注入管理
查询是惰性的：select() 只是构造语句，真正发请求在 session.execute() / session.scalars() 时
别忘了 commit：session.add() 只进事务，不 commit() 数据不会落库
pool_pre_ping=True：数据库断连后自动重连，否则可能拿到失效连接
生产环境建表用 Alembic 做迁移，不要依赖 create_all()

数据库	Python
表（table）	类（class）
行（record）	对象（instance）
列（column）	类属性（attribute）
外键	关系属性 `relationship()`

核心组件

引擎（Engine）基类（base）

补充整理：三个必须分清的东西——
Engine：连接的「工厂」+ 连接池，全局只创建一个（在应用启动时建，整个进程复用）
Session：一次数据库会话（事务边界），每请求一个，用完关闭
Base（declarative base）：所有模型类的父类，Base.metadata 持有全部表定义， create_all() 和 Alembic 都靠它
顺带一提：ORM 不是万能的。复杂报表、批量更新、需要精细控制执行计划的场景，直接写 SQL（走 Core 层）往往更清楚也更快。

FastAPI ​

SQLAlchemy ​

orm 的核心价值 ​

核心层 ​

对象关系映射层 ​

核心组件 ​

FastAPI

SQLAlchemy

orm 的核心价值

核心层

对象关系映射层

核心组件