开源模型应用落地-FastAPI-助力模型交互-进阶篇（三）

一、前言

   FastAPI 的高级用法可以为开发人员带来许多好处。它能帮助实现更复杂的路由逻辑和参数处理，使应用程序能够处理各种不同的请求场景，提高应用程序的灵活性和可扩展性。

    在数据验证和转换方面，高级用法提供了更精细和准确的控制，确保输入数据的质量和安全性。它还能更高效地处理异步操作，提升应用程序的性能和响应速度，特别是在处理大量并发请求时优势明显。

    此外，高级用法还有助于更好地整合数据库操作、实现数据的持久化和查询优化，以及实现更严格的认证和授权机制，保护应用程序的敏感数据和功能。总之,掌握 FastAPI 的高级用法可以帮助开发人员构建出功能更强大、性能更卓越、安全可靠的 Web 应用程序。

    本篇学习如何在FastAPI中直接使用Request对象和如何使用数据类Dataclasses。

二、术语

2.1. Request对象

    是用于处理 HTTP 请求的核心对象，它提供了许多功能和属性，以便更灵活地处理和访问客户端发送的请求信息。例如：获取客户端的IP地址/主机，可以通过访问Request对象来实现。

2.2. middleware函数

    middleware函数（中间件）它在每个请求被特定的路径操作处理之前，以及在每个响应返回之前工作。可以用于实现多种通用功能，例如身份验证、日志记录、错误处理、请求处理、缓存等。其主要作用是在请求和响应的处理过程中添加额外的处理逻辑，而无需在每个具体的路由处理函数中重复编写这些逻辑。

    一般在碰到以下需求场景时，可以考虑使用中间件来实现：

1. 身份验证：验证请求的身份，如检查 JWT token 或使用 OAuth2 进行验证；
2. 日志记录：记录请求和响应的日志，包括请求方法、URL、响应状态码等信息；
3. 错误处理：处理应用程序中的异常情况，捕获异常并返回自定义的错误响应；
4. 请求处理：对请求进行处理，例如解析请求参数、验证请求数据等；
5. 缓存：在中间件中检查缓存中是否存在请求的响应，如果存在则直接返回缓存的响应。

2.3. dataclasses

    表示类和函数的一种轻量级数据定义方式。通过 @dataclass 装饰的数据类具有以下特点和优势：

1. 自动生成方法：无需手动编写繁琐的 __init__、__repr__ 等方法，装饰器会自动添加这些方法。
2. 默认值和类型提示：可以为属性设置默认值，并添加类型提示，提高代码的可读性和可维护性。
3. 不可变实例：通过设置 frozen=True，可以创建不可变的实例，增加代码的稳定性，防止对象被意外修改。
4. 类型检查和验证：支持类型检查和验证，可使用 field 函数添加对属性的验证规则。
5. 自动生成合理的 __repr__ 和 __eq__ 方法：方便比较和输出对象。
6. 继承和默认值工厂：支持继承和默认值工厂，使复杂的类层次结构定义更简单。
7. 可转换为字典或元组：提供了 asdict 和 astuple 函数，方便将数据类实例转换为字典或元组。

三、前置条件

3.1. 创建虚拟环境&安装依赖

  增加Google Search以及langchainhub的依赖

conda create -n fastapi_test python=3.10
conda activate fastapi_test
pip install fastapi uvicorn

四、技术实现

4.1. 使用Request对象实现黑名单访问拦截

# -*- coding: utf-8 -*-
import uvicorn
from fastapi import FastAPI, Request, HTTPException
from starlette import status

app = FastAPI()

black_list = ['192.168.102.88']

@app.middleware("http")
async def my_middleware(request: Request, call_next):
    client_host = request.client.host
    print(f"client_host: {client_host}")

    if client_host in black_list:
        raise HTTPException(
            status_code=status.HTTP_403_FORBIDDEN,
            detail="Prohibit access"
        )
    else:
        response = await call_next(request)
        return response

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

if __name__ == '__main__':
    uvicorn.run(app, host='0.0.0.0',port=7777)

调用结果：

正常访问，未命中黑名单：

非法访问，命中黑名单：

4.2. 使用dataclasses

# -*- coding: utf-8 -*-
import uvicorn
from fastapi import FastAPI
from dataclasses import dataclass
from typing import Union


app = FastAPI()

@dataclass
class Item:
    name: str
    price: float
    description: Union[str, None] = None
    tax: Union[float, None] = None

@app.post("/items/")
async def read_items(item: Item):
    print(f'item: {item}')
    return item

if __name__ == '__main__':
    uvicorn.run(app, host='0.0.0.0',port=7777)

调用结果：

使用pycharm的Http Request功能进行测试

选择POST Text Body，自动创建请求模版

修改IP和端口，填写请求参数

执行并观察结果

五、附带说明

5.1.不使用dataclasses的示例

# -*- coding: utf-8 -*-
import uvicorn
from fastapi import FastAPI
from typing import Union


app = FastAPI()


@app.post("/items1")
async def read_items(name: str,price: float,description: Union[str, None],tax: Union[float, None] ):
    item = Item(name= name,price=price,description=description,tax=tax)
    return item

if __name__ == '__main__':
    uvicorn.run(app, host='0.0.0.0',port=7777)

调用结果：

使用pycharm的Http Request功能进行测试

使用dataclasses vs 不使用dataclasses说明：

1. 使用dataclasses，代码更加简洁、易读，并且不易出错
2. 使用dataclasses，使得代码在不同的上下文中更易于使用和扩展
3. 使用dataclasses，增强了代码的可读性和可维护性。