用它5分钟以后，我放弃用了四年的 Flask

关注

转载最新推荐文章于 2026-03-29 11:31:14 发布 221 阅读 AI 写同款· GEO 优化 ›

用RK3588 NPU加速人脸识别：从本地测试到服务器部署的完整流程（含ONNX模型）本文详细介绍了如何利用RK3588 NPU加速人脸识别系统，从模型优化到高并发服务部署的全流程。通过RetinaFace和FaceNet模型的协同推理，结合ONNX模型转换和NPU特有优化技巧，显著提升识别效率。文章还涵盖了gRPC通信架构设计、性能压测及实际部署经验，为开发者提供了一套完整的解决方案。阅读详情

点击上方“编程派”，选择设为“设为星标”

优质文章，第一时间送达！

有一个非常简单的需求：编写一个 HTTP 接口，使用 POST 方式发送一个 JSON 字符串，接口里面读取发送上来的参数，对其中某个参数进行处理，并返回。

如果我们使用 Flask 来开发这个接口，那么代码是这样的：

from flask import Flask, request

app = Flask(__name__)


@app.route('/insert', methods=['POST'])
def insert():
    info = request.json
    name = info['name']
    age = info['age']
    age_after_10_years = age + 10
    msg = f'此人名叫：{name}，10年后，此人年龄：{age_after_10_years}'
    return {'success': True, 'msg': msg}

代码看起来已经很简洁了。我们用requests发个请求看看效果，如下图所示：

看起来没什么问题。

现在，我搞点破坏，把age字段改成字符串，再运行一下：

不出所料，报错了。

现在我们把age字段改回数字，但是直接移除name字段：

又报错了。

为了防止用户不按规矩提交数据，我们必须在接口里面做好各种异常数据的判断。于是增加判断以后的代码变得复杂了：

@app.route('/insert', methods=['POST'])
def insert():
    info = request.json
    name = info.get('name', '')
    if not name:
        return {'success': False, 'msg': 'name 参数不可省略，不可为空！'}
    age = info.get('age', 0)
    if not isinstance(age, int):
        return {'success': False, 'msg': 'age参数不是数字！'}
    age_after_10_years = age + 10
    msg = f'此人名叫：{name}，10年后，此人年龄：{age_after_10_years}'
    return {'success': True, 'msg': msg}

看来，用 Flask，虽然能让你用很短的代码写出一个能工作的项目。但要写成一个可以正常使用的项目，还是需要你自己写更多代码。

下面我们来看一下，现代化的 web 框架：FastApi能把这个工程简化到什么程度：

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()


class People(BaseModel):
    name: str
    age: int
    address: str
    salary: float

@app.post('/insert')
def insert(people: People):
    age_after_10_years = people.age + 10
    msg = f'此人名字叫做：{people.name}，十年后此人年龄：{age_after_10_years}'
    return {'success': True, 'msg': msg}

我们还是使用 requests 发一条信息给 FastApi 开发的 HTTP 接口。对于正常数据，正常使用：

现在我们把age字段改成字符串：

返回友好的提示信息，告诉我类型错误：age 字段不是 integer。

我们再试一试把name字段去掉：

返回友好信息，提示值错误：name字段丢失。

整个过程中，对类型的检查全都由 FastApi 自己完成。我们省下来很多时间。

我用了 Flask 四年，但在使用了 5 分钟 FastApi 以后，我决定以后不再使用 Flask 了。

回过头来，我们好好介绍一下 FastApi。

使用pip或者pipenv即可安装 FastApi：

pip install fastapi
pipenv install fastapi

安装完成以后，我们来完成第一个 API：

from fastapi import FastAPI

app = FastAPI()


@app.get('/')
def index():
    return {'message': '你已经正确创建 FastApi 服务！'}

这里的写法跟 Flask 几乎一致。只不过在 Flask 中，我们定义路由的装饰器为@app.route('/')。而这里写为@app.get('/')

如下图所示：

写好代码以后，我们需要使用uvicorn来运行 FastApi。首先使用pip或者pipenv安装uvicorn：

pip install uvicorn
pipenv install uvicorn

然后执行命令：

uvicorn main:app --reload

其中main表示我们的代码文件为main.py，app表示我们初始化的 FastApi 对象的名字。--reload参数表示在修改了代码以后立即生效，不需要重启。

运行命令以后，我们访问http://127.0.0.1:8000可以看到接口已经正确返回了 JSON 格式的数据：

那么如何定义一个带参数的 GET 方法呢？我们再写一段代码：

@app.get('/query/{uid}')
def query(uid):
    msg = f'你查询的 uid 为：{uid}'
    return {'success': True, 'msg': msg}

写好代码以后，我们直接在浏览器里面访问新的地址，可以看到修改已经生效了，如下图所示：

如果想限定 uid 只能是数字，不能是字符串怎么办呢？你只需要多加 4 个字符：

@app.get('/query/{uid}')
def query(uid: int):
    msg = f'你查询的 uid 为：{uid}'
    return {'success': True, 'msg': msg}

对函数query的参数使用类型标注，标注为 int 类型。现在我们再来访问一下接口：

当 query 后面的参数不是整数时，正常报错了。

我们再来看一下本文一开始的 POST 方法。在使用 Flask 的时候，我们需要手动验证用户 POST 提交上来的数据是什么格式的，字段对不对。

但使用 FastApi 的时候，我们只需要类型标注就能解决所有问题。首先我们导入from pydantic import BaseModel，然后继承BaseModel实现我们允许 POST 方法提交上来的数据字段和格式：

from pydantic import BaseModel

app = FastAPI()


class People(BaseModel):
    name: str
    age: int
    address: str
    salary: float

People这个类通过类型标注，指定了它里面的 4 个字段和他们的类型。现在，我们来实现 POST 方法：

@app.post('/insert')
def insert(people: People):
    age_after_10_years = people.age + 10
    msg = f'此人名字叫做：{people.name}，十年后此人年龄：{age_after_10_years}'
    return {'success': True, 'msg': msg}

insert函数的参数people通过类型标注指定为People类型。

当我们使用 POST 方式提交数据时，FastApi 自动会以People中定义的字段为基准来校验数据，发现不对就返回报错信息。

除了开发接口变得非常简单外，FastApi 还会自动帮我们生成接口文档。大家访问http://127.0.0.1:8000/docs，可以看到接口文档已经自动生成好了：