FastAPI Tutorial: Build a REST API in 13 Steps (2026 Guide)（2026-07-09）

如果你在2026年还在用Flask写API，可能已经落后了。FastAPI凭借自动文档生成、异步支持和绝对的性能优势，已经成为Python后端的首选框架。根据JetBrains 2025年开发者调查，FastAPI在Python Web框架中的使用率增长了47%，超过了Django REST framework。

下面，我们用13个清晰的步骤，从零搭建一个生产级REST API。

1. 环境准备：Python 3.12+与虚拟环境

确保Python版本在3.12以上。使用venv隔离依赖：

python -m venv fastapi_env
source fastapi_env/bin/activate  # Linux/Mac
# 或 fastapi_env\Scripts\activate (Windows)

2. 安装核心依赖

pip install fastapi uvicorn sqlalchemy databases

uvicorn是ASGI服务器，sqlalchemy负责数据库操作。

3. 第一个“Hello World”API

创建main.py：

from fastapi import FastAPI

app = FastAPI(title="我的API", version="1.0.0")

@app.get("/")
def read_root():
    return {"message": "Hello World, 2026!"}

启动：uvicorn main:app --reload，访问http://localhost:8000/docs，你会看到自动生成的Swagger文档。

4. 定义数据模型：使用Pydantic

from pydantic import BaseModel

class Item(BaseModel):
    name: str
    price: float
    is_offer: bool = False

Pydantic会在请求到达时自动校验数据类型，如果传入price: "abc"，FastAPI会立即返回422错误。

5. 创建RESTful端点

items_db = []

@app.post("/items/", response_model=Item)
def create_item(item: Item):
    items_db.append(item)
    return item

@app.get("/items/{item_id}")
def read_item(item_id: int):
    return items_db[item_id]

实用建议：始终使用response_model声明返回类型，让文档更准确，同时自动过滤敏感字段。

6. 异步处理：秒杀同步瓶颈

当API需要查询数据库或调用第三方服务时，用async：

@app.get("/slow-task")
async def slow_task():
    await some_async_io_task()
    return {"status": "done"}

案例：一个电商API，同步请求下每秒处理200个请求，异步后提升到1200个，性能提升6倍。

7. 连接数据库：SQLAlchemy实战

配置PostgreSQL连接：

from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker

DATABASE_URL = "postgresql://user:pass@localhost/db"
engine = create_engine(DATABASE_URL)
SessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=engine)

8. 依赖注入：优雅管理会话

from fastapi import Depends

def get_db():
    db = SessionLocal()
    try:
        yield db
    finally:
        db.close()

@app.get("/users/")
def read_users(db = Depends(get_db)):
    return db.query(User).all()

依赖注入让代码可测试性飙升。2026年专业项目中，几乎每个中间件都用这种模式。

9. 添加认证：JWT令牌

安装python-jose + passlib：

from fastapi.security import OAuth2PasswordBearer

oauth2_scheme = OAuth2PasswordBearer(tokenUrl="token")

@app.get("/protected")
def protected_route(token: str = Depends(oauth2_scheme)):
    # 验证JWT
    return {"token": token}

10. 错误处理：返回友好错误

from fastapi import HTTPException

@app.get("/items/{item_id}")
def read_item(item_id: int):
    if item_id not in items_db:
        raise HTTPException(status_code=404, detail="Item not found")
    return items_db[item_id]

好的错误处理让前端开发者感激不尽。

11. 中间件：添加请求日志

@app.middleware("http")
async def log_requests(request, call_next):
    print(f"请求: {request.method} {request.url}")
    response = await call_next(request)
    print(f"响应状态: {response.status_code}")
    return response

12. 文件上传处理

from fastapi import File, UploadFile

@app.post("/upload/")
async def upload_file(file: UploadFile = File(...)):
    content = await file.read()
    return {"filename": file.filename, "size": len(content)}

13. 部署：使用Docker+Uvicorn

生产式Dockerfile：

FROM python:3.12-slim
WORKDIR /app
COPY . .
RUN pip install -r requirements.txt
CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000", "--workers", "4"]

数据提示：4个worker在8核服务器上可处理约3000并发请求，而相同配置的Flask只能处理约400请求。

🚀 行动号召

别只收藏——动手试一下！用这13步，今天就能搭建一个带数据库、认证、文件上传的完整API。2026年，掌握FastAPI就是掌握后端开发的通行证。

下一步：尝试接入Redis缓存，或者用pytest编写自动化测试。

免责声明：本文基于2026年技术生态编写。实际部署时请确保使用最新稳定版本的FastAPI、Python和数据库驱动。在生产环境中，务必启用HTTPS、限制请求速率、并定期审计依赖安全漏洞。文中提到的性能数据为测试环境基准，实际表现受硬件、网络和业务逻辑复杂度影响。