FastAPI or Flask？从用户出发，才是王道

✏️ 编者按：
前段时间，Milvus demo 使用的服务框架从 Flask 切换为 FastAPI，这一改动引发了社区小伙伴们讨论：为什么要改服务框架？改了以后有什么好处？为了解答社区小伙伴们的疑问，Zilliz 数据工程师云梅写下这篇文章。
加入 Zilliz 以来，云梅致力于为开源向量数据库 Milvus 探索解决方案，帮助用户打造场景应用。她深入关注自然语言处理技术和搜索推荐系统，日常喜欢一个人猫着乱翻书。
如果你也想参与讨论，欢迎加入我们的技术交流群，加群方式请见文末

概述

为了让用户轻松上手向量数据库 Milvus，我们在 GitHub 上开源了 Milvus Bootcamp 项目。该项目除了提供测试性能的脚本和数据外，还提供了一些使用 Milvus 数据库实现的小项目，比如以图搜图、视频分析、自动问答机器人、推荐系统等。这些项目不仅生动地展示了向量数据库 Milvus 的应用场景，还可以帮你在实际项目中真实体验向量数据库 Milvus 有多好用。

仓库地址：https://github.com/milvus-io/...
在这些项目中，我们提供了前端和后端服务。起初，这些项目的后端使用了 Web 框架 Flask 来提供 Web 服务，后来采用 FastAPI 替换了 Flask。切换之后，社区的一些小伙伴提出了疑问，为什么我们最终选择使用 FastAPI 而不是 Flask？我们在社区内进行了一些很有价值的讨论，这篇文章将系统地讲述这一切换的目的。
让我们来先看一下什么是 Web 框架，以及 Flask 和 FastAPI 各自有什么特点。

Python web

Web 框架是一组包或模块的集合，是用于进行 Web 开发的一套软件架构，允许开发人员编写 Web 应用程序或服务，而无需处理诸如协议、套接字或进程/线程管理之类的低级细节，减少了开发人员开发 Web 应用的工作量。使用 Web 框架进行 Web 开发的时候，在进行数据缓存、数据库访问、数据安全校验等方面，不需要自己再重新实现，而是将业务逻辑相关的代码写入框架就可以。
目前已有很多 Python web 框架，其中常见的如 Django、Flask、Tornado、FastAPI 等。本文将基于 Milvus Bootcamp 中的实际应用，聚焦 Flask 和 FastAPI 并讨论两者的不同，以及我们选择 FastAPI 的原因。

Flask

Flask 是一个基于 Python 的轻量级 Web 应用框架。Flask 框架核心简单，用户可以轻松地开发自己的 Web 应用。此外，Flask 有一个简单且易于扩展的核心，用户在使用 Flask 开发网站时，可以根据自己的需求添加不同的功能，各种插件库可以让用户完全按照自己的意愿开发出功能强大的网站。
Flask 具有以下特点：

• Flask 是一个微框架，因为它不需要特定的工具或库。它没有数据库抽象层、表单验证或任何其他预先存在的第三方库提供通用功能的组件。但是，Flask 支持可以添加应用程序功能的扩展，就好像它们是在 Flask 本身中实现的一样。存在对象关系映射器、表单验证、上传处理、各种开放身份验证技术和一些常见框架相关工具的扩展。
• Flask 是一个基于 WSGI（Web Server Gateway Interface）的 Web 应用框架。WSGI 是为 Python 语言定义的 Web 服务器和 Web 应用程序或框架之间的一种简单而通用的接口。
• Flask 包含了 Werkzeug 和 Jinja2 两个核心函数库。Werkzeug 是一个 WSGI 工具包，它实现了请求、响应对象和实用功能，这使得用户可以在其上构建 Web 框架，Flask 框架使用 Werkzeg 作为其基础之一；Jinja2 是一个流行的 Python 的功能齐全的模板引擎，它有完整的 unicode 支持，一个可选的集成沙箱执行环境，被广泛使用。

FastAPI

FastAPI 是一个现代化的高性能 Python Web 应用框架，具有与 Go 和 NodeJS 一样高的性能。FastAPI 核心建立在 Starlette 和 Pydantic 基础之上。Starlette 是一种轻量级的 ASGI 框架的工具包，是构建高性能 Asyncio 服务的选择；Pydantic 是一个基于 Python 类型提示来定义数据验证、序列化和文档的库。
FastAPI 具有以下特点：

• FastAPI 是一个基于 ASGI（Asynchronous Server Gateway Interface）的 Web 应用框架。ASGI 是异步网关协议接口，一个介于网络协议服务和 Python 应用之间的标准接口，能够处理多种通用的协议类型，包括 HTTP、HTTP2 和 WebSocket。
• FastAPI 基于的 Pydantic 提供了接口数据类型检查的功能。用户不需要做额外的接口参数校验，不用写大量代码验证参数是否为空、类型是否正确，有效减少了代码中的人为错误，提高开发效率。
• FastAPI 支持 OpenAPI（前身是 Swagger）和 Redoc 两种文档格式。对于使用者来说，不用花费大量时间写额外的接口文档。FastAPI 提供的 OpenAPI 文档如图：

Why FastAPI

在为 Milvus Bootcamp 中的项目选择 Web 应用框架时，我们调研了包括 Django、Flask、FastAPI、Tornado 等在内的多种 Python Web 应用框架。由于 Milvus Bootcamp 中的项目是作为案例提供给 Milvus 用户参考的，那我们首先考虑的点就是，依赖的外部框架应该尽可能轻量、简单易上手，因此初步筛选出了 Flask 和 FastAPI。
接着，让我们深入调研 Flask 和 FastAPI，我这里对两者之间的比较做了一个简单的总结：

网上比较 Flask 和 FastAPI 这两个 Web 应用框架的文章非常多，大多基于以上表格中的这几点进行比较。这里，我将基于 Milvus Bootcamp 中的项目和实际应用来分析选择了使用 FastAPI 而不是 Flask 的原因。

• 一是基于性能的考虑。对于以图搜图、问答系统、相似文本检索等项目来说，这些系统的实时性要求都相对较高。因此在选择 Web 框架时，性能是我们考虑的一个重点。众所周知，高性能是 FastAPI 的一大亮点。
• 二是基于开发效率的考虑。FastAPI 提供了自动验证数据类型的功能，可以有效减少开发时人为的代码错误，极大提高开发效率。而对于 Flask 来说，每一个接口都需要在代码中完成数据类型的验证，判断传入的数据是否为空等，增加了项目中的代码量。Bootcamp 是面向用户的一个 Milvus 训练营，简单易上手的代码和较低的出错率，能极大地优化用户的使用感。
• 三是基于 FastAPI 原生支持异步的考虑。此前， Milvus 官网上线了可供用户自行上传数据并查询的以图搜图、视频分析、问答机器人和化学式检索这四个项目。用户上传数据时，由于对视频和文本等数据的处理过程相对耗时，所以我们选择了在服务端接受到用户请求时就立刻给用户返回 ✅「已接收到请求」的消息，等后台服务处理完数据后，再给用户发送一个 ✅✅「数据上传成功」的提示。由于 FastAPI 本身支持异步的特性，这一点实现起来也非常容易。
• 四是 FastAPI 提供了自动交互式文档。无论是在开发过程中调试代码接口，还是在和前端团队开发 Web 前端时的对接过程中，我们都可以直接打开 FastAPI 提供的 OpenAPI 文档进行调试。而如果使用其他不提供这类文档的 Web 框架，那么在完成 Web 服务端代码开发后，我们还需要写一个接口文档，额外使用 Postman 一类的工具调试接口。此外，对于用户来说，如果只想启动 Bootcamp 中提供的项目的 Web 服务端，而不想额外的启动一个 Web 网页端服务，只需要打开 FastAPI 提供的 OpenAPI 文档，也能以一个直观的方式去体验这些项目。
• 最后，我们考虑的是两个框架对用户友好程度的不同。FastAPI 的开发和使用更加简单，使得 Milvus 数据库的用户在学习了解 Milvus Bootcamp 中的项目时，可以更多地关注项目本身的具体实现，而不用花费过多的时间去学习依赖的 Web 框架等。

总结

Flask 和 FlastAPI 各有其突出的特点。FlastAPI 作为一个相对比较新的 Web 应用框架，其核心依赖 Starlette 和 Pydantic，可谓是一个站在巨人肩膀上的产物，其高性能、异步框架、数据验证等特点非常吸引开发者。Flask 是一个早期的 Web 框架，在基础功能之上还支持灵活地添加各种插件，具备完善的功能，也有完善的官方文档和大量用户发布的使用经验，以及活跃的用户社区。总体而言，在实际应用过程中，开发者应该基于实际应用需求去选择合适的框架。

---

Zilliz 以重新定义数据科学为愿景，致力于打造一家全球领先的开源技术创新公司，并通过开源和云原生解决方案为企业解锁非结构化数据的隐藏价值。
Zilliz 构建了 Milvus 向量数据库，以加快下一代数据平台的发展。Milvus 数据库是 LF AI & Data 基金会的毕业项目，能够管理大量非结构化数据集，在新药发现、推荐系统、聊天机器人等方面具有广泛的应用。