FastAPI 面试手册

在 FastAPI 的面试中，面试官通常会考察候选人对 FastAPI 的基本概念、实际应用以及如何应对各种开发场景的能力。以下是一些典型的 FastAPI 面试题目和解答举例，帮助你更好地理解面试中的问题和解答思路。

一、FastAPI 基础概念

1.1 举例说明：什么是 FastAPI，它的优势是什么？

示例问题：请简要介绍一下 FastAPI，以及它相比其他 Python Web 框架的优势。
详细解答：
FastAPI 介绍：FastAPI 是一个基于 Python 3.6+ 的现代 Web 框架，用于构建快速（high-performance）API，基于标准 Python 类型提示。
优势：
- 高性能：基于 Starlette 和 Pydantic，性能与 Node.js 和 Go 相当。
- 自动生成文档：支持自动生成 OpenAPI 和 JSON Schema 文档。
- 依赖注入：内置的依赖注入系统，便于管理复杂的依赖关系。
- 类型安全：利用 Python 类型提示确保参数验证和类型检查。

二、路由与请求处理

2.1 举例说明：如何在 FastAPI 中定义一个简单的路由？

示例问题：请展示如何使用 FastAPI 定义一个返回 "Hello, World!" 的 GET 请求。
详细解答：
问题分析：在 FastAPI 中，通过装饰器 @app.get() 定义 GET 请求路由。
处理方法：
- 定义路由：通过装饰器定义路由，并在路由函数中返回响应内容。

from fastapi import FastAPI

app = FastAPI()

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

三、请求参数

3.1 举例说明：如何在 FastAPI 中处理路径参数和查询参数？

示例问题：请编写一个 API 接口，它接受一个用户名作为路径参数，并可选地接受一个年龄作为查询参数。
详细解答：
问题分析：路径参数直接在 URL 路径中定义，查询参数通过 URL 的 ? 号后面定义。
处理方法：
- 路径参数：在路径中定义参数，并在函数签名中相应定义。
- 查询参数：在函数签名中定义可选参数，并设置默认值。

from fastapi import FastAPI

app = FastAPI()

@app.get("/users/{username}")
def read_user(username: str, age: int = None):
    return {"username": username, "age": age}

四、请求体和表单数据

4.1 举例说明：如何在 FastAPI 中处理 JSON 请求体？

示例问题：请编写一个 API 接口，它接受一个包含用户信息的 JSON 对象，并返回处理后的用户数据。
详细解答：
问题分析：FastAPI 使用 Pydantic 模型来定义和验证请求体的数据结构。
处理方法：
- 定义 Pydantic 模型：创建 Pydantic 模型类来描述请求体结构。
- 请求体处理：通过函数参数接收并处理 JSON 数据。

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class User(BaseModel):
    name: str
    age: int

@app.post("/users/")
def create_user(user: User):
    return {"name": user.name.upper(), "age": user.age}

五、依赖注入

5.1 举例说明：如何在 FastAPI 中使用依赖注入？

示例问题：如何定义一个依赖，它会在每个请求中打印一条日志，并在路由函数中使用它？
详细解答：
问题分析：FastAPI 允许通过 Depends 进行依赖注入，便于代码重用和逻辑分离。
处理方法：
- 定义依赖：创建一个函数，用作依赖。
- 使用依赖：在路由函数中通过 Depends 注入该依赖。

from fastapi import FastAPI, Depends

app = FastAPI()

def log_dependency():
    print("Log: New request received")
    return "Dependency injected"

@app.get("/items/")
def read_items(log: str = Depends(log_dependency)):
    return {"message": log}

六、异常处理

6.1 举例说明：如何在 FastAPI 中处理异常？

示例问题：如何定义一个自定义异常并在 FastAPI 中处理它？
详细解答：
问题分析：可以通过 HTTPException 抛出标准异常，也可以通过自定义异常处理器处理特殊情况。
处理方法：
- 定义自定义异常：通过继承 Python 的 Exception 类创建自定义异常。
- 注册异常处理器：使用 app.exception_handler 装饰器注册处理器。

from fastapi import FastAPI, HTTPException
from fastapi.responses import JSONResponse

app = FastAPI()

class CustomException(Exception):
    def __init__(self, name: str):
        self.name = name

@app.exception_handler(CustomException)
def custom_exception_handler(request, exc: CustomException):
    return JSONResponse(status_code=418, content={"message": f"Oops! {exc.name} did something wrong."})

@app.get("/items/{name}")
def read_item(name: str):
    if name == "bad":
        raise CustomException(name=name)
    return {"name": name}

七、测试 FastAPI 应用

7.1 举例说明：如何测试一个 FastAPI 应用？

示例问题：请展示如何使用 TestClient 测试一个 FastAPI 应用的 API 路由。
详细解答：
问题分析：FastAPI 提供了 TestClient 来模拟请求，测试 API 的行为。
处理方法：
- 测试客户端：使用 TestClient 创建客户端，发送请求并验证响应。

from fastapi.testclient import TestClient
from myapp import app  # 假设上面的 FastAPI 应用在 myapp.py 文件中

client = TestClient(app)

def test_read_root():
    response = client.get("/")
    assert response.status_code == 200
    assert response.json() == {"message": "Hello, World!"}

八、部署 FastAPI 应用

8.1 举例说明：如何部署一个 FastAPI 应用？

示例问题：你会如何将一个 FastAPI 应用部署到生产环境？
详细解答：
问题分析：部署 FastAPI 应用的方式多种多样，常见的有使用 Uvicorn 或 Gunicorn。
处理方法：
- 本地部署：使用 Uvicorn 运行应用。
- 生产环境部署：通过 Gunicorn + Uvicorn 多工作进程的方式提高性能。

# 使用 Uvicorn 本地运行应用
uvicorn myapp:app --reload

# 使用 Gunicorn + Uvicorn 部署到生产环境
gunicorn -k uvicorn.workers.UvicornWorker myapp:app

这些示例涵盖了 FastAPI 面试中可能涉及的多个方面，帮助你系统性地理解和回答相关问题。通过这些详细的解答，你可以更好地准备 FastAPI 面试，展现你的技术能力和项目经验。