FastAPI 通过依赖注入实现上下文解析与业务逻辑的解耦。处理函数在签名中用 `Depends` 声明“需要什么”，框架启动时构建依赖图，请求时按拓扑序解析并注入结果，无需关心资源构造细节。`yield` 依赖形态将资源生命周期分为两段：`yield` 之前准备资源并注入，响应返回后自动执行 `yield` 之后的清理逻辑，框架借助 `AsyncExitStack` 保证即使处理函数异常也能完成回收。依赖支持嵌套，子依赖结果可在同一请求内缓存复用，避免重复解析。该机制旨在实现声明式协作为 IDE 和文档提供精确信息，以及便于通过 `dependency_overrides` 进行测试替换。实践上，`yield` 之后仅做资源关闭等轻量收尾，嵌套层数宜控制在三层以内，以保持可维护性。

FastAPI 中间件遵循 ASGI 洋葱模型，请求按注册顺序先穿过所有中间件再进入路由，响应逆序返回。`@app.middleware("http")` 支持 `async def` 和 `def` 两种形态：`async def` 在事件循环内 `await call_next`，适合需读请求体或异步 I/O；`def` 被 Starlette 投递至线程池执行，适合纯计算，如生成请求 ID。注册顺序即为执行顺序，最先注册者离客户端最近，因此耗时统计中间件应排在最前以覆盖全部处理时间。典型设计是外层异步中间件读取 body 并计算耗时，写入 `X-Duration-ms` 等响应头；内层纯计算中间件生成唯一 ID 挂载到 `request.state` 和 `X-Request-ID`。实现需注意：`await request.body()` 会消耗请求体但 Starlette 缓存可重复读取，不适用于大文件上传；`def` 中间件不应包含同步阻塞调用；中间件数量应保持克制。

FastAPI 通过全局异常处理机制分离异常抛出与响应构造，避免每个路由处理器重复编写 try/except。异常沿异步栈冒泡，框架根据方法解析顺序匹配最具体的处理器，支持装饰器或字典两种注册方式，最终合并到同一个分派链。处理器函数可以是 `def` 或 `async def`，框架自动调度。核心实践是将 `HTTPException` 及其它业务异常直接抛出，在全局处理器中统一转换为一致的 JSON 结构。尤其针对 SQLAlchemy 的 `IntegrityError`，通过解析 `exc.orig.args[0]` 获取 MySQL 错误码，精确映射为 409、422 等 HTTP 状态码，使数据层无需捕获异常，错误响应的格式和状态码在整个应用中保持一致。

FastAPI 默认的 JSON 响应能满足多数场景，但在需要固定响应外壳或提升序列化吞吐时，可直接返回 `JSONResponse` 或更快的 `ORJSONResponse`。显式使用响应类会绕过 `response_model` 的校验与过滤，开发者需自行确保数据安全。响应类的选择（标准库编码 vs. `orjson` 编码）与 handler 的函数形态（`async def` 取决于 I/O 操作）完全正交，可自由组合。`ORJSONResponse` 通常更快，但性能收益需结合实际瓶颈评估；若查询延迟占比高，更换编码器收效甚微。ORM 中设置 `expire_on_commit=False` 可保留已加载属性，避免序列化时触发额外查询，但关联字段仍需在查询时显式预加载。面对大数据响应，最终优化方向应从更快编码转向分页或流式传输。

FastAPI 通过 Pydantic 模型分别为请求与响应定义独立的契约，不共用同一套模型。请求模型（如 BookCreate）只包含客户端可写字段，过滤掉 id 等由服务端生成的属性；响应模型（如 BookOut）只暴露可读字段，防止数据库内部列外泄。框架内部有两条独立管线：请求体先经请求模型校验，通过后进入 handler；handler 返回的数据再经由 `response_model` 强制校验与字段过滤，最终序列化为 JSON。Pydantic v2 通过 `from_attributes=True` 可直接从 ORM 实例读取属性，避免手动转换。使用中需注意：列表接口宜用轻量摘要模型，序列化阶段须确保关联字段已加载以防 N+1 查询，同时应显式声明 `response_model` 而非仅靠返回类型注解，以确保字段过滤生效。

FastAPI通过路径模板匹配、类型推断和显式标记三层规则决定参数来源：路径中的变量归为`Path`，标量类型默认为`Query`，Pydantic模型则推断为`Body`。使用`Annotated`可将类型与约束统一声明，提升可读性。无论数据来自何处，所有参数最终都汇入同一套类型转换与校验流水线，校验失败会立即返回422响应。参数的分类与Handler采用`async def`还是`def`形态无关，后者仅取决于函数体内是否存在可`await`的I/O操作。实践上，需注意区分框架自动校验与业务校验的语义，并对字符串查询参数设置`max_length`以保障安全。

随着接口数量增长，所有端点集中在一个文件会导致代码导航困难和文档混乱。FastAPI 提供 `APIRouter` 作为“迷你应用”，可按业务域独立管理端点，并通过 `prefix` 统一路径前缀、`tags` 进行 OpenAPI 文档分组，最后像拼乐高一样挂载到主应用上。 路由注册时，端点被拷贝进应用路由表。请求处理时，框架根据处理函数的形态自动分流：`async def` 函数留在事件循环内 `await`，适用于数据库、网络等 I/O 操作；`def` 函数则被投递到线程池执行，适合纯 CPU 计算。选型的关键在于函数体是否包含需要让出控制权的 `await` 调用，而不是性能优劣。错误搭配（如在 `async def` 中调用同步阻塞库）会卡死事件循环，影响并发能力。

FastAPI 中 `async def` 与 `def` 的选型核心依据是：**函数体内是否存在可 `await` 的 I/O 操作**。若所有 I/O 均有异步版本（如异步数据库驱动、`httpx`），首选 `async def` + `await`，事件循环能在单请求内并发调度，吞吐最优。若必须调用无异步版的同步阻塞库（如 `requests`、某些 PDF/加密 SDK）或进行纯 CPU 计算，则使用 `def`，框架会通过 `anyio.to_thread.run_sync` 自动将整个 handler 投递进线程池执行，保证主事件循环不阻塞。混合场景下，`async def` 主体中若仅局部存在同步阻塞调用，可使用 `await run_in_threadpool(blocking_func, ...)` 精准将此次调用抛入线程池，实现异步与同步的安全嫁接。需注意：不可在协程内直接调用同步阻塞库，否则会导致事件循环卡死；纯 CPU 操作虽入线程池，但受 GIL 限制并无真正并行加速，大规模计算应转向进程池。

本文介绍FastAPI项目从单文件向工程化分层目录的演化方法，核心是将职责拆分为接口层、业务层、数据访问层和ORM模型层，并遵循单向依赖原则。接口层定义路由并调用业务层；业务层编排用例，不感知HTTP；数据访问层仅封装数据库操作，不依赖上层。文章给出了`backend/`目录模板，说明各模块职责，并演示了如何将端点拆分至相应目录、通过`include_router`挂载。分层设计提升了可测性与可替换性，便于独立修改与测试。文章还指出应避免循环导入、不将ORM对象直接暴露给接口层，以及将启动操作放入`lifespan`等实践要点。

FastAPI 是一个基于 Starlette 和 Pydantic 构建的现代 Python Web 框架，专为 API 设计，核心优势在于通过 ASGI 异步协议实现高并发，利用 Pydantic v2 的 Rust 内核加速数据校验与序列化，并在启动时完成路由与依赖的预处理以降低运行时开销。其请求处理链分工明确，各层可独立替换，便于性能排查与灵活迁移。开发上，FastAPI 深度集成 Python 类型注解，能自动完成请求解析、参数校验和 OpenAPI 文档生成，显著减少代码量。使用时需注意避免同步阻塞破坏事件循环，不可滥用弱类型注解以保留自动校验能力，并应将共享资源放在 lifespan 中管理，异步栈须统一，防止混用导致问题。