


Bagaimana untuk Muat Naik Fail Besar dengan Berkesan (≥3GB) ke Bahagian Belakang FastAPI?
Bagaimana hendak Muat Naik Fail Besar (≥3GB) ke FastAPI Backend?
FastAPI boleh memproses fail melebihi 1MB dengan mendapatkan semula bahagian fail pada satu masa daripada badan permintaan. Pendekatan ini menghapuskan keperluan untuk memuatkan keseluruhan fail ke dalam memori, yang disyorkan apabila berurusan dengan fail besar.
Permintaan Sebelah Pelanggan:
m = MultipartEncoder(fields = {"upload_file":open(file_name,'rb')}) prefix = "http://xxx:5000" url = "{}/v1/uploadfiles".format(prefix) try: req = requests.post( url, data=m, verify=False, )
Respons Sebelah Pelayan:
HTTP 422 {"detail":[{"loc":["body","upload_file"],"msg":"field required","type":"value_error.missing"}]}
Sebab untuk Ralat:
Ralat berlaku kerana permintaan pihak klien meninggalkan pengepala Jenis Kandungan. FastAPI menjangkakan pelanggan menghantar permintaan berbilang bahagian/data bentuk semasa memuat naik fail. Tanpa pengepala Jenis Kandungan, FastAPI tidak dapat menghuraikan kandungan permintaan dengan betul.
Penyelesaian 1 (Disyorkan): Menggunakan Muat Naik Fail Penstriman dan Permintaan Dikodkan Potongan
Pustaka HTTPX menyokong muat naik fail penstriman secara lalai, membolehkan anda menghantar fail tanpa memuatkannya sepenuhnya ingatan.
Contoh:
import httpx import time url = 'http://127.0.0.1:8000/upload' files = {'file': open('bigFile.zip', 'rb')} headers = {'Filename': 'bigFile.zip'} data = {'data': 'Hello World!'} with httpx.Client() as client: start = time.time() r = client.post(url, data=data, files=files, headers=headers) end = time.time() print(f'Time elapsed: {end - start}s') print(r.status_code, r.json(), sep=' ')
Penyelesaian 2: Menggunakan streaming_form_data Library
Pustaka ini menyediakan penstriman berbilang bahagian/borang -data parser untuk Python, membolehkan anda menghuraikan permintaan multipart/form-data tanpa memuatkan keseluruhan badan permintaan ke dalam ingatan.
Contoh:
from streaming_form_data import StreamingFormDataParser from streaming_form_data.targets import FileTarget, ValueTarget app = FastAPI() MAX_REQUEST_BODY_SIZE = 1024 * 1024 * 1024 * 4 # = 4GB MAX_FILE_SIZE = 1024 * 1024 * 1024 * 3 # = 3GB @app.post('/upload') async def upload(request: Request): parser = StreamingFormDataParser(headers=request.headers) filename = request.headers.get('Filename') file_ = FileTarget('./' + filename) data = ValueTarget() parser.register('file', file_) parser.register('data', data) body_validator = MaxBodySizeValidator(MAX_REQUEST_BODY_SIZE) file_validator = MaxSizeValidator(MAX_FILE_SIZE) async for chunk in request.stream(): body_validator(chunk) parser.data_received(chunk)
Atas ialah kandungan terperinci Bagaimana untuk Muat Naik Fail Besar dengan Berkesan (≥3GB) ke Bahagian Belakang FastAPI?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Python sesuai untuk sains data, pembangunan web dan tugas automasi, manakala C sesuai untuk pengaturcaraan sistem, pembangunan permainan dan sistem tertanam. Python terkenal dengan kesederhanaan dan ekosistem yang kuat, manakala C dikenali dengan keupayaan kawalan dan keupayaan kawalan yang mendasari.

Anda boleh mempelajari konsep pengaturcaraan asas dan kemahiran Python dalam masa 2 jam. 1. Belajar Pembolehubah dan Jenis Data, 2.

Python digunakan secara meluas dalam bidang pembangunan web, sains data, pembelajaran mesin, automasi dan skrip. 1) Dalam pembangunan web, kerangka Django dan Flask memudahkan proses pembangunan. 2) Dalam bidang sains data dan pembelajaran mesin, numpy, panda, scikit-learn dan perpustakaan tensorflow memberikan sokongan yang kuat. 3) Dari segi automasi dan skrip, Python sesuai untuk tugas -tugas seperti ujian automatik dan pengurusan sistem.

Anda boleh mempelajari asas -asas Python dalam masa dua jam. 1. Belajar pembolehubah dan jenis data, 2. Struktur kawalan induk seperti jika pernyataan dan gelung, 3 memahami definisi dan penggunaan fungsi. Ini akan membantu anda mula menulis program python mudah.

Bagaimana Mengajar Asas Pengaturcaraan Pemula Komputer Dalam masa 10 jam? Sekiranya anda hanya mempunyai 10 jam untuk mengajar pemula komputer beberapa pengetahuan pengaturcaraan, apa yang akan anda pilih untuk mengajar ...

Cara mengelakkan dikesan semasa menggunakan fiddlerevery di mana untuk bacaan lelaki-dalam-pertengahan apabila anda menggunakan fiddlerevery di mana ...

Memuatkan Fail Pickle di Python 3.6 Kesalahan Laporan Alam Sekitar: ModulenotFoundError: Nomodulenamed ...

Bagaimana untuk menyelesaikan masalah segmentasi kata Jieba dalam analisis komen tempat yang indah? Semasa kami mengadakan komen dan analisis tempat yang indah, kami sering menggunakan alat segmentasi perkataan jieba untuk memproses teks ...


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

mPDF
mPDF ialah perpustakaan PHP yang boleh menjana fail PDF daripada HTML yang dikodkan UTF-8. Pengarang asal, Ian Back, menulis mPDF untuk mengeluarkan fail PDF "dengan cepat" dari tapak webnya dan mengendalikan bahasa yang berbeza. Ia lebih perlahan dan menghasilkan fail yang lebih besar apabila menggunakan fon Unicode daripada skrip asal seperti HTML2FPDF, tetapi menyokong gaya CSS dsb. dan mempunyai banyak peningkatan. Menyokong hampir semua bahasa, termasuk RTL (Arab dan Ibrani) dan CJK (Cina, Jepun dan Korea). Menyokong elemen peringkat blok bersarang (seperti P, DIV),

DVWA
Damn Vulnerable Web App (DVWA) ialah aplikasi web PHP/MySQL yang sangat terdedah. Matlamat utamanya adalah untuk menjadi bantuan bagi profesional keselamatan untuk menguji kemahiran dan alatan mereka dalam persekitaran undang-undang, untuk membantu pembangun web lebih memahami proses mengamankan aplikasi web, dan untuk membantu guru/pelajar mengajar/belajar dalam persekitaran bilik darjah Aplikasi web keselamatan. Matlamat DVWA adalah untuk mempraktikkan beberapa kelemahan web yang paling biasa melalui antara muka yang mudah dan mudah, dengan pelbagai tahap kesukaran. Sila ambil perhatian bahawa perisian ini

SecLists
SecLists ialah rakan penguji keselamatan muktamad. Ia ialah koleksi pelbagai jenis senarai yang kerap digunakan semasa penilaian keselamatan, semuanya di satu tempat. SecLists membantu menjadikan ujian keselamatan lebih cekap dan produktif dengan menyediakan semua senarai yang mungkin diperlukan oleh penguji keselamatan dengan mudah. Jenis senarai termasuk nama pengguna, kata laluan, URL, muatan kabur, corak data sensitif, cangkerang web dan banyak lagi. Penguji hanya boleh menarik repositori ini ke mesin ujian baharu dan dia akan mempunyai akses kepada setiap jenis senarai yang dia perlukan.

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

MinGW - GNU Minimalis untuk Windows
Projek ini dalam proses untuk dipindahkan ke osdn.net/projects/mingw, anda boleh terus mengikuti kami di sana. MinGW: Port Windows asli bagi GNU Compiler Collection (GCC), perpustakaan import yang boleh diedarkan secara bebas dan fail pengepala untuk membina aplikasi Windows asli termasuk sambungan kepada masa jalan MSVC untuk menyokong fungsi C99. Semua perisian MinGW boleh dijalankan pada platform Windows 64-bit.