如何优化FastAPI中的JSON数据检索速度？

优化 FastAPI 中的 JSON 数据检索速度

从 FastAPI 的 GET 端点返回相当大的 JSON 负载的速度缓慢是一个反复出现的问题。当使用 json.dumps() 通过 json.loads() 从文件传输数据时，响应会大大延迟。虽然返回数据可用于向用户发送数据，但有没有更有效的方法？

问题：
处理管道最初使用 pandas 的 to_json 将数据转换为 JSON () 函数，然后使用 json.loads() 将其加载到字典中，最后将其转换回 JSON。这种多步骤转换过程会带来相当大的延迟。

建议的解决方案：

首先，认识到 FastAPI 使用以下方法将返回值转换为 JSON 兼容的数据至关重要： jsonable_encoder，然后使用标准 Python 的 json.dumps() 函数进行序列化。众所周知，这个两步过程很慢。

选项 1：利用替代 JSON 编码器
考虑使用替代 JSON 编码器，例如 orjson 或 ujson。这些编码器的性能优于默认的 jsonable_encoder 和 json.dumps() 组合。

选项 2：直接返回自定义响应
为了获得最佳性能，请使用自定义 APIRoute 类并返回响应目的。这会绕过 FastAPI 的默认 JSON 转换过程。

<code class="python">from fastapi.routing import APIRouter, APIRoute

class TimedRoute(APIRoute):
    ...

app = FastAPI()
router = APIRouter(route_class=TimedRoute)

@router.get("/custom-response")
def get_data():
    df = pd.read_parquet('data.parquet')
    return Response(df.to_json(orient="records"), media_type="application/json")

app.include_router(router)</code>

其他注意事项：

• 流式响应：如果处理，请考虑使用流式响应异常大的数据集可能会导致内存不足问题。
• Dask 库： 利用 Dask 高效处理大量数据。在使用 .to_json() 之前将生成的 Dask DataFrame 转换为 Pandas DataFrame。
• 文件下载： 设置 Content-Disposition 标头以指示应将响应下载为文件，绕过浏览器渲染延迟。

以上是如何优化FastAPI中的JSON数据检索速度？的详细内容。更多信息请关注PHP中文网其他相关文章！