FastAPI 路由响应慢的优化方案
当遇到 FastAPI 路由响应慢的问题时，可以考虑以下几个方面的优化：
1. 数据库查询优化
# 不优化的查询
@app.get("/users")
async def get_users():
    users = await db.query("SELECT * FROM users")  # 获取所有字段
    return users

# 优化后的查询
@app.get("/users")
async def get_users():
    users = await db.query("SELECT id, name FROM users LIMIT 100")  # 只获取必要字段并限制数量
    return users
只查询需要的字段
添加适当的 LIMIT
使用索引优化查询
考虑使用 JOIN 替代多次查询
2. 异步处理
# 同步阻塞代码
@app.get("/sync")
def sync_endpoint():
    time.sleep(5)  # 阻塞
    return {"message": "Done"}

# 异步非阻塞代码
@app.get("/async")
async def async_endpoint():
    await asyncio.sleep(5)  # 非阻塞
    return {"message": "Done"}
确保使用 async/await 语法
将阻塞操作（如 I/O、网络请求）转换为异步
使用 httpx 替代 requests 进行 HTTP 请求
3. 缓存机制
from fastapi_cache import FastAPICache
from fastapi_cache.backends.redis import RedisBackend
from fastapi_cache.decorator import cache

@app.get("/expensive")
@cache(expire=60)  # 缓存60秒
async def expensive_operation():
    # 耗时计算
    return {"result": "data"}
使用 fastapi-cache 等缓存库
对频繁访问但不常变化的数据进行缓存
考虑 Redis 或内存缓存
4. 中间件优化
from fastapi.middleware.gzip import GZipMiddleware

app.add_middleware(GZipMiddleware, minimum_size=1000)  # 对大于1KB的响应启用压缩
添加 GZip 压缩
移除不必要的中间件
考虑自定义中间件优化特定路径
5. 分页和延迟加载
@app.get("/items")
async def read_items(skip: int = 0, limit: int = 100):
    items = await db.query("SELECT * FROM items LIMIT ? OFFSET ?", limit, skip)
    return items
实现分页接口
对于大型数据集使用游标分页
前端实现无限滚动或分页
6. 性能分析和监控
# 使用 pyinstrument 分析性能
@app.get("/profile")
async def profile_endpoint():
    from pyinstrument import Profiler
    profiler = Profiler()
    profiler.start()
    # 你的代码
    profiler.stop()
    return profiler.output_html()
使用 pyinstrument 或 cProfile 分析性能瓶颈
添加监控（如 Prometheus）
使用 APM 工具（如 Sentry, Datadog）
7. 其他优化技巧
使用 Pydantic 的 response_model 进行数据验证和过滤
启用 HTTP/2
考虑使用 CDN 缓存静态资源
对于计算密集型任务，考虑使用 Celery 或 RQ 异步处理
通过以上优化措施，通常可以显著提高 FastAPI 路由的响应速度。建议先使用性能分析工具确定瓶颈所在，然后有针对性地进行优化。