Python - FastAPI 实现 get、post 请求

目录

一.引言

二.FastAPI Server 构建

1.get - read_items

2.post - create_item

3.uvicorn - run_app

三.Postman 请求

1.post - create_item

2.get - read_items

四.Requests 请求

1.post - create_item

2.get - read_items

五.总结

---

一.引言

前面介绍了 LLM 的相关知识，从样本加载、模型加载到后面的模型训练与模型推理，我们经历的完整的 LLM LoRA 微调与推理流程。基于前面的预训练模型，我们尝试使用 FastAPI 构建接口服务，本文主要介绍最基本的 FastAPI get、post 用法，后续介绍完整的 server 部署。

二.FastAPI Server 构建

下面我们构建一个 API 服务，共包含两个方法:

◆ read_items - 将 items 数组的元素打印出来

◆ create_item - 向 items 数组添加一个元素

1.get - read_items

get 方法是 HTTP 请求的一种类型，通常用语从服务器获取数据。由于 read_items 方法是从服务器获取 items 数组，所以其对应 get 请求。get 请求通常没有请求体，所有参数都放在 URL 的查询字符串中，所以存在一定的安全性问题。

1. # -*- coding: utf-8 -*-
2. from fastapi import FastAPI, Form
4. app = FastAPI()
6. # 示例数据
7. items = []
10. # GET 请求
11. @app.get("/items")
12. async def read_items():
13. return items

2.post - create_item

post 方法是区别于 get 的另一种 HTTP 请求类型，通常用于向服务器发送数据。post 通常包含一个请求体，传输的参数不需要通过 '?' 显式的体现在请求的 URL 中，而是可以通过 JSON 对象传递，相对 get 方法更加安全。与 get 相比，post 操作不是幂等的，其每次执行完可能得到不同的结果，而 get 操作则通常认为是幂等的，这意味着多次执行 get 得到的结果应该是相同的。

1. # POST 请求
2. @app.post("/items")
3. async def create_item(item: str = Form(None)):
4. items.append(item)
5. return {"message": "Item created successfully: {}".format(str(item))}

这里 Post 请求成功后会有成功的提示并打印成功添加的 item。

3.uvicorn - run_app

uvicorn.run(app, host="192.XXX.XXX", port=8001) 方法是 uvicorn 的命令行接口。其中，app 是你想要运行的应用对象，对应我们上面的 FastAPI 的 get 与 post 对应的方法，host 和 port 则是服务将要监听的 IP 地址和端口。该方法会启动一个 ASGI 服务器，以指定的 host 和 port 为你的应用提供服务。后续的 HTTP 请求的 URL 也是基于上面的 host 和 port 组成。下面我们在本机起一个 FastAPI 服务。

1. if __name__ == '__main__':
2. import uvicorn
4. uvicorn.run(app, host='0.0.0.0', port=7788)

运行主函数后出现如下提示代表 Server 启动成功，我们后续对应的 HTTP 请求 URL 为图中蓝色链接 http://0.0.0.0:7788： 

三.Postman 请求

针对上面构建的 HTTP 服务，我们可以通过显示的 App 例如 postman 进行 get 和 post 请求。

1.post - create_item

打开 postman 选择 POST 命令，输入对应的 URL + 函数对应的路径，上面 get 和 post 请求对应的路径都是 URL + items，在对应 form-data 处传递要添加的 item，注意这里 key 要和函数定义的参数名称完全对应，否则会报错。执行 send 按钮发送 Http 请求，从返回的 Body 中我们看到成功添加 python 到 items 列表中。后面我们修改 value 为 'java' 和 'c++' 并依次发送 post 指令。

server 端也要每次请求的具体信息，status_code == 200 代表请求成功。

2.get - read_items

将请求模式切换为 GET，由于 get 命令未传参数，所以直接输入对应地址 Send 发送请求即可。返回的结果中包含我们上面添加的三个元素：python、java、c++。server 端也增加对应的 get 请求日志：

四.Requests 请求

上面 Postman 采用显式的页面方式向 server 发送 HTTP 请求并获取结果，更常规的做法是通过 requests 库使用代码发送请求并处理返回结果。

1.post - create_item

1. def post(text):
2. url = 'http://0.0.0.0:7788/items'
4. # 构建请求数据
5. data = {
6. 'item': text
7. }
9. # 发送 post 请求
10. response = requests.post(url=url, data=data, timeout=10)
12. # 检查响应状态
13. if response.status_code == 200:
14. print('请求成功')
15. print(response.json())
16. else:
17. print('请求失败，状态码：', response.status_code)

requests.post 添加对应 url 与 data，data 为 map 形式，其中要包含 post 函数对应的 key，结尾处会根据 status_code 判断请求是否成功。从 server 日志可以看出这一次 create_item 也执行成功了：

2.get - read_items

1. def get():
2. url = 'http://0.0.0.0:7788/items'
3. response = requests.get(url)
5. if response.status_code == 200:
6. data = response.json()
7. print('成功获取，返回：', data)
8. else:
9. print('请求失败，状态码：', response.status_code)

requests.get 直接传入对应 url 即可获取对应信息：

server 端如下日志代表本次 get 请求成功： 

五.总结

上面介绍了如何使用 FastAPI 搭建简单的 Server Demo，后续基于该方法构建 LLM Server。