扫描二维码
关注或者微信搜一搜：编程智域前端至全栈交流与成长

探索数千个预构建的 AI 应用，开启你的下一个伟大创意：https://tools.cmdragon.cn/

第六章：FastAPI与MongoDB异步写入优化

6.1 异步写入原理与优势

通过Motor驱动实现真正的非阻塞I/O操作，相比同步写入可提升3-5倍吞吐量。异步写入的核心机制是事件循环（Event
Loop），它像餐厅的高效服务员，不需要等待某个客人点完餐才服务下一位。

1 2	# 安装依赖 # pip install motor==3.1.1 fastapi==0.103.2 pydantic==2.5.3

6.2 Motor驱动深度集成

6.2.1 数据库连接配置

from motor.motor_asyncio import AsyncIOMotorClient
from fastapi import Depends


async def get_db():
    client = AsyncIOMotorClient("mongodb://localhost:27017", maxPoolSize=100)
    return client.blog_db


# 依赖注入使用示例
@app.post("/comments")
async def create_comment(
        comment: CommentModel,
        db: AsyncIOMotorDatabase = Depends(get_db)
):
    result = await db.comments.insert_one(comment.dict())
    return {"inserted_id": str(result.inserted_id)}

6.2.2 批量写入优化

使用bulk_write方法比单条插入快10倍以上：

from pydantic import BaseModel
from typing import List


class UserAction(BaseModel):
    user_id: str
    action_type: str
    timestamp: datetime = Field(default_factory=datetime.now)


@app.post("/user_actions/bulk")
async def bulk_insert_actions(
        actions: List[UserAction],
        db: AsyncIOMotorDatabase = Depends(get_db)
):
    operations = [InsertOne(action.dict()) for action in actions]
    result = await db.user_actions.bulk_write(operations)

    return {
        "inserted_count": result.inserted_count,
        "batch_size": len(actions)
    }

6.3 聚合管道性能调优

6.3.1 典型聚合场景

统计每小时用户活跃度：

@app.get("/activity/hourly")
async def get_hourly_activity(db: AsyncIOMotorDatabase = Depends(get_db)):
    pipeline = [
        {"$project": {
            "hour": {"$hour": "$timestamp"},
            "action_type": 1
        }},
        {"$group": {
            "_id": "$hour",
            "total_actions": {"$sum": 1},
            "unique_actions": {"$addToSet": "$action_type"}
        }},
        {"$sort": {"_id": 1}}
    ]

    results = await db.user_actions.aggregate(pipeline).to_list(1000)
    return {"hourly_data": results}

6.3.2 索引优化策略

为查询字段创建合适索引：

# 后台创建复合索引（不影响服务可用性）
await db.user_actions.create_index(
    [("user_id", 1), ("timestamp", -1)],
    background=True,
    name="user_activity_idx"
)

6.4 实战案例：实时日志分析系统

构建可处理10万TPS的日志处理API：

class LogEntry(BaseModel):
    level: str
    message: str
    service: str
    context: dict = {}
    created_at: datetime = Field(default_factory=datetime.now)


@app.post("/logs/batch")
async def batch_logs(
        logs: List[LogEntry],
        db: AsyncIOMotorDatabase = Depends(get_db)
):
    # 批量插入优化
    batch_size = 500
    inserted_count = 0

    for i in range(0, len(logs), batch_size):
        batch = logs[i:i + batch_size]
        result = await db.logs.insert_many(
            [log.dict() for log in batch],
            ordered=False  # 忽略个别错误继续插入
        )
        inserted_count += len(result.inserted_ids)

    return {"accepted": inserted_count}

课后Quiz

批量插入时设置ordered=False的主要作用是？
A) 提高插入速度
B) 保证插入顺序
C) 允许部分失败继续插入
D) 数据加密
答案：C
当设置ordered=False时，MongoDB会继续执行剩余的插入操作，即使某些文档出现错误
如何优化高频更新的查询性能？
A) 增加更多服务器
B) 为查询字段创建合适索引
C) 减少日志输出
D) 使用更快的CPU
答案：B
正确的索引可以减少文档扫描量，将查询速度提升10-100倍

常见报错解决方案

报错：pydantic.error_wrappers.ValidationError

1
2
3

ValidationError: 1 validation error for CommentModel
content
  field required (type=value_error.missing)

原因分析：
请求体缺少必填字段，或模型字段定义与输入数据不匹配

解决方案：

检查API文档中的模型定义
使用try-except块捕获验证错误：

from fastapi import HTTPException


@app.post("/comments")
async def create_comment(data: dict):
    try:
        validated = CommentModel(**data)
    except ValidationError as e:
        raise HTTPException(400, detail=str(e))

    # 处理验证后的数据...

预防建议：

在路由参数中直接使用Pydantic模型
开启文档校验中间件：

app.add_middleware(
    ValidationErrorMiddleware,
    handlers=[http_error_handler]
)

余下文章内容请点击跳转至个人博客页面或者扫码关注或者微信搜一搜：编程智域前端至全栈交流与成长，阅读完整的文章：

异步之舞：FastAPI与MongoDB的极致性能优化之旅