怎样在Python中优化JSON解析性能以加速FastAPI响应？

由于Python内置json模块性能差，Fastapi响应慢，orjson可以显著优化：安装后重写responsee.render()使用orjson.dumps()注意类型兼容，禁止美化选项，并在流式响应中逐步序列化。

Fastapi默认使用Python内置json模块是序列化的，但它json.loads()和json.dumps()在高并发性或大数据量下明显成为瓶颈。在实测中，当单个响应包含10000条记录，每个包含datetime和嵌套dict时，json.dumps()时间可达300ms以上，CPU占用急剧增加-这不是FastAPI的问题，而是json纯Python实现的固有局限性：无C加速，类型推导费用大，不支持zero-copy内存视图。

换成orjson它是最快有效的优化手段，用Rust编写，原生支持datetime、bytes、dataclass等等类型，输出总是bytes(省去encode步骤)。迁移只需要改变三个地方:

• 安装：pip install orjson
• JSON序列化器取代FastAPI：app.json_encoder = orjson.JSONEncoder（不推荐）；更安全的是重写Response类，覆盖render()方法，直接使用orjson.dumps()
• 确保所有返回数据都可以被确保orjson处理：避免numpy.ndarray、自定义不可序列化对象；如果必须返回，则提前转换为list或float

注意：orjson不支持default所以不要依赖参数json.dumps(obj, default=str)这种写法-得显式转换datetime为str，或用orjson.OPT_STRICT_INTEGER等待标志位控制行为。

Fastapi默认使用Pydantic模型进行响应序列化，而Pydantic模型 v2+已原生支持orjson只要您在模型中使用后端。model_config = {"ser_json_timedelta": "iso8601"}并保证此类配置orjson已经安装，Pydantic内部将自动调用orjson.dumps()而非json.dumps()。但关键点是：

Nodejs Patterns

内容：生产级 Node.js 涵盖后端模式 Express/Fastify 配置、分层架构、中间件、错误处理、验证、数据库集成、身份验证和缓存。 时机：构建 REST API、搭建 Node.js 在实施身份验证、集成数据库、添加验证/缓存或构建后端应用结构时，服务器。 关键词：nodejs, node, express, fastify, typescript, api, rest, 中间件, 身份验证, jwt, 验证, zod, postgres, mongodb, redis, 缓存, 速率限

立即学习“Python免费学习笔记(深入)；

• 必须使用BaseModel子类作为response_model，不能直接返回dict
• orjson不支持NaN、Infinity，如遇浮点异常，需提前过滤或使用orjson.OPT_NAN标志
• 如果包含模型字段SecretStr或IPv4Address确认它们已注册到其他特殊类型orjson在encoder中，否则会抛出TypeError: Type is not JSON serializable

用生成器做流式JSON(如AsyncIterable[Item]），orjson.dumps()不能直接用于逐行yield-因为它返回完整bytes，不分块流。此时正确的做法是：

• 每个yield项单独调用orjson.dumps(item) + b"\n"（JSON Lines格式)
• 禁用orjson.OPT_INDENT_2减少CPU浪费等美化选项
• 避免在生成器中进行复杂的计算或DB查询；流动性能瓶颈往往不是序列化的，而是在yield之前的数据准备阶段

最容易被忽视的是，流式接口的客户端必须按行分析，而不是期望在前端使用完整的JSON数组——fetch().body.getReader()或Pythonaiohttp.ClientSession特别容易出错。