FastAPI分块上传存储:对象存储集成完整指南

news2026/3/29 13:59:18
FastAPI分块上传存储对象存储集成完整指南【免费下载链接】fastapiFastAPI framework, high performance, easy to learn, fast to code, ready for production项目地址: https://gitcode.com/GitHub_Trending/fa/fastapi想要在FastAPI应用中实现大文件上传分块上传和对象存储集成是关键解决方案本文将为您详细介绍如何在FastAPI中实现高效的文件分块上传并与主流对象存储服务如AWS S3、阿里云OSS等无缝集成。为什么需要分块上传在传统文件上传中大文件需要一次性加载到内存这会导致内存溢出、上传失败等问题。FastAPI的分块上传技术通过将大文件分割成多个小块逐块上传到服务器解决了大文件处理的难题。分块上传的核心优势✅ 支持超大文件上传GB级别✅ 断点续传功能✅ 内存使用优化✅ 并行上传加速✅ 更好的错误恢复能力FastAPI文件上传基础FastAPI内置了强大的文件上传支持。在docs/en/docs/tutorial/request-files.md中您可以找到详细的文件上传教程。基本的上传接口如下from fastapi import FastAPI, File, UploadFile app FastAPI() app.post(/upload/) async def upload_file(file: UploadFile File(...)): contents await file.read() return {filename: file.filename}但这种方式对于大文件并不理想因为await file.read()会将整个文件读入内存。分块上传实现方案方案一使用UploadFile的流式读取FastAPI的UploadFile对象支持流式读取这是实现分块上传的基础app.post(/upload-chunked/) async def upload_chunked(file: UploadFile File(...)): chunk_size 1024 * 1024 # 1MB per chunk total_size 0 while True: chunk await file.read(chunk_size) if not chunk: break # 处理每个分块 total_size len(chunk) return {filename: file.filename, size: total_size}方案二结合StreamingResponse对于需要边上传边处理的情况可以使用StreamingResponse。在docs/en/docs/advanced/stream-data.md中详细介绍了流式数据处理的方法。对象存储集成实战AWS S3集成将FastAPI分块上传与AWS S3集成可以实现无限扩展的文件存储import boto3 from fastapi import FastAPI, File, UploadFile from botocore.exceptions import ClientError s3_client boto3.client(s3) app FastAPI() app.post(/upload-to-s3/) async def upload_to_s3(file: UploadFile File(...)): chunk_size 5 * 1024 * 1024 # 5MB chunks (S3 multipart最小要求) # 创建多部分上传 response s3_client.create_multipart_upload( Bucketyour-bucket, Keyfile.filename ) upload_id response[UploadId] parts [] part_number 1 while True: chunk await file.read(chunk_size) if not chunk: break # 上传分块 part_response s3_client.upload_part( Bucketyour-bucket, Keyfile.filename, PartNumberpart_number, UploadIdupload_id, Bodychunk ) parts.append({ ETag: part_response[ETag], PartNumber: part_number }) part_number 1 # 完成多部分上传 s3_client.complete_multipart_upload( Bucketyour-bucket, Keyfile.filename, UploadIdupload_id, MultipartUpload{Parts: parts} ) return {message: 文件上传成功, filename: file.filename}阿里云OSS集成阿里云OSS也支持类似的多部分上传功能import oss2 from fastapi import FastAPI, File, UploadFile auth oss2.Auth(your-access-key-id, your-access-key-secret) bucket oss2.Bucket(auth, your-endpoint, your-bucket-name) app FastAPI() app.post(/upload-to-oss/) async def upload_to_oss(file: UploadFile File(...)): # 初始化分片上传 key file.filename upload_id bucket.init_multipart_upload(key).upload_id parts [] part_number 1 chunk_size 5 * 1024 * 1024 # 5MB while True: chunk await file.read(chunk_size) if not chunk: break # 上传分片 result bucket.upload_part( key, upload_id, part_number, chunk ) parts.append(oss2.models.PartInfo(part_number, result.etag)) part_number 1 # 完成分片上传 bucket.complete_multipart_upload(key, upload_id, parts) return {message: OSS上传成功, filename: file.filename}断点续传实现断点续传是分块上传的重要特性。以下是实现断点续传的关键步骤from fastapi import FastAPI, File, UploadFile, HTTPException import hashlib import os app FastAPI() UPLOAD_DIR uploads app.post(/resumable-upload/) async def resumable_upload( file: UploadFile File(...), chunk_number: int 0, total_chunks: int 1, file_hash: str ): # 创建上传目录 os.makedirs(UPLOAD_DIR, exist_okTrue) # 生成文件唯一标识 if not file_hash: file_hash hashlib.md5(file.filename.encode()).hexdigest() temp_file os.path.join(UPLOAD_DIR, f{file_hash}.part) # 读取分块数据 chunk_data await file.read() # 写入分块 with open(temp_file, ab) as f: f.write(chunk_data) # 检查是否上传完成 if chunk_number total_chunks - 1: final_path os.path.join(UPLOAD_DIR, file.filename) os.rename(temp_file, final_path) return {status: complete, filename: file.filename} else: return {status: chunk_uploaded, chunk: chunk_number}前端分块上传实现前端可以使用JavaScript实现分块上传async function uploadFile(file) { const chunkSize 5 * 1024 * 1024; // 5MB const totalChunks Math.ceil(file.size / chunkSize); const fileHash await calculateFileHash(file); for (let chunkNumber 0; chunkNumber totalChunks; chunkNumber) { const start chunkNumber * chunkSize; const end Math.min(start chunkSize, file.size); const chunk file.slice(start, end); const formData new FormData(); formData.append(file, chunk, file.name); formData.append(chunk_number, chunkNumber); formData.append(total_chunks, totalChunks); formData.append(file_hash, fileHash); const response await fetch(/upload-chunked/, { method: POST, body: formData }); if (!response.ok) { throw new Error(上传失败); } } }性能优化技巧1. 并行上传可以同时上传多个分块显著提高上传速度import asyncio from concurrent.futures import ThreadPoolExecutor executor ThreadPoolExecutor(max_workers4) async def upload_chunk_parallel(chunk_data, chunk_info): loop asyncio.get_event_loop() return await loop.run_in_executor( executor, upload_to_storage, chunk_data, chunk_info )2. 内存优化使用生成器避免一次性加载大文件async def read_file_in_chunks(file_path, chunk_size): with open(file_path, rb) as f: while True: chunk f.read(chunk_size) if not chunk: break yield chunk3. 进度追踪实现上传进度实时显示from fastapi import WebSocket app.websocket(/upload-progress/{upload_id}) async def websocket_endpoint(websocket: WebSocket, upload_id: str): await websocket.accept() while True: # 接收分块数据 chunk_data await websocket.receive_bytes() # 处理分块 # ... # 发送进度 progress calculate_progress() await websocket.send_json({ progress: progress, status: uploading })安全注意事项1. 文件类型验证ALLOWED_EXTENSIONS {.jpg, .jpeg, .png, .pdf, .doc, .docx} def validate_file_extension(filename: str): ext os.path.splitext(filename)[1].lower() if ext not in ALLOWED_EXTENSIONS: raise HTTPException(400, 文件类型不支持)2. 文件大小限制from fastapi import FastAPI, File, UploadFile from fastapi.responses import JSONResponse MAX_FILE_SIZE 10 * 1024 * 1024 * 1024 # 10GB app.post(/upload/) async def upload_large_file(file: UploadFile File(...)): # 检查文件大小 file.file.seek(0, 2) # 移动到文件末尾 file_size file.file.tell() file.file.seek(0) # 重置指针 if file_size MAX_FILE_SIZE: return JSONResponse( status_code400, content{error: 文件太大} )监控与日志在fastapi/logger.py中FastAPI提供了完整的日志系统。您可以为上传功能添加专门的日志import logging upload_logger logging.getLogger(fastapi.upload) app.post(/upload/) async def upload_with_logging(file: UploadFile File(...)): upload_logger.info(f开始上传文件: {file.filename}) try: # 上传逻辑 upload_logger.info(f文件上传成功: {file.filename}) return {status: success} except Exception as e: upload_logger.error(f文件上传失败: {str(e)}) raise HTTPException(500, 上传失败)最佳实践总结分块大小选择根据网络条件和存储服务限制选择合适的分块大小通常5-10MB错误处理实现完善的错误处理和重试机制进度反馈为用户提供实时上传进度安全验证验证文件类型、大小和内容存储策略根据业务需求选择合适的存储服务监控告警建立上传监控和异常告警系统扩展阅读FastAPI官方文件上传文档流式数据处理指南FastAPI依赖注入系统中间件配置通过本文介绍的分块上传和对象存储集成方案您可以轻松构建支持大文件上传的FastAPI应用。无论是视频处理、大数据分析还是云存储服务FastAPI都能提供高效、可靠的解决方案。记住分块上传不仅仅是技术实现更是用户体验的重要部分。合理的设计和优化能让您的应用在处理大文件时更加流畅和可靠。【免费下载链接】fastapiFastAPI framework, high performance, easy to learn, fast to code, ready for production项目地址: https://gitcode.com/GitHub_Trending/fa/fastapi创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2461644.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…