python应用后端框架选择

前言

本笔记为学习记录开发过程中的一些思考。
最近想自己开发一个大模型应用项目，考虑到后端框架的选型。前公司用django搭建机器学习平台的后端，最近在精读dify的源码，dify用的是flask，相关的大模型教程用的flask和fastapi比较多，可以从哪些出发点去考量？该怎么选择？

一、框架对比

1. ​Django

• 核心优势：
  • 全功能集成：内置 ORM、Admin 后台、认证系统、模板引擎等。
  • ​快速开发：适合 CMS、电商、社交平台等复杂业务场景。
  • 企业级安全：自动防范 SQL 注入、XSS、CSRF 等漏洞。
• ​适用场景：
  • 需要快速搭建完整后台的应用（如企业 OA 系统）。
  • 数据驱动型项目（如新闻网站、博客平台）。

2. ​Flask

• ​核心优势：
  • 极简灵活：仅提供核心路由和请求响应，自由选择组件（如 SQLAlchemy 替代 ORM）。
  • ​轻量级：适合微服务、小型 API 或需要高度定制化的项目。
• ​适用场景：
  • 轻量级 REST API（如 IoT 设备接口）。
  • 原型验证或需要灵活扩展的实验性项目。

3. ​FastAPI

• ​核心优势
  • 异步高性能：基于 Starlette 和 Pydantic，支持异步处理，性能接近 Go 和 Node.js。
  • ​类型安全与文档：自动生成 OpenAPI/Swagger 文档，强类型校验减少 Bug。
• ​适用场景：
  • 高并发 API 服务（如实时数据处理、金融交易系统）。
  • 需要严格接口规范的微服务架构。
• ​现代工具链：
  • 数据库：SQLModel（基于 SQLAlchemy + Pydantic）、Tortoise-ORM（异步 ORM）
  • 文档生成：自动集成 Swagger UI 和 ReDoc。
  • 异步生态：兼容 Celery（需配合 asyncio）和 WebSocket。

二、实际使用感受

1. django

    如orm、系统配置、中间件等功能齐全且作为默认配置，作为开箱即用的后端框架，可快速实现业务逻辑，不用再做多个组件功能的集成。
    框架设计比较清晰，通过app目录分级、orm、推荐的mvc框架可对应用做比较清晰的架构设计，可以在不同的应用中混着使用多个数据库链接。
    缺点是性能较低，印象中前公司做性能测试单节点2C4G资源下200tps达不到。

2. flask

    如环境配置、登录功能、orm等都需要自己去集成，开发周期稍微比较长但是做定制化设计会更顺滑。相当于自己设计项目的应用结构，包括去了解部分依赖的实现逻辑来做方法重写（如flask-login重新定义用户验证逻辑）。

3. fastapi

    没有实际使用过。

总结

    在开发大模型应用时，框架的选择需要结合功能需求、开发效率、性能要求和团队能力综合考量。如果是需要快速开发，选择django应该是比较好的选择，可以快速构建应用；flask较为折中，常用的功能都有比较成熟的方案；fastapi的异步特性在项目后期遇到性能瓶颈的时候是个比较好的替代方案。由于是个人项目，对开发效率没有要求，更希望这个项目是追“新”，在追新的过程中扩宽自己的技术知识贮备，使用fastapi更符合我的要求。