FastAPI + SQLModel 实战:标准项目结构下,一个模型搞定数据库与 API

简介: SQLModel 实现“一模型双用”:单个类同时作为数据库表与 Pydantic API 模型,天然支持字段校验、类型提示、OpenAPI 文档生成,彻底消除重复定义,提升开发效率与一致性。(239字)

零重复代码!用 SQLModel 实现 数据库模型 与 Pydantic 请求/响应模型 的统一,同时保留字段校验、类型提示与文档自动生成。

image.png


🎯 为什么 SQLModel 能“一个模型走天下”?

在传统 FastAPI 项目中,你通常要写:

  • UserCreate(请求体)
  • UserRead(响应体)
  • UserUpdate(部分更新)
  • UserDB(SQLAlchemy ORM 模型)

而 SQLModel 的核心优势是:

✅ 继承自 Pydantic 的 BaseModel → 支持字段校验、类型提示、OpenAPI 文档
✅ 同时是 SQLAlchemy 的 ORM 模型 → 可直接用于数据库操作
✅ 一套代码,双重身份 → 无需重复定义!


📁 标准 FastAPI 项目结构

fastapi-sqlmodel-user/
├── main.py
├── database.py
├── models/
│   └── user.py
├── api/
│   └── v1/
│       └── users.py
└── requirements.txt

1️⃣ 定义 唯一 的 User 模型(models/user.py)

# models/user.py
from typing import Optional
from sqlmodel import SQLModel, Field

class User(SQLModel, table=True):
    """
    这个类既是:
    - 数据库表(通过 table=True)
    - Pydantic 模型(用于 API 输入/输出)
    - 自动支持字段校验(如必填、类型、约束)
    """
    id: Optional[int] = Field(default=None, primary_key=True)
    name: str = Field(min_length=1, max_length=100)  # Pydantic 校验生效!
    email: str = Field(unique=True, regex=r"^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$")
    age: Optional[int] = Field(default=None, ge=0, le=150)  # 年龄范围校验

🔥 关键点:

  • Field() 来自 Pydantic,所以 min_length, regex, ge 等校验全部生效
  • unique=True 是 SQLAlchemy 的数据库约束
  • 同一个 Field 同时服务 API 层 和 DB 层

2️⃣ 数据库配置(database.py)

# database.py
from sqlmodel import create_engine, Session
from sqlmodel import SQLModel
from models.user import User  # 确保模型被导入

# 使用 SQLite 文件数据库(持久化)
engine = create_engine("sqlite:///./app.db", echo=True)

def create_db_and_tables():
    SQLModel.metadata.create_all(engine)

def get_session():
    with Session(engine) as session:
        yield session

3️⃣ API 路由(api/v1/users.py)

# api/v1/users.py
from fastapi import APIRouter, Depends, HTTPException
from sqlmodel import Session, select
from models.user import User
from database import get_session

router = APIRouter(prefix="/v1/users", tags=["users"])

@router.post("/", response_model=User)
def create_user(user: User, session: Session = Depends(get_session)):
    """
    请求体自动用 User 模型校验!
    - name 必填且 1~100 字符
    - email 必须是合法邮箱
    - age 必须在 0~150 之间
    """
    # 检查邮箱是否已存在(unique 约束在 DB 层,但提前校验更友好)
    existing_user = session.exec(select(User).where(User.email == user.email)).first()
    if existing_user:
        raise HTTPException(status_code=400, detail="Email already registered")

    session.add(user)
    session.commit()
    session.refresh(user)  # 获取数据库生成的 id
    return user


@router.get("/", response_model=list[User])
def read_users(session: Session = Depends(get_session)):
    return session.exec(select(User)).all()


@router.get("/{user_id}", response_model=User)
def read_user(user_id: int, session: Session = Depends(get_session)):
    user = session.get(User, user_id)
    if not user:
        raise HTTPException(status_code=404, detail="User not found")
    return user

4️⃣ 主应用入口(main.py)

# main.py
from fastapi import FastAPI
from database import create_db_and_tables, engine
from api.v1.users import router as users_router

app = FastAPI(title="FastAPI + SQLModel 用户管理")

# 初始化数据库
@app.on_event("startup")
def on_startup():
    create_db_and_tables()

# 注册路由
app.include_router(users_router)

5️⃣ 运行 & 测试

pip install fastapi sqlmodel uvicorn[standard]
uvicorn main:app --reload

访问 http://localhost:8000/docs

✅ 测试字段校验

1. 邮箱格式错误(自动拒绝)

POST /v1/users/
{
   
  "name": "张三",
  "email": "invalid-email",
  "age": 30
}

→ 返回 422 错误:"msg": "string does not match regex ..."

2. 年龄超范围

{
   
  "name": "李四",
  "email": "li@example.com",
  "age": 200
}

→ 返回 422:"msg": "ensure this value is less than or equal to 150"

3. 成功创建

{
   
  "name": "王五",
  "email": "wang@example.com",
  "age": 25
}

→ 返回带 id 的完整用户对象


💡 为什么这比传统方式好?

传统方式 SQLModel 方式
需定义 UserCreate, UserRead, UserDB 等多个类 只需一个 User 类
字段变更需同步多处 一处修改,处处生效
Pydantic 校验和 DB 约束分离 统一在 Field() 中声明
容易遗漏校验或类型不一致 强类型 + IDE 自动补全


相关文章
|
SQL 数据库 Python
SQLAlchemy中filter函数的使用
SQLAlchemy中filter函数的使用
1163 0
|
9月前
|
人工智能 运维 安全
2026年OpenClaw(Clawdbot)极速部署与OpenClaw Skills生态运维指南
2026年,开源AI智能体技术进入爆发期,OpenClaw(原Clawdbot、Moltbot)凭借“本地优先、全链路可执行、技能生态丰富”的核心特性,成为个人与轻量团队实现自动化办公的首选工具。它彻底打破了传统AI“只会对话不会执行”的局限,通过标准化的Skills(技能)体系,能够像人类一样调用工具、处理文件、对接系统,完成从内容总结到跨平台推送的全流程任务。
562 10
|
9月前
|
人工智能 自然语言处理 前端开发
AI Agent系列|深入解析Function Calling、MCP和Skills的本质差异与最佳实践
本系列文章基于 Lynxe 作者沈询的实战经验,深入浅出解析 ReAct Agent 的核心原理与工程价值,帮助开发者快速掌握从“写流程”到“造智能体”的关键跃迁。
|
7月前
|
存储 设计模式 缓存
为生产级 AI Agent 构建持久化记忆:五阶段流水线与四种设计模式
LLM Agent需持久化记忆以支撑连续对话、用户画像、知识沉淀与崩溃恢复。但满上下文方案成本高、延迟大、易出错。本文提出五阶段流水线(抽取→整合→存储→检索→遗忘)与四种记忆类型(工作/情景/语义/过程记忆),结合结构化状态+向量搜索等设计模式,实现高效、可控、可审计的生产级记忆系统。
1663 9
为生产级 AI Agent 构建持久化记忆:五阶段流水线与四种设计模式
|
9月前
|
弹性计算
阿里云服务器价格计算器入口链接:2026升级为配置报价器
2026年阿里云“价格计算器”全新升级为【配置报价器】,支持自由选配ECS实例并实时精准报价,操作更直观、功能更强大。另可同步查看权益中心特惠活动价(如轻量38元/年、ECS 99元起),兼顾灵活配置与极致优惠。(239字)
|
10月前
|
人工智能 自然语言处理 Java
Spring AI Alibaba实战:从0到1构建企业级智能应用
本文介绍了基于SpringAI Alibaba框架开发AI原生应用的实战指南。文章首先分析了SpringAI Alibaba作为SpringAI本土化版本的核心优势,包括深度适配阿里云生态、中文语境优化等特性。随后详细讲解了开发环境的搭建过程,包括JDK17、SpringBoot3.2.2等技术栈的配置。通过三个实战案例展示了核心功能实现:基础文本生成、结合MyBatisPlus的智能问答系统、以及流式响应和函数调用等高级特性。
6910 6