FastAPI响应慢因Python内置json模块性能差，orjson可显著优化：安装后重写Response.render()用orjson.dumps()，注意类型兼容、禁用美化选项，并在流式响应中逐行序列化。
为什么默认json.loads()会拖慢FastAPI响应
FastAPI默认用Python内置json模块做序列化，但它的json.loads()和json.dumps()在高并发或大数据量下明显成为瓶颈。实测中，当单次响应含10万条记录、每条含datetime和嵌套dict时，json.dumps()耗时可达300ms以上，且CPU占用陡增——这不是FastAPI的问题，而是json模块纯Python实现的固有局限：无C加速、类型推导开销大、不支持zero-copy内存视图。
orjson替代json的三步落地法
换成orjson是最快见效的优化手段，它用Rust编写，原生支持datetime、bytes、dataclass等类型，且输出始终是bytes（省去encode步骤）。迁移只需改三处：
- 安装：
pip install orjson - 替换FastAPI的JSON序列化器：
app.json_encoder = orjson.JSONEncoder（不推荐）；更稳妥的是重写Response类，覆盖render()方法，直接用orjson.dumps() - 确保所有返回数据可被
orjson处理：避免numpy.ndarray、自定义不可序列化对象；若必须返回，提前转为list或float
注意：orjson不支持default参数，所以别再依赖json.dumps(obj, default=str)这种写法——得显式转换datetime为str，或用orjson.OPT_STRICT_INTEGER等标志位控制行为。
Pydantic模型里嵌入orjson提升序列化效率
FastAPI默认用Pydantic模型做响应序列化，而Pydantic v2+已原生支持orjson后端。只要你在模型里启用model_config = {"ser_json_timedelta": "iso8601"}这类配置，并确保orjson已安装，Pydantic内部就会自动调用orjson.dumps()而非json.dumps()。但关键点是：
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
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，遇到浮点异常需提前过滤或用orjson.OPT_NAN标志 - 若模型字段含
SecretStr或IPv4Address等特殊类型，要确认它们已注册到orjson的encoder中，否则抛TypeError: Type is not JSON serializable
流式响应场景下别硬套orjson.dumps()
当用生成器做流式JSON（如AsyncIterable[Item]），orjson.dumps()无法直接用于逐行yield——因为它返回完整bytes，不是分块流。此时正确做法是：
- 每个yield项单独调用
orjson.dumps(item) + b"\n"（JSON Lines格式） - 禁用
orjson.OPT_INDENT_2等美化选项，减少CPU浪费 - 避免在生成器内做复杂计算或DB查询；流式性能瓶颈常不在序列化，而在yield前的数据准备阶段
最容易被忽略的是：流式接口的客户端必须按行解析，而不是期待一个完整JSON数组——这点在前端用fetch().body.getReader()或Python的aiohttp.ClientSession时尤其容易出错。
