### 如何在 FastAPI 中为开发环境和生产环境配置不同的数据库 URL 为了实现开发环境和生产环境中使用不同的数据库 URL，在 FastAPI 应用程序中可以采用以下方法： #### 1. 使用环境变量管理数据库 URL 推荐的做法是利用环境变量来区分不同环境下的数据库连接字符串。这样不仅能够提高安全性，还能方便地切换环境而无需修改代码。 可以通过 `python-dotenv` 或者直接操作系统的环境变量加载机制来读取 `.env` 文件中的设置[^1]。例如，创建两个独立的环境变量分别用于开发和生产环境： ```plaintext # .env.development DATABASE_URL=postgresql://dev_user:dev_password@localhost/dev_db # .env.production DATABASE_URL=postgresql://prod_user:prod_password@production-server/prod_db ``` 接着，在应用程序启动时动态加载对应的环境文件，并从中获取数据库 URL: ```python from fastapi import FastAPI import os from dotenv import load_dotenv app = FastAPI() def get_database_url(): env_file = ".env." + os.getenv("ENVIRONMENT", "development") # 默认为 development load_dotenv(env_file) return os.getenv("DATABASE_URL") @app.get("/db-url/") async def read_db_url(): db_url = get_database_url() return {"database_url": db_url} ``` 此方式允许开发者通过设置 `ENVIRONMENT` 变量轻松控制当前运行的是哪个版本的应用程序[^2]。 #### 2. 利用依赖注入框架简化配置过程 如果项目规模较大或者需要更灵活地处理多个服务之间的协作，则可考虑引入像 Pydantic 这样的模型验证库配合依赖注入模式一起工作。这种方式不仅可以增强类型提示支持，还让整个初始化流程更加清晰易懂。 下面是一个简单的例子展示如何结合 SQLAlchemy 和 Pydantic 完成这一目标： ```python from pydantic import BaseSettings, PostgresDsn from sqlalchemy.ext.asyncio import AsyncSession, create_async_engine from sqlalchemy.orm import sessionmaker class Settings(BaseSettings): database_url: PostgresDsn class Config: env_prefix = "" # 不加前缀以便于兼容之前的.env写法 case_sensitive = True settings = Settings(_env_file=f".env.{os.environ.get('ENVIRONMENT', 'development')}") engine = create_async_engine(settings.database_url, pool_pre_ping=True) AsyncSessionFactory = sessionmaker(bind=engine, expire_on_commit=False, class_=AsyncSession) async def get_session() -> AsyncSession: async with AsyncSessionFactory() as session: yield session ``` 这里我们定义了一个基于 Pydantic 的 `Settings` 类用来解析来自指定路径下`.env.*`形式命名的配置文档内容；并通过它实例化出实际使用的引擎对象以及异步会话工厂函数供后续调用。 --- ### 总结 综上所述，最理想的解决方案应当综合运用环境变量与现代 Python 工具链的优势，既保障灵活性又不失简洁明了的设计风格。具体而言就是借助外部工具（如 python-dotenv）导入特定场景所需的参数集合，再辅以内建模块完成必要的适配调整作业。 ```python print("成功演示一段辅助说明性质的小脚本") ```