FastAPI本地部署时连接被拒绝（WinError 10061）的解决方法

该错误源于在fastapi服务启动前就执行了requests.post()调用，导致客户端尝试连接尚未运行的本地服务器。正确做法是将服务启动与请求发送分离，避免自调用冲突。

在使用 FastAPI 构建本地机器学习预测服务时，一个常见却容易被忽视的问题是：将客户端请求代码与服务端定义写在同一文件中，并直接运行该文件。这正是你遇到 ConnectionError: [winError 10061] No connection could be made… 的根本原因。

❌ 错误写法（问题所在）

你的 main.py 同时做了两件事：

• 定义并启动 FastAPI 应用（通过 uvicorn main:app –reload）；
• 又在同一文件中立即发起 http 请求：

# ⚠️ 错误：此段代码不应出现在 main.py 中！ import requests f = open('test_data.json') data = json.load(f) response = requests.post("http://localhost:8000/predict", json=data)  # ← 此时 uvicorn 尚未启动！ print(response.json())

当执行 uvicorn main:app –reload 时，python 会先导入整个模块（即执行所有顶层代码），此时 requests.post(…) 立即触发 —— 但此时 FastAPI 服务还未启动，端口 8000 处于关闭状态，系统自然拒绝连接（windows 错误码 10061）。

✅ 正确做法：职责分离

步骤 1：精简服务文件（main.py）

只保留服务定义与路由逻辑，移除所有 requests 相关代码：

# main.py from fastapi import FastAPI import pickle import numpy as np from typing import List  app = FastAPI()  def predict(data: List[Float]):     with open("model.pkl", "rb") as f:         model = pickle.load(f)     data = np.array(data).reshape(1, -1)     prediction = model.predict(data).tolist()  # ✅ 转为 list，确保 JSON 可序列化     return prediction  @app.post("/predict") def predict_route(data: List[float]):     return {"prediction": predict(data)}

✅ 注意：model.predict() 返回的可能是 numpy.ndarray 或 numpy.int64，直接返回会导致 FastAPI 序列化失败。务必用 .tolist() 转为原生 Python 类型。

步骤 2：启动服务

终端中运行：

uvicorn main:app --reload --host 127.0.0.1 --port 8000

你会看到类似 INFO: Uvicorn running on http://127.0.0.1:8000 的日志 —— 此时服务已就绪。

步骤 3：独立发送请求（任选其一）

• 方式 A：使用 curl（推荐快速验证）

  curl -X POST "http://127.0.0.1:8000/predict"       -H "Content-Type: application/json"       -d "[5.1, 3.5, 1.4, 0.2]"

• 方式 B：新建 test_client.py 文件

  # test_client.py import requests import json  with open("test_data.json") as f:     data = json.load(f)  response = requests.post(     "http://127.0.0.1:8000/predict",     json=data,     timeout=10 ) print("Status:", response.status_code) print("Response:", response.json())

  运行：python test_client.py

• 方式 C：使用 postman / HTTPie / VS Code REST Client 插件

? 额外建议与注意事项

• ✅ 模型加载优化：当前每次请求都重新加载 .pkl 文件，性能差。应改为应用启动时一次性加载（使用 @app.on_event(“startup”)）；
• ✅ 错误处理：添加 try/except 捕获 pickle.UnpicklingError 或 ValueError，返回友好的 HTTP 错误响应；
• ✅ 输入校验：使用 Pydantic 模型替代裸 List[float]，实现字段长度、范围等强约束；
• ⚠️ Windows 防火墙/杀软干扰：极少数情况下可能拦截 127.0.0.1:8000，可临时禁用测试；
• ? localhost vs 127.0.0.1：部分 Windows 环境下 localhost 解析异常，建议统一用 127.0.0.1。

遵循“服务归服务，客户端归客户端”的原则，即可彻底规避 Max retries exceeded 和 WinError 10061。这是 FastAPI（及绝大多数 Web 框架）本地开发的标准实践。