myWiki/concepts/pydantic-core.md

title, created, updated, type, tags, sources

title	created	updated	type	tags	sources
pydantic-core	2026-06-10	2026-06-10	concept	pydantic rust validation performance	raw/articles/pydantic-three-piece-suite-2026.md

pydantic-core

pydantic 生态的物理引擎——Rust 编写的校验核心，通过 PyO3 绑定到 Python，完全脱离 GIL。

校验流程

当调用 model_validate(data) 时：

1. Python 层将模型定义转为 CoreSchema JSON（一份"校验指令"）
2. CoreSchema JSON 通过 PyO3 传给 Rust 层
3. Rust 层按 schema 逐字段校验、类型转换、处理嵌套
4. 返回校验通过的类型化 Python 对象，或 ValidationError

关键：步骤 2-4 全部在 Rust 侧完成，不走 GIL。

性能

场景	纯 Python	pydantic-core	倍数
简单模型 1000 次	~12ms	~1.5ms	8×
嵌套 3 层 10000 次	~450ms	~35ms	13×
JSON 大文件反序列化	~800ms	~48ms	17×
内存峰值	基线	-35%	—

对 AI 开发者的关键意义

• asyncio.gather() 并发 20 个 LLM API 调用时，每个回复的 JSON 解析在不同线程并行跑 Rust 校验，互不阻塞
• 深层嵌套模型收益最大——每层嵌套原来都是 Python 层的递归开销

三配置升级

model_config = {
    "strict": True,    # 类型不匹配直接炸，不静默转换
    "extra": "forbid", # 多字段立刻报错
    "frozen": True,    # 创建后不可修改
}

参考

• pydantic
• typeadapter
• pydantic-three-piece-suite