)
    server.enqueue(
      MockResponse
        .Builder()
        .addHeader("Cache-Control: max-age=60")
        .body("DEF")
        .build(),
    )
    server.enqueue(
      MockResponse
        .Builder()
        .addHeader("Cache-Control: max-age=60")
        .body("DEFa")
        .build(),
    )

    val url = server.url("/same")

    // First QUERY request with body "foo"

하지만 매번 다음을 수행하면:

```Python
Settings()
```

새 `Settings` 객체가 생성되고, 생성 시점에 `.env` 파일을 다시 읽게 됩니다.

의존성 함수가 단순히 다음과 같다면:

```Python
def get_settings():
    return Settings()
```

요청마다 객체를 생성하게 되고, 요청마다 `.env` 파일을 읽게 됩니다. ⚠️

하지만 위에 `@lru_cache` 데코레이터를 사용하고 있으므로, `Settings` 객체는 최초 호출 시 딱 한 번만 생성됩니다. ✔️

從磁碟讀取檔案通常是昂貴（慢）的操作，所以你可能希望只做一次，然後重複使用同一個設定物件，而不是在每個請求都讀取。

但每次我們這樣做：

```Python
Settings()
```

都會建立一個新的 `Settings` 物件，而且在建立時會再次讀取 `.env` 檔。

如果相依函式只是像這樣：

```Python
def get_settings():
    return Settings()
```

我們就會為每個請求建立該物件，並在每個請求都讀取 `.env` 檔。⚠️

但由於我們在上方使用了 `@lru_cache` 裝飾器，`Settings` 物件只會在第一次呼叫時建立一次。✔️

{* ../../docs_src/settings/app03_an_py310/main.py hl[1,11] *}

```Python
Settings()
```

a new `Settings` object would be created, and at creation it would read the `.env` file again.

If the dependency function was just like:

```Python
def get_settings():
    return Settings()
```

we would create that object for each request, and we would be reading the `.env` file for each request. ⚠️

```Python
Settings()
```

yeni bir `Settings` nesnesi oluşturulur ve oluşturulurken `.env` dosyasını yeniden okur.

Dependency fonksiyonu sadece şöyle olsaydı:

```Python
def get_settings():
    return Settings()
```

bu nesneyi her request için oluştururduk ve `.env` dosyasını her request'te okurduk. ⚠️

                        name = null
                    } else {
                        snippet.end = lineNumber
                    }
                    return
                }
                def source = matchSource(line)
                if (source.matches) {
                    lastLanguage = source.language
                    lastLanguageLine = lineNumber
                    name = source.name

{* ../../docs_src/first_steps/tutorial001_py310.py hl[7] *}

這就是一個 Python 函式。

它將會在 **FastAPI** 收到一個使用 `GET` 操作、網址為「`/`」的請求時被呼叫。

在這種情況下，它是一個 `async` 函式。

---

你也可以將它定義為一般函式，而不是 `async def`：

{* ../../docs_src/first_steps/tutorial003_py310.py hl[7] *}

/// note

如果你不知道差別，請查看 [Async: *"In a hurry?"*](../async.md#in-a-hurry)。

///

### 第五步：回傳內容 { #step-5-return-the-content }

      placeholder: |
        from fastapi import FastAPI

        app = FastAPI()


        @app.get("/")
        def read_root():
            return {"Hello": "World"}
      render: python
    validations:
      required: true
  - type: textarea
    id: description
    attributes:
      label: Description
      description: |

/// tip

因為 Pydantic 會在 **Rust** 端進行序列化，如果你有宣告回傳型別，效能會比未宣告時高很多。

///

### 非 async 的路徑操作函式 { #non-async-path-operation-functions }

你也可以使用一般的 `def` 函式（沒有 `async`），並同樣使用 `yield`。

FastAPI 會確保正確執行，不會阻塞事件迴圈。

由於此函式不是 async，正確的回傳型別是 `Iterable[Item]`：

{* ../../docs_src/server_sent_events/tutorial001_py310.py ln[28:31] hl[29] *}

### 無回傳型別 { #no-return-type }

        "fe012443-6ba9-4ef2-bb94-b729d2060c78/test123/testw3c.pdf/xl.meta": {"Versions":[{"Type":1,"V2Obj":{"ID":"aGEA/ZUOR4ueRIZsAgfDqA==","DDir":"9MMwM47bS+K6KvQqN3hlDw==","EcAlgo":1,"EcM":2,"EcN":2,"EcBSize":1048576,"EcIndex":1,"EcDist":[4,1,2,3],"CSumAlgo":1,"PartNums":[...