[python] FastAPI framework 다른 프레임워크와 비교 중심

[ FastAPI 공식 문서 기반으로 작성 된 글 입니다. ] 

FastAPI

---

 

FastAPI 에 대해 많은 글들이 있는데 다른 프레임워크들과 비교를 제대로 보여주는 곳이 별로 없는 것 같아서 정리해보았다. 

 

1. FastAPI 란 ?

FastAPI 는 현대적이고 빠른, Python 의 API 를 빌드하기 위한 웹 프레임 워크입니다. - 공식문서 - 

1.1 Python 의 API 를 빌드한다는 의미 

두루뭉실하게 넘어가지 않고, 자세하게 집어본다면 python 의 API 를 빌드한다는 말이 무슨말일까. 싶을 것 같다. 왜냐하면 내가 그랬으니까. 웹 프레임워크인데 그게 왜 python api 를 '빌드'한다는 것 일까? 차라리 서빙한다는 표현이 맞지 않을까. 

from fastapi import FastAPI

app = FastAPI()

@app.get("/")
def read_root():
    return {"message": "Hello, World!"}

 

뒤에서 더 자세하게 다룰 FastAPI 의 기본 예제인데, return { } 으로 데이터를 넘겨주고 있다. 이렇게 할 경우 로컬호스트의 웹페이지에 hello, world 가 나오게 되는데

python api 를 빌드한다는 말은 파이썬의 function 을  웹에서 구현가능하도록 데이터를 넘긴다던지, 파일을 호출한다던지 등의 식으로 사용하겠다는 말이다. 

 

2. FastAPI 의 특징 

공식문서에서 언급한 주요특징은 8가지 이다.

 

1. 빠름

2. 빠른 코드 작성

3. 적은 버그

4. 직관적

5. 쉬움

6. 짧음

7. 견고함 

8. 표준 기반 

 

인데 사실 읽다보면 그 의미가 겹치는 것들이 조금 있는 것 같다. 그래서 내 나름대로 중복되는 의미를 줄여보자면 

 

1. 빠름  : Starlette 와 Pydantic 덕분에 NodeJS 및 Go 와 대등할 정도로 매우 높은 성능 [ 사용가능한 가장 빠른 파이썬 프레임워크 중 하나 ]

 

- 성능은 아래에서 자세하게 비교해보로독 하고 Starlette 와 Pydantic 이 뭘까?

Pydantic과 Starlette는 FastAPI의 성능과 기능을 크게 향상시키는 핵심 요소다. 각 라이브러리는 FastAPI가 고성능의 비동기 웹 애플리케이션을 만들 수 있도록 돕는다. 아래에서 두 라이브러리를 자세히 설명할게.

---

1. Pydantic

Pydantic은 Python 데이터 검증 및 설정 관리 라이브러리다. FastAPI에서 Pydantic은 주로 데이터 검증, 직렬화/역직렬화 및 데이터 모델 정의에 사용된다.

주요 특징:

• 데이터 검증: Pydantic은 Python의 타입 힌트를 활용해, 전달된 데이터가 정확한 타입인지 자동으로 확인한다. 잘못된 형식의 데이터가 오면 즉시 오류를 반환한다.
• 타입 힌트 지원: Pydantic은 Python의 기본 타입 힌트를 지원하며, 이를 통해 필드 타입을 정의하고 검증한다. 예를 들어, int, str, datetime 등을 타입 힌트로 사용할 수 있다.
• 자동 직렬화/역직렬화: Pydantic은 Python 객체와 JSON 간의 변환을 자동으로 처리한다. 이를 통해 FastAPI는 요청 및 응답에서 데이터를 쉽게 처리할 수 있다.
• 성능: Pydantic은 내부적으로 Cython을 활용하여 높은 성능을 자랑한다. 데이터 검증, 직렬화, 역직렬화 등의 작업을 매우 빠르게 처리할 수 있다.

예시:

from pydantic import BaseModel

class User(BaseModel):
    username: str
    email: str
    full_name: str | None = None

# 데이터 검증
user = User(username="john_doe", email="john@example.com")
print(user.dict())

위 코드에서 User 클래스는 BaseModel을 상속받아 Pydantic 모델로 정의된다. 이 클래스는 타입 힌트를 기반으로 데이터 검증을 자동으로 처리한다.

FastAPI와의 관계

FastAPI는 Pydantic 모델을 사용해 입력 데이터와 출력 데이터를 검증하고 직렬화한다. 예를 들어, API 요청에서 JSON 데이터를 수신하고 이를 Pydantic 모델을 통해 검증한 후 처리한다. 잘못된 형식의 데이터는 자동으로 오류를 반환한다.

---

2. Starlette

Starlette는 FastAPI의 웹 서버 프레임워크로, 비동기 웹 애플리케이션을 만들 수 있도록 도와주는 핵심적인 라이브러리다. FastAPI는 Starlette를 기반으로 하고 있으며, Starlette는 HTTP 요청과 응답을 처리하는 데 필요한 다양한 기능을 제공한다.

주요 특징:

• 비동기 지원: Starlette는 비동기 프로그래밍을 지원하여 높은 성능을 자랑한다. 이를 통해 I/O가 많은 작업(예: 데이터베이스 쿼리, 외부 API 호출 등)을 처리할 때 성능을 최적화할 수 있다.
• 라우팅: Starlette는 API 엔드포인트를 정의하고 요청을 처리하는 라우팅 기능을 제공한다. FastAPI에서 라우터를 정의할 때 Starlette의 라우팅 기능을 사용한다.
• 미들웨어 지원: Starlette는 다양한 미들웨어를 쉽게 추가할 수 있도록 지원한다. 미들웨어는 요청과 응답을 처리하는 중간 과정에서 동작하는 코드다. 예를 들어, 인증, 로깅, 오류 처리 등을 미들웨어로 구현할 수 있다.
• 웹소켓 지원: Starlette는 웹소켓을 지원하여 실시간 양방향 통신이 필요한 애플리케이션(예: 채팅, 알림 등)을 구축할 수 있다.
• 서버 기능: Starlette는 자체 웹 서버 기능을 제공하지만, FastAPI는 보통 Uvicorn과 같은 ASGI 서버와 함께 사용한다. Starlette는 ASGI(Asynchronous Server Gateway Interface)를 기반으로 하기 때문에 비동기 처리가 매우 효율적이다.

예시:

from starlette.responses import JSONResponse
from starlette.routing import Route
from starlette.applications import Starlette

async def homepage(request):
    return JSONResponse({'message': 'Hello, World!'})

app = Starlette(debug=True, routes=[Route('/', homepage)])

위 코드에서 Starlette은 비동기 웹 서버를 설정하고, homepage라는 비동기 함수를 통해 요청을 처리하는 간단한 예시를 보여준다.

FastAPI와의 관계:

FastAPI는 Starlette의 기능을 확장하여 HTTP 요청/응답을 처리하고, 비동기 요청을 효율적으로 처리한다. FastAPI의 라우팅, 미들웨어 처리, 서버 설정 등 대부분의 웹 관련 기능은 Starlette을 기반으로 동작한다. FastAPI가 제공하는 고성능의 비동기 처리는 바로 Starlette 덕분이다.

---

FastAPI에서 Pydantic과 Starlette의 역할 요약

• Pydantic:
  • 데이터 검증 및 직렬화/역직렬화 기능을 제공한다.
  • Python 타입 힌트를 사용해 데이터를 자동으로 검증하고 변환한다.
• Starlette:
  • 비동기 웹 애플리케이션 프레임워크로, 라우팅, 미들웨어, 서버 기능 등을 제공한다.
  • 비동기 요청을 효율적으로 처리하여 높은 성능을 지원한다.

이 두 라이브러리는 FastAPI가 빠르고 안정적인 웹 애플리케이션을 만들 수 있도록 하는 중요한 역할을 한다. Pydantic은 데이터 검증과 처리를, Starlette은 비동기 처리와 서버 관리를 담당하여 FastAPI의 성능과 확장성을 크게 향상시킨다.

 

2. 빠른 코드 작성 : 약 200% 에서 300% 까지 기능개발 속도 증가.

 

3. 쉬움 : 쉽게 사용하고 배우도록 설계. 적은 문서 읽기 시간 

 

4. 적은버그 : 사람(개발자) 에 의한 에러 약 40% 감소 

5. 표준기반 : OpenAPI / Json 스키마 

   - 이것은 OpenAPI 기반의 자동 문서화를 지원한다는 의미이고, Json 스키마 사용이 가능해 범용성이 넓다는 의미이다.

 

*수치는 내부 개발팀의 프로덕션 애플리케이션을 빌드한 테스트에 근거한 측정* 이라고 한다.

3. 사례

공식문서에 나와 있는 스폰서들의 의견을 정리하면 아래와 같다.

 

Netflix	FastAPI의 빠른 성능 덕분에 실시간 분석 및 데이터 처리에 활용.
Uber	고속의 API 처리와 효율적인 시스템 구축을 위한 FastAPI 채택.
Microsoft	대규모 시스템의 API 최적화를 위해 FastAPI를 사용하여 빠른 속도와 낮은 대기시간 구현.
Platform.sh	FastAPI는 클라우드 배포와 DevOps 통합을 용이하게 만들어 높은 성능을 제공.
Porter	Kubernetes 클러스터와 통합되어 빠른 앱 배포와 관리가 가능하기 때문에 선택

 

이처럼 FastAPI는 높은 성능, 효율적인 API 처리, 그리고 빠른 개발 속도를 원하는 다양한 산업의 기업들에게 적합한 선택이 되고 있다.

 

4. 실습

4.1 설치

4.2 예제 만들고, 서버실행

 

4.3. API Return 값 확인

4.4. API 문서 자동생성

 

FastAPI 를 통해 간단하게 Python [Function 의 결과값을 웹에서 보여줄]-build 수 있게 되었다. 특징 처럼 간결한 코드와 빠른 설치로 에러가 없다. 이 포스팅에서 더 자세하게 적지는 않겠다. 예제는 공식문서 페이지에 들어가서 한번씩 해보기를 권장한다.

 

5. FastAPI 성능 비교 

 

그래서 FastAPI 가 다른 프레임워크보다 얼마나 좋냐. 라는 것을 따지면 확실히 빠르다. Flask 와 사용법이 예제에서는 거의 비슷한 것 같은데, 처리량이 이렇게 차이가 나니 FastAPI 를 사용하지 않을 이유는 없을 것 같기는하다. 

 

FastAPI	1,000,000+ 요청/초
Node.js	1,000,000+ 요청/초
Go	1,000,000+ 요청/초
Flask	100,000 요청/초
Django	50,000-100,000 요청/초

 

그럼에도 Flask 와 Django 를 사용하고 있다면 이유를 댓글로 알려주세요....