FastAPI কেন দ্রুত, এবং আপনি কীভাবে এটি দ্রুত রাখেন?

Question

Accepted Answer

FastAPI সবচেয়ে দ্রুত Python ফ্রেমওয়ার্কগুলির মধ্যে একটি কারণ এটি **Starlette** এর উপর নির্মিত (একটি হালকা ASGI ফ্রেমওয়ার্ক) এবং এটি **async-native**, যা দক্ষতার সাথে অনেক সমসাময়িক I/O-bound অনুরোধ পরিচালনা করে। তবে এটি দ্রুত রাখতে async সঠিকভাবে ব্যবহার করা প্রয়োজন — সবচেয়ে সাধারণ ভুল হল ইভেন্ট লুপ ব্লক করা।

## এটি কেন দ্রুত

```text
✓ ASGI + Starlette — a modern async foundation (vs older WSGI sync frameworks)
✓ Async-native — one process handles thousands of concurrent I/O-bound requests
  by overlapping wait times, instead of one-at-a-time
✓ Pydantic v2 — validation/serialization core is now in Rust (very fast)
✓ Minimal overhead per request
```

Async মডেল হল চাবিকাঠি: যখন একটি অনুরোধ ডাটাবেস কোয়েরি বা API কল অপেক্ষা করে, সার্ভার অন্যগুলি পরিচালনা করে — I/O-bound ওয়ার্কলোডের জন্য উচ্চ থ্রুপুট প্রদান করে।

## দ্রুত রাখার জন্য #1 উপায়: ইভেন্ট লুপ ব্লক করবেন না

```python
# ❌ blocking call inside async def → freezes the event loop, serializing ALL requests
@app.get("/bad")
async def bad():
    return requests.get(url).json()       # SYNC/blocking → kills concurrency

# ✅ use an async client and await it
@app.get("/good")
async def good():
    async with httpx.AsyncClient() as c:
        return (await c.get(url)).json()  # non-blocking

# ✅ OR use a plain def — FastAPI runs it in a thread pool (safe for blocking code)
@app.get("/also-good")
def also_good():
    return requests.get(url).json()
```

এটি একক সবচেয়ে গুরুত্বপূর্ণ পারফরম্যান্স নিয়ম: `async def` এর ভিতরে একটি ব্লকিং কল সম্পূর্ণ ইভেন্ট লুপ ব্লক করে, অনুরোধগুলিকে একবারে একটি চালাতে বাধ্য করে। `await` সহ async লাইব্রেরি ব্যবহার করুন, অথবা সাধারণ `def` (থ্রেড পুল এ চালান)।

## দ্রুত রাখা — চেকলিস্ট

```text
✓ Use async DB drivers / async libraries (httpx, asyncpg) in async endpoints
✓ Run blocking code in plain def (thread pool) or via run_in_executor
✓ Avoid heavy CPU work on the event loop → offload to workers/processes
✓ Add caching (Redis) for expensive repeated work
✓ Optimize the database (fix N+1, add indexes) — often the real bottleneck
✓ Run multiple worker processes (uvicorn/gunicorn workers) to use all CPU cores
✓ Use connection pooling; paginate large results
✓ MEASURE first (profiling, load testing) — fix the actual bottleneck
```

## কেন এটি গুরুত্বপূর্ণ

FastAPI এর গতি হল দলগুলি এটি বেছে নেওয়ার প্রধান কারণ, তবে ব্যবহারে সেই গতি অর্জন করা **async সঠিকভাবে ব্যবহার করার উপর নির্ভর করে** — এবং সবচেয়ে গুরুত্বপূর্ণ, বারবার লঙ্ঘন করা নিয়ম হল **কখনো ইভেন্ট লুপ ব্লক করবেন না**।

FastAPI *কেন* দ্রুত তা বোঝা (async-native ASGI ভিত্তি, দক্ষ I/O সমসাময়িকতা, দ্রুত Pydantic v2 কোর) স্পষ্ট করে যে এর পারফরম্যান্স সুবিধা সমসাময়িকভাবে পরিচালিত I/O-bound ওয়ার্কলোডের জন্য প্রযোজ্য।

কীভাবে এটি দ্রুত *রাখতে* হয় তা জানা সমালোচনামূলক ব্যবহারিক দক্ষতা: `async def` এ ব্লকিং কল রাখার ধ্বংসাত্মক ভুল এড়ানো (যা একটি হিমায়িত ইভেন্ট লুপের পিছনে সমস্ত অনুরোধকে সিরিজ করে), async endpoints এ async লাইব্রেরি ব্যবহার করা (বা ব্লকিং কোডের জন্য সাধারণ `def`), CPU কাজ অফলোড করা, caching, ডাটাবেস অপ্টিমাইজ করা (প্রায়শই প্রকৃত বাধা), এবং একাধিক কোরের জন্য একাধিক ওয়ার্কার চালানো।

এই সংমিশ্রণ — async সঠিকভাবে ব্যবহার করা এবং প্রকৃত বাধাগুলি খুঁজে পেতে পরিমাপ করা — আপনাকে FastAPI এর পারফরম্যান্স সম্ভাবনা উপলব্ধি করতে দেয়, এটিকে সত্যিকারের দ্রুত, স্কেলেবল APIs তৈরির জন্য গুরুত্বপূর্ণ সিনিয়র-স্তরের জ্ঞান করে তোলে যা async দেখায় কিন্তু কর্মক্ষমতা ব্লকিং কোড হিসাবে।