FastAPI हा वेग केन आहे आणि तुम्ही त्याला तसाच कसे ठेवता?

Question

Accepted Answer

FastAPI हा Python frameworks पैकी सर्वात वेगवान आहे कारण तो **Starlette** (हलके वजनाचे ASGI framework) वर बनविलेला आहे आणि **async-native** आहे, अनेक एकाच वेळी I/O-bound विनंत्या कार्यक्षमतेने संभाळतो. परंतु त्याला वेग राखण्यासाठी async योग्यरित्या वापरणे आवश्यक आहे — सर्वात सामान्य चूक म्हणजे event loop ला अवरोध करणे.

## तो वेगवान का आहे

```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 मॉडेल हा मुख्य गोष्ट आहे: एक विनंती डेटाबेस क्वेरी किंवा API कॉलच्या प्रतीक्षेत असताना, सर्व्हर इतर संभाळतो — I/O-bound workloads साठी उच्च throughput देतो.

## #1 मार्ग ते वेग राहण्यासाठी: event loop ला अवरोध करू नका

```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()
```

ही सर्वात महत्वाची कार्यक्षमता नियम आहे: `async def` मध्ये अवरोधक कॉल संपूर्ण event loop ला अवरोध करते, विनंत्या एक वेळी चालण्यास बाध्य करते. `await` सह async libraries वापरा, किंवा साधारण `def` (thread pool मध्ये चालते).

## ते वेग राहण्यास ठेवणे — तपासणी यादी

```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
```

## हे महत्वाचे का आहे

FastAPI चा वेग हा मुख्य कारण आहे की संघ त्याचा निवड करतात, परंतु प्रत्यक्षात तो वेग प्राप्त करणे **async योग्यरित्या वापरणे** वर अवलंबून आहे — आणि सर्वात महत्वाचा, वारंवार उल्लंघन केलेला नियम म्हणजे **event loop ला कधीच अवरोध करू नका**.

FastAPI का वेगवान आहे हे समजून घेणे (async-native ASGI पाया, कार्यक्षम I/O समवर्तिता, वेग Pydantic v2 कोर) स्पष्ट करते की त्याचा कार्यक्षमता लाभ I/O-bound workloads वर लागू होतो जे एकाच वेळी हाताळले जातात.

ते कसे *वेग राहणे* ठेवायचे हे जाणून घेणे महत्वाचे व्यावहारिक कौशल्य आहे: `async def` मध्ये अवरोधक कॉल्स करण्याच्या विध्वंसक चूकीपासून बचणे (जे सर्व विनंत्या गोठ event loop मागे अनुक्रमित करते), async endpoints मध्ये async libraries वापरणे (किंवा अवरोधक कोडसाठी साधारण `def`), CPU काम उतारणे, caching, डेटाबेस optimize करणे (सहसा खरी병목), आणि अनेक workers अनेक cores साठी चालवणे.

हा संयोजन — async योग्यरित्या leverage करणे आणि खरी병목शोधण्यासाठी मापन करणे — तुम्हाला FastAPI ची कार्यक्षमता संभाव्यता समजून घेण्यास अनुमती देते, त्याला साधारणपणे वेग, scalable APIs बनवण्यासाठी senior-स्तरीय ज्ञान महत्वाचे बनवते ऐवजाय अवरोधक कोड सारखे प्रदर्शन करणाऱ्यांच्या.