FastAPI کیوں تیز ہے، اور تم اسے اس طریقے سے کیسے رکھتے ہو?

Question

Accepted Answer

FastAPI سب سے تیز Python frameworks میں سے ایک ہے کیونکہ یہ **Starlette** (ایک ہلکا ASGI framework) پر بنایا گیا ہے اور **async-native** ہے، بہت سی بیک وقت I/O-bound requests کو موثر طریقے سے سنبھالتا ہے۔ لیکن اسے تیز رکھنے کے لیے async کو صحیح طریقے سے استعمال کرنا ضروری ہے — سب سے عام غلطی event loop کو block کرنا ہے۔

## یہ تیز کیوں ہے

```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 model کلید ہے: جب ایک request ڈیٹا بیس query یا API call کا انتظار کر رہا ہو، سرور دوسری کو سنبھالتا ہے — I/O-bound workloads کے لیے اعلیٰ throughput دیتا ہے۔

## اسے تیز رکھنے کا #1 طریقہ: event loop کو block نہ کریں

```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()
```

یہ سب سے اہم performance rule ہے: `async def` کے اندر blocking call پوری event loop کو block کرتی ہے، requests کو ایک وقت میں ایک چلنے پر مجبور کرتی ہے۔ `await` کے ساتھ async libraries استعمال کریں، یا plain `def` (thread pool میں چلتا ہے)۔

## اسے تیز رکھنا — checklist

```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
```

## یہ کیوں اہم ہے

FastAPI کی رفتار ایک بنیادی وجہ ہے کہ ٹیمیں اسے منتخب کرتے ہیں، لیکن عملی طور پر اس رفتار کو حاصل کرنا **async کو صحیح طریقے سے استعمال کرنے** پر منحصر ہے — اور سب سے اہم، اکثر توڑا جانے والا rule ہے **event loop کو کبھی block نہ کریں**۔

سمجھنا کہ *FastAPI کیوں* تیز ہے (async-native ASGI foundation، efficient I/O concurrency، fast Pydantic v2 core) واضح کرتا ہے کہ اس کا performance فائدہ I/O-bound workloads پر لاگو ہوتا ہے جو بیک وقت سنبھالے جاتے ہیں۔

جاننا کہ اسے *تیز* کیسے رکھا جائے نازک عملی مہارت ہے: `async def` میں blocking calls رکھنے کی تباہ کن غلطی سے بچیں (جو تمام requests کو frozen event loop کے پیچھے serialize کرتی ہے)، async endpoints میں async libraries استعمال کریں (یا blocking code کے لیے plain `def`)، CPU کام کو منتقل کریں، caching، ڈیٹا بیس کو optimize کریں (اکثر حقیقی bottleneck)، اور متعدد cores کے لیے متعدد workers چلائیں۔

یہ combination — async کو صحیح طریقے سے leverage کریں اور real bottlenecks تلاش کرنے کے لیے measure کریں — FastAPI کی performance potential کو realize کرنے کی اجازت دیتا ہے، یہ genuinely تیز، scalable APIs بنانے کے لیے اہم senior-level knowledge بناتا ہے بجائے ان کے جو async نظر آتے ہیں لیکن blocking code کی طرح کام کرتے ہیں۔