FastAPI تیز کیوں ہے، اور آپ اسے اس طرح رکھتے ہیں؟

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 سے بیک وقت I/O-bound requests کو مؤثر 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 اہم ہے: جب ایک request کسی database query یا API call کا انتظار کرتا ہے، تو سرور دوسری requests کو سنبھالتا ہے — I/O-bound workloads کے لیے زیادہ throughput دیتا ہے۔

## اسے تیز رکھنے کا نمبر 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 واحد سب سے اہم performance rule ہے: `async def` کے اندر blocking call پورے event loop کو block کر دیتی ہے، requests کو ایک وقت میں چلانے پر مجبور کرتی ہے۔ `await` کے ساتھ async libraries استعمال کریں، یا سادہ `def` (thread pool میں چلایا جائے)۔

## 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 teams اسے کیوں منتخب کرتی ہیں، لیکن عملی طریقے سے اس رفتار کو حاصل کرنا **async کو صحیح طریقے سے استعمال کرنے** پر منحصر ہے — اور سب سے اہم، بار بار توڑی جانے والی rule ہے **event loop کو کبھی block نہ کریں**۔

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

جاننا کہ اسے *کیسے* تیز رکھا جائے یہ اہم عملی مہارت ہے: `async def` میں blocking calls ڈالنے کی تباہ کن غلطی سے بچنا (جو تمام requests کو frozen event loop کے پیچھے serializ کر دیتی ہے)، async endpoints میں async libraries استعمال کرنا (یا blocking code کے لیے سادہ `def`)، CPU کام کو offload کرنا، caching کرنا، database کو optimize کرنا (اکثر اصل bottleneck)، اور متعدد cores کے لیے متعدد workers چلانا۔

یہ امتزاج — async کو صحیح طریقے سے leverage کرنا اور حقیقی bottlenecks تلاش کرنے کے لیے measure کرنا — وہی ہے جو آپ کو FastAPI کی performance صلاحیت کو ادراک کرنے دیتا ہے، اسے genuinely تیز، scalable APIs بنانے کے لیے اہم senior-level knowledge بناتا ہے بجائے اس کے کہ وہ async نظر آئیں لیکن blocking code کی طرح کام کریں۔