[PYTHON] FastAPI와 Sanic이 고성능을 유지하는 3가지 비동기 구조와 해결 방법

FastAPI와 Sanic

 

과거 파이썬 웹 프레임워크의 대명사였던 Django나 Flask는 동기(Synchronous) 방식의 한계로 인해 대규모 트래픽 처리에 어려움이 있었습니다. 하지만 최근 FastAPI와 Sanic 같은 모던 프레임워크는 Go나 Node.js에 육박하는 압도적인 성능을 보여주고 있습니다. 본 글에서는 이들이 어떻게 비동기 구조를 통해 성능 병목 현상을 해결하는지, 그리고 내부 아키텍처의 결정적인 차이와 최적화 방법을 전문적인 시각에서 심층 분석합니다.

---

1. 고성능의 심장: ASGI와 Event Loop

전통적인 WSGI(Web Server Gateway Interface)는 한 번에 하나의 요청만 처리하는 동기식 표준입니다. 반면, FastAPI와 Sanic은 ASGI(Asynchronous Server Gateway Interface)를 채택하여 수만 개의 커넥션을 동시에 유지할 수 있습니다.

• 이벤트 루프(Event Loop): 작업을 기다리는 동안 CPU를 점유하지 않고, I/O 응답이 오면 즉시 다음 태스크를 실행합니다.
• Non-blocking I/O: 데이터베이스 쿼리나 외부 API 호출 시 응답을 기다리며 멈추지 않고 다른 요청을 처리합니다.
• uvloop 활용: 파이썬 기본 이벤트 루프보다 2~4배 빠른 Cython 기반의 uvloop를 사용하여 엔진 자체의 속도를 극대화합니다.

---

2. 프레임워크별 성능 최적화 구조 비교

FastAPI와 Sanic은 모두 비동기를 지향하지만, 성능을 이끌어내는 세부 전략에는 명확한 차이가 있습니다. 아래 표는 두 프레임워크의 기술적 핵심 요소를 비교한 것입니다.

비교 항목	FastAPI	Sanic
핵심 기반	Starlette + Pydantic	자체 고성능 엔진 (Custom)
데이터 검증	Pydantic 기반 자동 직렬화	속도 우선의 미니멀한 검증
비동기 방식	async/await 표준 엄격 준수	익스트림 성능 위주의 비동기 핸들러
주요 장점	생산성, 자동 문서화(Swagger)	Raw Performance, 가벼움
해결 방법	타입 힌트를 통한 런타임 최적화	핸들러 최적화를 통한 오버헤드 제거

---

3. 성능 저하를 방지하는 시니어급 해결 전략 03

① Blocking 함수 격리 (ThreadPool)

비동기 루프 안에서 time.sleep()이나 requests 같은 동기 라이브러리를 사용하면 전체 서버가 멈춥니다. FastAPI는 이러한 함수를 def로 선언하면 자동으로 별도의 스레드 풀에서 실행하여 이벤트 루프 정지 문제를 해결합니다.

② Pydantic v2 및 컴파일러 최적화

FastAPI 성능의 핵심은 데이터 검증입니다. 최신 버전은 Rust로 작성된 Pydantic v2를 사용하여 JSON 파싱 속도를 이전보다 5~10배 향상시켰습니다. 이는 대규모 데이터 전송 시 CPU 오버헤드를 줄이는 결정적인 방법이 됩니다.

③ Zero-Copy 및 스트리밍 응답

Sanic은 대용량 파일이나 응답을 전송할 때 메모리 복사를 최소화하는 아키텍처를 가집니다. 이를 통해 고화질 비디오 스트리밍이나 대규모 로그 전송 시 메모리 부족 문제를 효율적으로 관리합니다.

---

4. Sample Example: 비동기 데이터 처리 구현

다음은 FastAPI에서 비동기 데이터베이스 호출과 동기 라이브러리 혼용을 안전하게 처리하는 고성능 아키텍처 예제입니다.

from fastapi import FastAPI, Depends
import asyncio
import httpx

app = FastAPI()

# 1. 고성능 비동기 클라이언트 세션 관리
async def get_http_client():
    async with httpx.AsyncClient() as client:
        yield client

@app.get("/heavy-task")
async def perform_async_task(client: httpx.AsyncClient = Depends(get_http_client)):
    """
    이벤트 루프를 방해하지 않고 외부 API를 비동기적으로 호출하는 고성능 패턴
    """
    # 동시에 여러 비동기 작업 수행 (Concurrently)
    tasks = [
        client.get("https://api.example.com/data/1"),
        client.get("https://api.example.com/data/2")
    ]
    
    # 작업이 완료될 때까지 다른 요청 처리 가능
    responses = await asyncio.gather(*tasks)
    return {"status": "success", "count": len(responses)}

@app.get("/sync-bridge")
def sync_legacy_task():
    """
    'def'로 선언된 함수는 FastAPI가 스레드 풀에서 처리하여 
    이벤트 루프 블로킹 현상을 방지함 (시니어급 해결 방법)
    """
    import time
    time.sleep(2)  # 동기식 블로킹 작업 시뮬레이션
    return {"message": "Thread pool handled this legacy code"}

---

5. 결론: 어떤 프레임워크를 선택해야 하는가?

결국 프레임워크 선택은 성능과 생산성의 균형입니다. 데이터 검증이 많고 문서화가 중요한 엔터프라이즈 급에서는 FastAPI가 유리하며, 순수 처리량(Throughput)이 극도로 중요한 마이크로서비스에서는 Sanic이 훌륭한 대안입니다. 두 프레임워크 모두 파이썬 비동기 구조의 정수를 담고 있으므로, 내부의 asyncio 동작 원리를 이해하고 설계한다면 어떤 환경에서도 고성능 앱을 구축할 수 있습니다.

---

6. 내용의 출처 및 참고 자료 (Sources)

• Tiangolo. "FastAPI Documentation: Benchmarks." (FastAPI 공식 문서)
• Sanic Community. "Sanic Framework: High Performance HTTP Server."
• Python Software Foundation. "ASGI (Asynchronous Server Gateway Interface) Specification."
• Pydantic Labs. "Performance Improvements in Pydantic V2."