FastAPI 서버개발, FastAPI 환경 설정하기 설치 및 기본 프로젝트 구조

FastAPI는 현대의 API 개발에 있어 가장 인기 있는 프레임워크 중 하나로, Python의 비동기 기능을 최대한 활용해 높은 성능을 자랑합니다. 이 글에서는 FastAPI의 설치 방법과 기본 프로젝트 구조에 대해 자세히 설명하겠습니다. 이 강좌를 통해 FastAPI를 잘 이해하고 실제 프로젝트에 적용할 수 있도록 도와드리겠습니다.

1. FastAPI란?

FastAPI는 Python 3.6 이상에서 사용할 수 있는 웹 프레임워크로, API를 쉽게 구축할 수 있도록 설계되었습니다. 다음과 같은 장점이 있습니다:

  • 빠른 성능: FastAPI는 Starlette와 Pydantic을 기반으로 하여 높은 성능을 자랑합니다. 기본적으로 100% 비동기 방식으로 작동하며, 동시 요청 처리에서도 뛰어난 성능을 발휘합니다.
  • 자동 문서화: FastAPI는 OpenAPI 표준에 따라 API 문서를 자동으로 생성합니다. Swagger UI와 ReDoc을 사용하여 직관적인 문서를 제공합니다.
  • 타입 힌트 지원: Python의 타입 힌트를 지원하여 코드의 가독성과 유지보수성을 높입니다. 특히 IDE에서의 코드 완성 기능이 강력하게 작동합니다.

2. FastAPI 설치하기

FastAPI를 사용하기 위해 필요한 패키지들을 설치해 보겠습니다. 먼저 Python이 설치되어 있어야 합니다. Python의 최신 버전이 필요하며, 공식 웹사이트에서 다운로드하여 설치할 수 있습니다. 설치가 완료되었다면, FastAPI와 Uvicorn을 설치하는 방법을 살펴보겠습니다.

pip install fastapi uvicorn

위 명령어를 사용하여 FastAPI와 Uvicorn을 설치할 수 있습니다. Uvicorn은 FastAPI 애플리케이션을 실행할 때 사용할 ASGI 서버입니다. 설치가 완료되었다면, 설치가 제대로 되었는지 다음 명령어로 확인할 수 있습니다.

pip show fastapi uvicorn

3. 기본 프로젝트 구조 만들기

FastAPI 프로젝트를 시작하기 위해 기본 폴더 구조를 설정해 보겠습니다. 간단한 FastAPI 프로젝트는 다음과 같은 구조를 가질 수 있습니다:


my_fastapi_project/
├── app/
│   ├── main.py
│   ├── api/
│   │   └── routers.py
│   └── models/
│       └── user.py
└── requirements.txt

이제 각각의 파일에 대해 설명하겠습니다.

3.1. requirements.txt

이 파일은 프로젝트에서 사용할 패키지들의 목록입니다. 다음과 같이 작성할 수 있습니다:


fastapi
uvicorn

3.2. main.py

메인 애플리케이션 파일로, FastAPI 서버를 실행하고 기본 라우터를 설정하는 역할을 합니다. 아래와 같이 구성할 수 있습니다:


from fastapi import FastAPI
from app.api.routers import router as api_router

app = FastAPI()

@app.get("/")
async def read_root():
    return {"message": "Hello, FastAPI!"}

app.include_router(api_router, prefix="/api")

3.3. routers.py

이 파일은 API 라우터를 정의하는 데 사용됩니다. 여러 엔드포인트를 그룹화하여 관리하기 용이하게 만들어주는 역할을 합니다. 아래는 간단한 사용자 정보를 위한 API 라우터 예시입니다:


from fastapi import APIRouter

router = APIRouter()

@router.get("/users")
async def get_users():
    return [{"username": "user1"}, {"username": "user2"}]

3.4. user.py

모델 파일로, 데이터베이스와 상호작용하는 데이터 모델을 정의하는 데 사용됩니다. 예를 들어, 사용자 정보를 저장하기 위한 모델을 정의할 수 있습니다:


from pydantic import BaseModel

class User(BaseModel):
    id: int
    username: str
    email: str

    class Config:
        orm_mode = True

4. FastAPI 애플리케이션 실행하기

이제 기본 구조가 완성되었으므로 FastAPI 애플리케이션을 실행해 보겠습니다. 다음 명령어를 사용하여 서버를 실행할 수 있습니다:

uvicorn app.main:app --reload

위 명령어를 실행하면 FastAPI 서버가 시작됩니다. 기본적으로 http://127.0.0.1:8000에서 실행됩니다. 웹 브라우저를 열고 이 주소로 접속하면 {“message”: “Hello, FastAPI!”}라는 JSON 응답이 오랜 것입니다. 또한 http://127.0.0.1:8000/docs에 접속하여 자동 생성된 Swagger 문서 페이지를 확인할 수 있습니다.

5. FastAPI의 문서화 기능

FastAPI의 가장 매력적인 기능 중 하나는 자동 문서화입니다. Swagger UI와 ReDoc 인터페이스를 통해 API에 대한 직관적인 정보를 제공합니다. 위에서 언급한 것처럼, Swagger UI에 접속하면 API의 모든 엔드포인트와 요청/응답 형식이 표시됩니다. 이를 통해 개발자는 API를 쉽게 테스트하고 이해할 수 있습니다.

6. 결론

이번 글에서는 FastAPI의 설치와 기본 프로젝트 구조를 설정하는 방법에 대해 알아보았습니다. FastAPI는 비동기식 API 개발에 매우 적합한 프레임워크로, 설치가 간편하며 문서화 기능이 뛰어나 몇 분 내에 강력한 API 서버를 구축할 수 있습니다. 앞으로의 강좌에서는 데이터베이스 연결, 사용자 인증 및 권한 관리, 비즈니스 로직 구현 등을 다룰 예정입니다. FastAPI를 통해 더 나은 웹 애플리케이션을 개발해 보시기를 바랍니다.

FastAPI 서버개발, 비동기 데이터베이스 연동 (async SQLAlchemy, Tortoise ORM)

FastAPI는 비동기 지원을 기본으로 제공하여 높은 성능과 효율성을 자랑하는 웹 프레임워크입니다. 이러한 FastAPI의 장점은 비동기 데이터베이스를 통해 더욱 극대화할 수 있습니다. 본 강좌에서는 FastAPI와 함께 사용할 수 있는 두 가지 비동기 데이터베이스 ORM인 async SQLAlchemyTortoise ORM을 이용한 서버 개발 방법을 알아보겠습니다.

1. FastAPI 소개

FastAPI는 Python으로 작성된 웹 프레임워크로, 빠르고 간편하게 RESTful API를 개발할 수 있도록 도와줍니다. FastAPI는 Starlette을 기반으로 하여 구현되었으며, 타입 힌트를 활용하여 자동으로 API 문서를 생성합니다. 이러한 특성 덕분에 FastAPI는 높은 생산성과 성능을 제공하며, 대규모 서비스와 실시간 API에 적합한 선택이 됩니다.

2. 비동기 프로그래밍 개념

비동기 프로그래밍은 태스크를 동시에 처리할 수 있도록 해주는 프로그래밍 모델입니다. 일반적인 동기 프로그래밍에서는 하나의 작업이 끝난 후 다음 작업을 시작하는 방식이지만, 비동기 프로그래밍에서는 작업을 기다리는 동안 다른 작업을 수행할 수 있습니다. 이로 인해 I/O 작업에 소요되는 시간을 줄일 수 있습니다.

3. async SQLAlchemy

3.1 소개

SQLAlchemy는 Python에서 가장 널리 사용되는 ORM(Object Relational Mapping) 라이브러리입니다. async SQLAlchemy는 비동기 I/O를 지원하는 SQLAlchemy의 확장으로, FastAPI와 함께 사용할 수 있는 강력한 도구입니다.

3.2 설치

pip install sqlalchemy[asyncio] asyncpg

3.3 기본 사용법

async SQLAlchemy를 사용하여 FastAPI와 연결하는 기본적인 방법은 다음과 같습니다:

from fastapi import FastAPI
from sqlalchemy.ext.asyncio import create_async_engine, AsyncSession
from sqlalchemy.orm import sessionmaker, declarative_base

DATABASE_URL = "postgresql+asyncpg://user:password@localhost/dbname"
engine = create_async_engine(DATABASE_URL, echo=True)
SessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=engine, class_=AsyncSession)
Base = declarative_base()

app = FastAPI()

# 데이터 모델 정의
class Item(Base):
    __tablename__ = 'items'
    
    id = Column(Integer, primary_key=True, index=True)
    name = Column(String, index=True)
    description = Column(String, index=True)

# 비동기 데이터베이스 세션 관리 커럽틴 함수
async def get_db():
    async with SessionLocal() as session:
        yield session

3.4 CRUD 생성

FastAPI에서 비동기 데이터베이스를 사용하여 CRUD(Create, Read, Update, Delete) API를 만드는 방법은 다음과 같습니다:

@app.post("/items/")
async def create_item(item: Item, db: AsyncSession = Depends(get_db)):
    db.add(item)
    await db.commit()
    await db.refresh(item)
    return item
@app.get("/items/{item_id}")
async def read_item(item_id: int, db: AsyncSession = Depends(get_db)):
    return await db.get(Item, item_id)
@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item, db: AsyncSession = Depends(get_db)):
    db_item = await db.get(Item, item_id)
    if db_item:
        db_item.name = item.name
        db_item.description = item.description
        await db.commit()
        await db.refresh(db_item)
        return db_item
    return {"error": "Item not found"}
@app.delete("/items/{item_id}")
async def delete_item(item_id: int, db: AsyncSession = Depends(get_db)):
    db_item = await db.get(Item, item_id)
    if db_item:
        await db.delete(db_item)
        await db.commit()
        return {"message": "Item deleted"}
    return {"error": "Item not found"}

4. Tortoise ORM

4.1 소개

Tortoise ORM은 비동기 환경을 위해 설계된 ORM으로, 간결하고 사용하기 쉬운 API를 제공합니다. 비동기 기반의 FastAPI와 잘 어울립니다.

4.2 설치

pip install tortoise-orm aiosqlite

4.3 기본 사용법

FastAPI와 Tortoise ORM을 연동하기 위한 기본적인 설정은 다음과 같습니다:

from fastapi import FastAPI
from tortoise import fields
from tortoise.models import Model
from tortoise import Tortoise

app = FastAPI()

# 데이터 모델 정의
class Item(Model):
    id = fields.IntField(pk=True)
    name = fields.CharField(max_length=255)
    description = fields.TextField()

# Tortoise 초기화
@app.on_event("startup")
async def startup():
    await Tortoise.init(
        db_url='sqlite://db.sqlite3',
        modules={"models": ["__main__"]}
    )
    await Tortoise.generate_schemas()

@app.on_event("shutdown")
async def shutdown():
    await Tortoise.close_connections()

4.4 CRUD 생성

Tortoise ORM을 사용하여 CRUD API를 구현하는 방법은 다음과 같습니다:

@app.post("/items/")
async def create_item(item: Item):
    await item.save()
    return item
@app.get("/items/{item_id}")
async def read_item(item_id: int):
    return await Item.get(id=item_id)
@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):
    db_item = await Item.get(id=item_id)
    if db_item:
        db_item.name = item.name
        db_item.description = item.description
        await db_item.save()
        return db_item
    return {"error": "Item not found"}
@app.delete("/items/{item_id}")
async def delete_item(item_id: int):
    db_item = await Item.get(id=item_id)
    if db_item:
        await db_item.delete()
        return {"message": "Item deleted"}
    return {"error": "Item not found"}

5. 결론

FastAPI는 비동기 처리를 기본으로 지원하여, 높은 성능의 API 서버를 손쉽게 구축할 수 있게 해줍니다. async SQLAlchemy와 Tortoise ORM은 각각의 장점을 가지고 있으며, 상황에 맞추어 적절한 선택을 할 수 있습니다. 본 강좌를 통해 FastAPI와 비동기 데이터베이스의 통합 방법을 배우고, 실제로 API를 구현해 보셨기를 바랍니다. FastAPI의 강력한 기능을 활용하여 훌륭한 웹 애플리케이션을 개발하시기 바랍니다.

FastAPI 서버개발, DB 조작, C Create

FastAPI는 Python으로 웹 애플리케이션을 개발하기 위한 현대적인 프레임워크입니다. 이 글에서는 FastAPI를 사용하여 Docker와 PostgreSQL 데이터베이스를 결합한 RESTful API를 구축하는 방법을 소개하고, CRUD(Create, Read, Update, Delete) 중 Create 기능을 중점적으로 다룰 것입니다.

목차

  1. FastAPI 소개
  2. 환경 설정
  3. 데이터베이스 통합
  4. Create 작업 구현
  5. API 테스트
  6. 결론

FastAPI 소개

FastAPI는 Python의 비동기 처리를 활용하여 높은 성능을 자랑하는 웹 프레임워크입니다. FastAPI의 장점은 다음과 같습니다:

  • 비동기 처리 지원: 웹 서버와의 I/O 작업을 비동기로 처리하여 성능을 최적화합니다.
  • 자동화된 API 문서: Swagger UI와 ReDoc을 통한 자동화된 문서를 제공합니다.
  • 유형 검사: Python 3.6 이상의 타입 힌트를 활용하여 데이터 유효성을 검사합니다.

환경 설정

시작하기에 앞서 필요한 패키지를 설치합니다. FastAPI와 PostgreSQL을 사용하여 API를 구축할 것이므로, 아래와 같은 환경을 설정합니다.

bash
# 가상환경 생성
$ python -m venv venv
$ source venv/bin/activate  # macOS/Linux
$ venv\Scripts\activate     # Windows

# 필요한 패키지 설치
(venv) $ pip install fastapi[all] sqlalchemy psycopg2
    
주의: 필요에 따라 PostgreSQL을 설치하고 데이터베이스를 생성해야 합니다.

데이터베이스 통합

FastAPI에서 SQLAlchemy를 사용하여 PostgreSQL 데이터베이스와 통합할 것입니다. 아래는 데이터베이스 설정을 위한 코드입니다.

python
from fastapi import FastAPI
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker

DATABASE_URL = "postgresql://username:password@localhost/dbname"

engine = create_engine(DATABASE_URL)
SessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=engine)
Base = declarative_base()

class Item(Base):
    __tablename__ = "items"

    id = Column(Integer, primary_key=True, index=True)
    name = Column(String, index=True)
    description = Column(String, index=True)

Base.metadata.create_all(bind=engine)
    

위 코드에서, `DATABASE_URL`을 실제 데이터베이스의 사용자명, 비밀번호, 호스트 및 데이터베이스 이름으로 수정해야 합니다.

Create 작업 구현

이제 Create 작업을 구현해 보겠습니다. 이를 위해 FastAPI의 경로 연산자와 Pydantic을 사용하여 데이터 유효성을 검사할 수 있습니다.

python
from fastapi import Depends, FastAPI, HTTPException
from sqlalchemy.orm import Session
from pydantic import BaseModel

app = FastAPI()

class ItemCreate(BaseModel):
    name: str
    description: str = None

def get_db():
    db = SessionLocal()
    try:
        yield db
    finally:
        db.close()

@app.post("/items/", response_model=ItemCreate)
def create_item(item: ItemCreate, db: Session = Depends(get_db)):
    db_item = Item(name=item.name, description=item.description)
    db.add(db_item)
    db.commit()
    db.refresh(db_item)
    return db_item
    

이번에는 클라이언트가 “/items/” 엔드포인트로 POST 요청을 전달하면, 새로운 아이템이 데이터베이스에 추가되도록 설정했습니다.

전체 코드 보기

python
from fastapi import Depends, FastAPI, HTTPException
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker, Session
from pydantic import BaseModel

# 데이터베이스 설정
DATABASE_URL = "postgresql://username:password@localhost/dbname"
engine = create_engine(DATABASE_URL)
SessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=engine)
Base = declarative_base()

# 아이템 모델
class Item(Base):
    __tablename__ = "items"
    id = Column(Integer, primary_key=True, index=True)
    name = Column(String, index=True)
    description = Column(String, index=True)

Base.metadata.create_all(bind=engine)

# FastAPI 인스턴스 생성
app = FastAPI()

# Pydantic 모델
class ItemCreate(BaseModel):
    name: str
    description: str = None

# 데이터베이스 세션 생성
def get_db():
    db = SessionLocal()
    try:
        yield db
    finally:
        db.close()

# 아이템 생성 경로
@app.post("/items/", response_model=ItemCreate)
def create_item(item: ItemCreate, db: Session = Depends(get_db)):
    db_item = Item(name=item.name, description=item.description)
    db.add(db_item)
    db.commit()
    db.refresh(db_item)
    return db_item
    

API 테스트

FastAPI는 자동으로 Swagger UI 문서를 제공하므로, API를 테스트하기에 매우 용이합니다. 서버를 실행한 후 웹 브라우저에서 http://127.0.0.1:8000/docs로 이동하면 API 문서를 확인할 수 있습니다.

bash
# 서버 실행
(venv) $ uvicorn main:app --reload
    

POST 요청 보내기

API 문서에서 “POST /items/” 엔드포인트를 선택하고, JSON 형식으로 데이터를 입력하여 테스트할 수 있습니다. 예를 들어:

{
    "name": "example item",
    "description": "This is an example item"
}
    

위 데이터를 전송하면, 데이터베이스에 새로운 아이템이 추가됩니다.

결론

이번 글에서는 FastAPI를 사용하여 PostgreSQL 데이터베이스와 통합하고 새로운 데이터를 생성하는 방법에 대해 설명했습니다. FastAPI의 간결한 문법과 강력한 기능 덕분에 빠르게 API를 개발할 수 있었습니다. 다음 단계로서는 Read, Update, Delete 작업을 구현하고, 인증 및 권한 부여와 같은 보안 기능을 추가하는 것을 고려할 수 있습니다.

FastAPI 서버개발, 비동기 함수 및 코루틴 사용법

저자: AI 작성자

날짜: 2023년 10월

1. 서론

FastAPI는 Python으로 작성된 최신 웹 프레임워크로, 비동기 프로그래밍을 지원하여 높은 성능을 제공합니다. 본 강좌에서는 FastAPI를 사용하여 백엔드 서버를 개발하고, 비동기 함수 및 코루틴을 활용하는 방법에 대해 자세히 설명하겠습니다. 이 글에서는 FastAPI의 기본 개념뿐 아니라 비동기 프로그래밍의 원리와 장점, 그리고 이를 활용한 실제 예제 코드를 제공합니다.

2. FastAPI 소개

FastAPI는 Python의 비동기 기능을 최대한 활용하면서도 쉽고 빠르게 API를 구축할 수 있도록 설계되었습니다.

  • 비동기 지원: asyncio 라이브러리를 사용하여 비동기로 작동
  • 자동화된 문서화: OpenAPI 스펙에 따라 API 문서를 자동으로 생성
  • 유효성 검사: Pydantic을 사용하여 데이터 유효성 검사 및 직렬화를 제공
  • 성능: 비동기 처리를 통해 높은 성능을 자랑

3. 비동기 프로그래밍 개념

비동기 프로그래밍은 전통적인 동기 프로그래밍과 달리 여러 작업을 동시에 진행할 수 있는 구조입니다. 이는 네트워킹 및 I/O 작업과 같이 지연이 생기는 작업에서 속도 향상을 가져옵니다. 비동기 프로그래밍의 주요 개념은 다음과 같습니다.

  • 코루틴(Coroutine): Python의 async/await 구문을 사용하여 비동기 함수를 정의할 수 있습니다. 코루틴은 다른 코루틴에 의해 중단되고, 다시 재개될 수 있는 함수를 의미합니다.
  • 이벤트 루프(Event Loop): 비동기 프로그래밍의 핵심으로, 여러 비동기 작업을 스케줄링하고 관리하는 역할을 합니다.
  • Task: 코루틴을 이벤트 루프에서 실행하기 위해 생성되는 객체로, 실행할 코루틴을 감싸고 있습니다.

4. FastAPI 설치

FastAPI를 사용하기 위해서는 먼저 Python을 설치해야 합니다. 그 후, FastAPI와 필요한 라이브러리를 설치할 수 있습니다. 다음 명령어를 사용하여 FastAPI를 설치합니다.


pip install fastapi uvicorn
            

uvicorn은 ASGI 서버로 FastAPI 앱을 실행하는 데 필요합니다.

5. FastAPI의 기본 사용법

FastAPI의 기본 구조는 매우 간단합니다. 아래의 코드 예제는 기본적인 FastAPI 애플리케이션을 생성하는 예입니다.


from fastapi import FastAPI

app = FastAPI()

@app.get("/")
async def read_root():
    return {"Hello": "World"}
            

위의 예제에서 FastAPI 인스턴스를 생성하고, GET 요청에 대한 기본 응답을 정의하는 코루틴을 작성했습니다. 이제 서버를 실행해보겠습니다.


uvicorn main:app --reload
            

기본적으로 서버는 http://localhost:8000에서 실행됩니다. 웹 브라우저에서 해당 URL로 접속하면 JSON 형식의 {“Hello”: “World”} 응답을 확인할 수 있습니다.

6. 비동기 함수 및 코루틴

FastAPI에서는 비동기 함수와 코루틴을 쉽게 사용할 수 있습니다. 다음은 비동기 함수의 몇 가지 예제입니다. 이를 통해 비동기 작업을 어떻게 구현할 수 있는지 살펴보겠습니다.


import asyncio

async def fake_blocking_task():
    await asyncio.sleep(2)  # 2초 대기
    return "이 작업은 비동기적으로 실행됩니다."

@app.get("/async-task")
async def run_async_task():
    result = await fake_blocking_task()
    return {"result": result}
            

위 코드는 fake_blocking_task 함수를 비동기적으로 실행하며, 2초 후에 응답을 생성합니다. 클라이언트는 다른 요청을 처리하는 동안 이 작업이 백그라운드에서 진행됩니다.

7. 비동기 데이터베이스 작업

FastAPI는 데이터베이스와의 비동기 통신을 지원합니다. 예를 들어, SQLAlchemy를 사용해 비동기 작업을 수행할 수 있습니다. 다음은 SQLAlchemy를 사용하여 비동기적으로 데이터베이스와 상호작용하는 방법입니다.


from sqlalchemy.ext.asyncio import create_async_engine, AsyncSession
from sqlalchemy.orm import sessionmaker

DATABASE_URL = "sqlite+aiosqlite:///./test.db"

engine = create_async_engine(DATABASE_URL, echo=True)
async_session = sessionmaker(
    bind=engine,
    expire_on_commit=False,
    class_=AsyncSession
)

async def get_items():
    async with async_session() as session:
        result = await session.execute(select(Item))
        return result.scalars().all()
            

위의 예제에서는 SQLAlchemy의 비동기 세션을 사용하여 데이터베이스에 접근하는 방법을 보여줍니다. 비동기적으로 SQL 쿼리를 실행하고 결과를 반환합니다.

8. FastAPI에서 종속성 주입 사용하기

FastAPI는 종속성 주입 시스템을 통해 코드의 재사용성과 구조적인 설계를 지원합니다. 예를 들어, 데이터베이스 세션을 전역 설정으로 주입할 수 있습니다.


from fastapi import Depends

async def get_db():
    async with async_session() as session:
        yield session

@app.get("/items/")
async def read_items(db: AsyncSession = Depends(get_db)):
    items = await get_items()
    return items
            

위 코드에서 Depends를 사용하여 종속성 주입을 구현합니다. 클라이언트 요청에 대해 데이터베이스 세션이 사용됩니다.

9. 테스트 작성하기

FastAPI는 테스트 작성도 간단하게 만들어 줍니다. 다음은 테스트 코드의 예입니다.


from fastapi.testclient import TestClient

client = TestClient(app)

def test_read_root():
    response = client.get("/")
    assert response.status_code == 200
    assert response.json() == {"Hello": "World"}
            

FastAPI의 내장 TestClient를 사용하여 엔드포인트를 테스트할 수 있습니다.

10. 결론

FastAPI를 사용한 비동기 함수 및 코루틴 활용은 현대적인 웹 개발에서 필수적인 작업입니다. 이는 성능을 최적화하고, 확장 가능한 애플리케이션을 개발하는 데 큰 도움이 됩니다. 본 강좌를 통해 FastAPI의 기본 사용법부터 비동기 프로그래밍의 개념, 그리고 데이터베이스와의 상호작용까지 폭넓은 내용을 다루었습니다.

FastAPI는 지속적으로 발전하고 있으며, 앞으로도 많은 기능들이 추가될 것입니다. 여러분도 FastAPI를 활용하여 효율적이고 빠른 웹 애플리케이션을 개발해보시기 바랍니다.

본 글은 FastAPI를 활용한 서버 개발 및 비동기 프로그래밍에 대한 체계적인 안내서입니다. FastAPI의 공식 문서도 참고하시기 바랍니다.

문의 사항이 있으시면 댓글로 남겨주세요!

FastAPI 서버개발, Uvicorn으로 FastAPI 서버 실행하기

현대 웹 개발에서 효율성과 성능은 매우 중요합니다. 특히 백엔드 개발에서 이러한 요소들은 더욱 중요해지고 있습니다. FastAPI는 이러한 요구를 충족시키기 위해 설계된 Python 웹 프레임워크입니다. FastAPI는 비동기 프로그래밍을 지원하며, 빠른 API 개발을 위해 다양한 기능을 제공합니다. 이 글에서는 FastAPI를 사용하여 서버를 구축하고, Uvicorn을 사용하여 이를 실행하는 방법을 자세히 살펴보겠습니다.

1. FastAPI란?

FastAPI는 Python으로 작성된 최신 웹 프레임워크입니다. 그 주요 특징은 다음과 같습니다:

  • 비동기 지원: FastAPI는 비동기 프로그래밍을 지원하여 높은 성능을 구현할 수 있습니다.
  • 자동 문서화: FastAPI는 Swagger UI와 Redoc과 같은 자동 문서화 기능을 제공합니다.
  • 타입 힌트: Python의 타입 힌트를 기반으로 API의 데이터 모델과 유효성 검사를 자동으로 처리합니다.
  • 성능: Starlette와 Pydantic을 기반으로 구축되어 있어 매우 빠른 속도를 자랑합니다.

2. Uvicorn이란?

Uvicorn은 ASGI(Asynchronous Server Gateway Interface) 서버입니다. FastAPI와 같은 비동기 웹 프레임워크를 실행하기 위한 경량 웹 서버로, 다양한 비동기 처리를 지원합니다. FastAPI와 함께 사용할 때, 다음과 같은 장점이 있습니다:

  • 높은 성능: Uvicorn은 비동기 IO를 활용하여 요청을 처리할 수 있으므로 매우 빠릅니다.
  • 간단한 사용법: 명령어로 쉽게 서버를 실행할 수 있습니다.
  • 적은 자원 소모: 가벼운 서버이기 때문에 소모하는 자원이 적습니다.

3. FastAPI 설치하기

FastAPI를 설치하기 위해서는 Python이 설치되어 있어야 합니다. Python이 설치된 후, 다음의 명령어를 사용하여 FastAPI와 Uvicorn을 설치할 수 있습니다:

pip install fastapi uvicorn

4. FastAPI 기본 설정

설치가 완료되면, FastAPI를 이용하여 간단한 API 서버를 구축해보겠습니다. 아래는 기본적인 FastAPI 설정을 보여주는 코드 예제입니다:

from fastapi import FastAPI
    
app = FastAPI()

@app.get("/")
async def read_root():
    return {"message": "Hello, FastAPI!"}

5. Uvicorn으로 FastAPI 서버 실행하기

FastAPI 애플리케이션을 실행하기 위해 Uvicorn을 사용할 수 있습니다. 위에서 작성한 코드를 main.py라는 파일에 저장한 후, 다음의 명령어로 Uvicorn 서버를 실행할 수 있습니다:

uvicorn main:app --reload

여기서 main은 파일 이름이고, app는 FastAPI 인스턴스의 이름입니다. --reload 플래그는 코드 변경 시 자동으로 서버를 다시 시작해줍니다.

5.1 실행 결과 확인하기

서버가 성공적으로 실행되면, 브라우저를 열고 http://127.0.0.1:8000에 접속하여 결과를 확인할 수 있습니다. JSON 형태로 {“message”: “Hello, FastAPI!”}가 출력됩니다. 또한, Swagger UI를 통해 API 문서에 접근할 수 있습니다. 주소는 http://127.0.0.1:8000/docs입니다.

6. FastAPI의 경로 매개변수

FastAPI는 경로 매개변수를 통해 URL의 일부를 변수로 사용할 수 있게 해줍니다. 예를 들어 사용자의 이름을 포함하는 간단한 API를 작성해보겠습니다:

@app.get("/users/{user_id}")
async def read_user(user_id: int):
    return {"user_id": user_id}

위의 예제에서 user_id는 URL 경로에서 동적으로 추출되는 값입니다. 서버를 실행한 후 http://127.0.0.1:8000/users/1와 같은 경로에 접속하면 {"user_id": 1}와 같은 결과를 확인할 수 있습니다.

7. FastAPI의 쿼리 매개변수

쿼리 매개변수 역시 FastAPI에서 쉽게 처리할 수 있습니다. 다음은 쿼리 매개변수를 사용하는 예제입니다:

@app.get("/items/")
async def read_item(q: str = None):
    return {"query": q}

이 API에 접속하면서 쿼리 매개변수를 전달하면, 예를 들어 http://127.0.0.1:8000/items/?q=test로 접근 시 {"query": "test"}라는 결과를 반환합니다.

8. FastAPI에서 POST 요청 처리하기

FastAPI는 POST 요청을 통해 클라이언트로부터 데이터를 받을 수 있습니다. 아래는 JSON 형식의 요청 데이터를 처리하는 예제입니다:

from pydantic import BaseModel

class Item(BaseModel):
    name: str
    price: float
    is_offer: bool = None

@app.post("/items/")
async def create_item(item: Item):
    return item

위와 같은 방식으로 POST 요청을 보내면, 전송된 데이터를 그대로 반환하는 API를 만들 수 있습니다. 예를 들어 요청을 보내는 방법은 다음과 같습니다:

import requests

response = requests.post("http://127.0.0.1:8000/items/", json={"name": "test", "price": 42.0})
print(response.json())

9. FastAPI와 데이터베이스 연동

FastAPI는 SQLAlchemy와 같은 ORM(Object Relational Mapping) 라이브러리와 함께 사용할 수 있습니다. 데이터베이스와의 연동을 통해 실제 데이터를 저장하고 불러오는 작업을 수행할 수 있습니다.

다음은 간단한 SQLAlchemy와 FastAPI를 연동한 코드 예제입니다:

from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker

DATABASE_URL = "sqlite:///./test.db"
engine = create_engine(DATABASE_URL)
SessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=engine)
Base = declarative_base()

class User(Base):
    __tablename__ = "users"
    id = Column(Integer, primary_key=True, index=True)
    name = Column(String, index=True)

Base.metadata.create_all(bind=engine)

위의 코드는 SQLite 데이터베이스를 생성하고 users 테이블을 설정하는 작업을 수행합니다. FastAPI와 함께 데이터를 입력하고 조회하는 API를 작성할 수 있습니다.

10. 비동기 처리

FastAPI는 비동기 처리를 지원하므로, 예를 들어 여러 API를 동시에 호출해야 할 때 유용합니다. 비동기 함수를 사용하여 다음과 같이 작성할 수 있습니다:

import asyncio

async def fetch_data(url):
    async with httpx.AsyncClient() as client:
        response = await client.get(url)
        return response.json()

@app.get("/data/")
async def get_data():
    url = "http://api.example.com/data"
    data = await fetch_data(url)
    return data

11. FastAPI의 업데이트 및 삭제

FastAPI에서는 PUT 메서드를 사용하여 리소스를 업데이트하고, DELETE 메서드를 사용하여 리소스를 삭제할 수 있습니다. 다음은 업데이트와 삭제를 수행하는 간단한 예제입니다.

@app.put("/items/{item_id}")
async def update_item(item_id: int, item: Item):
    # 업데이트 로직
    return {"item_id": item_id, **item.dict()}

@app.delete("/items/{item_id}")
async def delete_item(item_id: int):
    # 삭제 로직
    return {"message": "Item has been deleted", "item_id": item_id}

12. FastAPI의 미들웨어

FastAPI는 미들웨어를 통해 요청과 응답을 가로채어 핸들링할 수 있는 기능을 제공합니다. 예를 들어, 모든 요청에 대해 로그를 기록하는 미들웨어를 작성할 수 있습니다:

from starlette.middleware.base import BaseHTTPMiddleware

class LogMiddleware(BaseHTTPMiddleware):
    async def dispatch(self, request, call_next):
        response = await call_next(request)
        print(f"Request: {request.url}, Response Status: {response.status_code}")
        return response

app.add_middleware(LogMiddleware)

13. FastAPI와 보안

FastAPI는 OAuth2와 같은 인증 방법을 지원합니다. 이를 통해 안전하게 API를 보호하고 접근 제어를 할 수 있습니다. 아래는 간단한 보안 개요입니다:

from fastapi.security import OAuth2PasswordBearer, OAuth2PasswordRequestForm

oauth2_scheme = OAuth2PasswordBearer(tokenUrl="token")

@app.post("/token")
async def login(form_data: OAuth2PasswordRequestForm = Depends()):
    # 검증 로직
    return {"access_token": form_data.username, "token_type": "bearer"}

14. 마치며

이 글에서는 FastAPI를 사용하여 백엔드 서버를 개발하고 Uvicorn을 통해 이를 실행하는 방법에 대해 살펴보았습니다. 비동기 처리, 데이터베이스 연동, RESTful API 설계 등 다양한 기능을 활용하여 강력한 웹 서버를 구축할 수 있음을 확인했습니다. FastAPI는 그 자체로도 훌륭하지만, 다양한 라이브러리와 함께 사용하여 진정한 강력함을 발휘합니다. 각자의 필요에 따라 FastAPI의 기능을 확장하여 자신만의 API 서버를 만들어 보세요!

부록: 관련 라이브러리 및 자료

FastAPI와 함께 잘 사용되는 여러 라이브러리와 자료를 소개합니다:

© 2023 FastAPI 블로그