파이썬 FastAPI를 이용한 API 프로젝트 만들기 (0) - 소개 및 예제

FastAPI란?

Python의 웹 프레임워크하면, 보통 Django와 Flask가 떠오를 것이다.

2023년부터 성능과 개발편의성에 최적화된 FastAPI가 등장하면서 급 부상 중이다.

FastAPI 특징

---

• 빠름: (Starlette과 Pydantic 덕분에) NodeJS 및 Go와 대등할 정도로 매우 높은 성능. 사용 가능한 가장 빠른 파이썬 프레임워크 중 하나.
• 빠른 코드 작성: 약 200%에서 300%까지 기능 개발 속도 증가.
• 적은 버그: 사람(개발자)에 의한 에러 약 40% 감소.
• 직관적: 훌륭한 편집기 지원. 모든 곳에서 자동완성. 적은 디버깅 시간.
• 쉬움: 쉽게 사용하고 배우도록 설계. 적은 문서 읽기 시간.
• 짧음: 코드 중복 최소화. 각 매개변수 선언의 여러 기능. 적은 버그.
• 견고함: 준비된 프로덕션 용 코드를 얻으십시오. 자동 대화형 문서와 함께.
• 표준 기반: API에 대한 (완전히 호환되는) 개방형 표준 기반: OpenAPI (이전에 Swagger로 알려졌던) 및 JSON 스키마.

FastAPI 구글 트렌드 조사

---

Django가 압도적이긴 하나, Flask와 비교해보면 2023년부터 많은 관심을 받았다고 볼 수 있을 것 같다.

파이썬 웹 프레임워크 성능과 장단점 비교 (GPT 답변 첨부)

	성능	장점	단점
FastAPI	비동기 처리를 지원하여 빠른 속도와 높은 처리량을 제공합니다. 이는 https://docs.python.org/ko/3/library/asyncio.html 및 https://www.uvicorn.org/과 같은 비동기 웹 서버와의 통합으로 가능합니다.	- 빠른 개발과 테스트를 위한 기능을 제공합니다. - Pydantic을 통한 자동 API 문서 생성과 타입 체크를 지원하여 API 문서화를 용이하게 합니다. - Swagger UI와 OpenAPI를 지원하여 API 문서를 자동으로 생성합니다.	- 비동기 처리에 대한 학습 곡선이 있을 수 있습니다. - Flask나 Django에 비해 아직까지 생태계가 상대적으로 작습니다.
Flask	가볍고 간결한 프레임워크이므로 속도 면에서 빠르게 실행될 수 있습니다. 하지만 비동기 처리를 지원하지 않으므로 FastAPI보다는 성능이 낮을 수 있습니다.	- 미니멀한 디자인을 가지고 있어 필요한 기능을 필요할 때마다 확장하여 사용할 수 있습니다. - 다양한 확장 라이브러리를 통해 유연성을 제공하며, 개발자들이 익숙한 인터페이스를 제공합니다.	- 비동기 처리를 지원하지 않아 대규모 및 실시간 데이터 처리에 적합하지 않을 수 있습니다. - Flask 애플리케이션의 구조가 복잡해질 경우 유지보수가 어려울 수 있습니다.
Django	Django는 전체적으로 안정적이고 빠른 프레임워크입니다. 그러나 비동기 처리를 지원하지 않기 때문에 FastAPI보다는 성능이 떨어질 수 있습니다.	- ORM, 관리자 패널, 인증 시스템 등 다양한 기능을 기본으로 제공하여 개발 생산성을 향상시킵니다. - 안정성과 보안성이 높으며, 커뮤니티 및 생태계가 활성화되어 있어 다양한 문제에 대한 지원이 용이합니다.	- 무거운 프레임워크이기 때문에 작은 프로젝트나 빠른 프로토타이핑에는 적합하지 않을 수 있습니다. - Django의 강력한 기능과 기본 제공되는 기능 때문에 프로젝트의 요구 사항에 따라 필요하지 않은 기능을 갖게 될 수도 있습니다.

한 마디로 정리하자면, FastAPI는 개발과 테스트가 간단하면서 API 문서를 제공하고 비동기 처리를 지원하는 프레임워크라고 생각하면 된다!

FastAPI로 웹 프로젝트 만들기

예제소스 : https://wikidocs.net/book/8531

노마드 코더에서 제공하는 “Python으로 웹 스크래퍼 만들기”에서 제공하는 예제를 응용하여 간단한 API 서비스를 만들어보도록 하자.

1. 프로젝트 생성 및 Hello World

---

1. 프로젝트 생성 : PyCharm IDE를 실행하고 프로젝트 이름과 가상환경 세팅 후 생성
2. 

1. 가상환경 적용 확인
2. # 확인이 안된다면, 다음 명령어를 차례대로 실행 cd .venv source activate
3. .venv 가상 환경 폴더가 생성된 것 확인 후 좌측 하단에 있는 터미널 아이콘을 클릭 하면 다음과 같은 터미널이 등장하는데 (.venv) 가 반드시 확인 되어야 한다.

1. 패키지 설치
2. # FastAPI 설치 pip install fastapi # FastAPI 프로그램을 구동하기 위한 웹 서버 Uvicon(비동기 호출을 지원하는 파이썬 웹 서버) 설치 pip install "uvicorn[standard]"

1. main.py 작성 및 구동

    # 터미널에서 다음 명령어 실행 
    uvicorn main:app --reload
   
    # main:app : main.py의 app을 의미 
    # --reload : 서버 재시작 없이 반영 

2. # main.py 생성 from fastapi import FastAPI app = FastAPI() @app.get("/hello") def hello(): return {"message": "hello world"}

1. 접속 및 자동으로 생성 된 API 문서확인
   • http://127.0.0.1:8000/hello 접속 시 main.py 에 작성한 응답 결과가 나온다.
   • 

- [http://127.0.0.1:8000/docs](http://127.0.0.1:8000/docs) 에 접속하면 실행 가능한 `Swagger UI` 가 제공 되고, [http://127.0.0.1:8000/redoc](http://127.0.0.1:8000/redoc) 에 접속하면 읽기 전용인 `Redoc`문서가 자동으로 제공된다.

    > `Spring`에서는 `API` 문서를 작성하려면 까다로운데…(`Spring rest docs` 테스트 코드 구성, `Swagger`로 인한 `Controller` 소스 침투로 인한 직관성 떨어짐) `FastAPI`는.. 와.. 대단한 것 같다..
    >

2. DB & ORM 설정

---

1. ORM 패키지 설치 - 가장 많이 사용하는 SQLAlchemy 설치
2. pip install sqlalchemy

1. database.py 생성
   1.  
2. from sqlalchemy import create_engine from sqlalchemy.ext.declarative import declarative_base from sqlalchemy.orm import sessionmaker # Python 기본 패키지에 포함 되어있는 sqlite 사용 SQLALCHEMY_DATABASE_URL = "sqlite:///./fastapi-scrap.db" engine = create_engine( SQLALCHEMY_DATABASE_URL, connect_args={"check_same_thread": False} ) SessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=engine) Base = declarative_base() # DB 세션 객체 함수 def get_db(): db = SessionLocal() try: yield db finally: db.close()

1. 모델 생성 - 채용정보 도메인

    erDiagram
        employ{
            Integer id
            String platform
            String keyword
            String company_name
            String position
            DateTime create_date
        }

   2) models.py 생성
2. # models.py from sqlalchemy import Column, Integer, String, DateTime from database import Base class Employ(Base): __tablename__ = "employ" id = Column(Integer, primary_key=True) platform = Column(String, nullable=False) keyword = Column(String, nullable=False) company_name = Column(String, nullable=False) position = Column(String, nullable=False) create_date = Column(DateTime, nullable=False)
3. 1) 채용정보 모델 설계

1. alembic 설정1) 터미널에서 alembic 패키지 설치 및 초기화2) 초기화 시, 생긴 마이그레이션 설정 파일 수정 alembic.ini, migrations/env.py

    # alembic.ini 수정
    ...
    sqlalchemy.url = sqlite:///./fastapi-study.db # 수정 
    ...

    # migrations/env.py 수정
    ...
    import models
   
    ...
    target_metadata = models.Base.metadata
    ...

   3) 리비전 파일 생성4) fastapi-scrap.db 생성 확인
2. # 리비전 파일 생성 - 테이블 스크립트 문 생성 alembic revision --autogenerate # 리비전 파일 실행 - 테이블 스크립트 적용 alembic upgrade head
3. 
4. # alembic 패키지 설치 pip install alembic # alembic 초기화 alembic init migrations
5. alembic이란? SQLAlchemy에서 제공하는 데이터베이스 마이그레이션 도구이다.

3. API 작성

---

1. 도메인 디렉토리 생성 - domain/employ
2. 

1. Pydantic을 활용한 employ_schema.py 작성

    from datetime import datetime
    from pydantic import BaseModel, field_validator
   
    # 조회시, 응답 스펙 정의
    class Employ(BaseModel):
        id: int
        platform: str
        keyword: str
        company_name: str
        position: str
        create_date: datetime
   
    # 등록시, 요청 스펙 정의
    class EmployCreate(BaseModel):
        keyword: str
        company_name: str
        position: str
   
        # 빈 문자열 검증
        @field_validator('keyword', 'company_name', 'position')
        def not_empty(cls, v):
            if not v or not v.strip():
                raise ValueError("Required value")
            return v
   

2. Pydantic이란, 입출력 스펙을 정의하고 값을 검증하는 라이브러리이다.

1. employ_crud.py 작성 - 실제 쿼리 적용 구현 부
2. from datetime import datetime from models import Employ from sqlalchemy.orm import Session from domain.employ.employ_schema import EmployCreate # 채용 정보 전체 조회 def employ_list(db: Session): return db.query(Employ) \ .order_by(Employ.create_date.desc()) \ .all() # 채용 정보 등록 def employ_create(db: Session, create_request: EmployCreate, platform): db.add(Employ(platform=platform, keyword=create_request.keyword, company_name=create_request.company_name, position=create_request.position, create_date=datetime.now())) db.commit()

1. APIRouter을 활용한 employ_router.py 작성

    from fastapi import APIRouter, Depends
    from sqlalchemy.orm import Session
    from database import get_db
   
    # 위에서 정의한 employ_schema, employ_crud 참조
    from domain.employ import employ_schema, employ_crud
   
    # prefix 설정
    router = APIRouter(
        prefix="/api/employ"
    )
   
    # 채용 정보 전체 조회 API
    @router.get("/list", response_model=list[employ_schema.Employ])  # employ_schema.py 에서 정의한 응답 스펙 기재
    def employ_list(db: Session = Depends(get_db)):
        return employ_crud.employ_list(db)
   
    # 채용 정보 수동 등록 API
    @router.post("/manual/create")
    def employ_manual_create(create_request: employ_schema.EmployCreate,  # employ_schema.py 에서 정의한 요청 스펙 파라미터
                             db: Session = Depends(get_db)):
        employ_crud.employ_create(db, create_request, "MANUAL")
   

2. router 객체를 생성하여 FastAPI 앱에 등록해야만 라우팅 기능 정상 동작

1. router를 main.py에 등록
2. from fastapi import FastAPI from domain.employ import employ_router app = FastAPI() # 라우터 등록 app.include_router(employ_router.router)

1. 실행 후 Swagger UI를 이용한 API 테스트

    uvicorn main:app --reload

2. 1) uvicorn 명령어로 서버 재실행

2) http://127.0.0.1:8000/docs 접속 하면 다음과 같이 생성한 API 2개가 보인다.

3) 채용 정보 등록 API 테스트

• Try it out 을 클릭하면 테스트를 진행 할 수 있다.

• Request Body를 작성 후 Execute 버튼을 누르면 API 호출이 된다.

4) 등록한 채용 정보를 채용 정보 조회 API를 통해 확인

• 위와 같이 채용 정보 조회 API 를 Try it out 버튼과 Execute 버튼을 차례대로 클릭 하면 다음 이미지와 같이 결과를 확인 할 수 있다.

마무리

위의 과정에서 자세한 라이브러리 사용은 언급하지 않았다. (저자도 파이썬 초보라… 😹)
자세한 내용은 아래 [참고] 링크를 통해 확인하길 바란다.

FastAPI 웹 프레임워크를 활용하니 API는 공장처럼 찍어 낼 수 있을 것 같다.
너무 간단하기도 하고.. 문서도 자동화 해주니.. 너무 편리하지 않는가!!!???

분량이 많아진 관계로 스크래핑한 채용 정보 등록을 API로 구성하는 예제는 다음 글에서 뵙도록 하겠다. 👋🏻

https://github.com/discphy/fastapi-scrap

[참고]

https://github.com/tiangolo/fastapi

https://dasima.co.kr/125/fastapi는-무엇인가-fastapi-사용설명서-01/

https://wikidocs.net/book/8531