Backend és API

Python és FastAPI backend — modern, skálázható API-k

Az aszinkron REST API-k terén a FastAPI a Python etalonja. Natív Python type hint-ekre épít, ehhez automatikus Pydantic-validációt, magától előálló OpenAPI-dokumentációt és Node.js szintű ASGI-teljesítményt ad — anélkül, hogy a kód olvashatóságát feláldozná.

FastAPI — gyors Python-keretrendszer

A FastAPI Uvicornon (ASGI-szerver) fut, éles környezetben Gunicornnal, hogy több folyamaton dolgozzon. Egy egyszerű végpont, amely a Redis-gyorsítótárból olvas, átlagos hardveren válaszol. A beépített Dependency Injection minden réteget önmagában, bonyolult mockolás nélkül tesztelhetővé tesz: a hitelesítés, az adatbázis-munkamenet és a rate limiting egyaránt injektálható függőség.

Az OpenAPI 3.1 dokumentáció a type hint-ekből magától áll elő — fejlesztés közben a Swagger UI a `/docs`, a ReDoc a `/redoc` címen érhető el. A Pydantic v2 séma (Rust nyelven írt validátorral) gyorsabban ellenőrzi a kéréseket és a válaszokat, mint a Pydantic v1. Minden hibás mező 422-es választ vált ki, világos, honosított hibaüzenettel.

Natív async/await — nem blokkoló I/O minden adatbázis- és HTTP-műveletnél
BackgroundTasks a válasz utáni munkához (e-mail, webhook, naplózás)
Natív WebSocket-támogatás a valós idejű funkciókhoz (chat, értesítések)
Rate limiting a slowapi csomaggal (a limits alapján) — IP-nként és felhasználónként
Middleware CORS-hoz, tömörítéshez (gzip/brotli), request ID-hoz és időméréshez

PostgreSQL, SQLAlchemy és Alembic

Minden adatbázis-műveletet SQLAlchemy 2.0 async (asyncpg-illesztőprogram) végez. A modelleket Mapped típusokkal írjuk le — típusbiztosan, sztringek nélkül. Az összetettebb lekérdezések SQLAlchemy Core-ban készülnek (amit a fordítás ellenőriz), vagy tiszta SQL-ként a `text()` függvényen át, kötött paraméterekkel — sosem sztringbehelyettesítéssel, így az SQL-injekció teljesen kizárt.

Az Alembic-migrációk a modellek változásából automatikusan állnak elő, alkalmazás előtt pedig kézi ellenőrzésen mennek át. Minden migrációnak letesztelt `upgrade()` és `downgrade()` függvénye van. Éles környezetben a migrációk a CI-ban futnak le a telepítés előtt — az adatbázis így mindig együtt mozog a kóddal. A kapcsolatkészletet az asyncpg kezeli, szolgáltatásonként állítható mérettel.

Sorszintű zárolás `SELECT ... FOR UPDATE` utasítással a kritikus párhuzamos műveletekhez
Teljes szövegű keresés pg_trgm-mel és tsvectorral — egyszerűbb esetekben Elasticsearch nélkül
JSONB a félig strukturált adatokhoz, GIN-indexszel
Particionált táblák a többmilliós sorszámhoz (naplók, események)

Redis-gyorsítótár és vízszintes skálázás

A Redis 7 alkalmazásszintű gyorsítótárként (végpontonkénti TTL-lel), munkamenet-tárolóként (JWT frissítő tokenek szelektív visszavonással), a valós idejű események pub/sub csatornájaként és a háttérfeladatok sorául szolgál (Celery vagy ARQ). A gyorsítótárazás cache-aside elven, kifejezett érvénytelenítéssel működik — nem vak TTL-lel, amely elavult adatot szolgálna ki.

JWT-hitelesítés hozzáférési tokennel (15 perc) és Redisben tárolt frissítő tokennel (7 nap)
Celery Redis brókerrel az aszinkron feladatokhoz (PDF-előállítás, e-mail, importálás)
`/health` állapotvégpont az adatbázis, a Redis és a telepített verzió állapotával
Strukturált JSON-naplózás (structlog) — a Lokival, a Datadoggal és az ELK-val is működik

Előnyök és korlátok

Előnyök

I/O-terhelésnél Node.js és Go szintjén mozgó ASGI-teljesítmény.
A type hint-ekből automatikusan előálló OpenAPI-dokumentáció.
Gyors Pydantic v2 validáció, világos 422-es hibákkal.
Olvasható kód; a Python a legtöbb csapatnak ismerős.

Korlátok

CPU-igényes feladatoknál a Python továbbra is lassabb a Gónál vagy a Rustnál.
Az async/await fegyelmet kíván — egyetlen blokkoló hívás megbénítja az egész eseményhurkot.
A batteries-included funkciók terén fiatalabb az ökoszisztéma, mint a Django esetében.
Sem ORM, sem admin felület nincs benne — mindkettőt külön kell választani.

Rövid értékelés

A FastAPI aszinkron REST API-khoz, mikroszolgáltatásokhoz, valamint SPA- és mobilalkalmazások backendjéhez való. Kifejezetten CPU-igényes alkalmazásokhoz a Go, kész admin felülettel bíró monolitokhoz pedig a Django illik jobban.

Specifikációs táblázat

Képesség	Korlát / küszöb	Jellemző felhasználás
Párhuzamosság	async/await, nem blokkoló I/O	A CPU-igényes munkához külön worker kell	Sok adatbázis- és HTTP-hívást indító API-k
Késleltetés	Végpontonként Redis-gyorsítótárral	Nagy payloadok szerializálásával nő	SaaS-, mobil- és valós idejű backendek
Validáció és dokumentáció	Pydantic v2 és automatikus OpenAPI 3.1	Az összetett sémák lassítják az indulást	Nyilvános API-k Swaggerrel vagy ReDoc-kal
Jellemző költség	Nyílt forráskódú, 1 vCPU-n is elfut	A vízszintes skálázáshoz több folyamat kell	Az MVP-től az éles üzemig

A FastAPI és az alternatívái

Szempont	FastAPI	Django / Express
Aszinkron teljesítmény	Kiváló (natív ASGI)	Django részben, Express jól
Automatikus OpenAPI-dokumentáció	Igen, a type hint-ekből	További csomagokat igényel
Beépített admin / ORM	Nincs (külön kell választani)	Django: van; Express: nincs

Gyakori kérdések

Gyorsabb a FastAPI a Djangónál?

I/O esetén igen. A FastAPI aszinkron módon, ASGI-n fut, ezért adatbázis- vagy HTTP-hívásokat végző kérésekből sokkal többet szolgál ki párhuzamosan, mint a klasszikus, szinkron Django. Cserébe a Django több funkciót hoz magával alapból.

Mire nem alkalmas a FastAPI?

Erősen CPU-igényes feladatokra (képfeldolgozás, nehéz számítások) a Python lassabb a Gónál vagy a Rustnál; az ilyen munkát külön workerekre érdemes átvinni. Ráadásul a FastAPI nem hoz kész admin felületet, ahogy a Django igen.

Szüksége van a FastAPI-nak ORM-re?

Nem feltétlenül. Mi SQLAlchemy 2.0 asyncot használunk Alembic-migrációkkal, de tiszta SQL-lel is lehet dolgozni. ORM nincs benne, így a projekthez illőt lehet választani.

Hogyan skálázható egy FastAPI-backend?

Vízszintesen: több Uvicorn-folyamat fut Gunicorn alatt, terheléselosztó mögött, Redis-gyorsítótárral, a nehéz feladatokat pedig a Celery veszi át. Az állapotmentes felépítés miatt szükség esetén egyszerűen bővíthető újabb példányokkal.