Performance & Scalability (পারফরম্যান্স ও স্কেলেবিলিটি)

FastAPI-র নামকরণের মধ্যেই এর সবচেয়ে বড় গুণ লুকিয়ে আছে—গতি। কিন্তু শুধু ফ্রেমওয়ার্ক ব্যবহার করলেই অ্যাপ ফাস্ট হয় না, ফাস্ট রাখার জন্য কিছু অ্যাডভান্সড টেকনিক এবং সঠিক আর্কিটেকচার বুঝতে হয়।

---

১. Async/await এর আসল শক্তি বোঝা

FastAPI মূলত Asynchronous প্রোগ্রামিংয়ের ওপর ভিত্তি করে তৈরি। অধিকাংশ ওয়েব অ্যাপ্লিকেশন I/O Bound হয় (যেমন: ডাটাবেস কোয়েরি বা এপিআই কল করা)। এ ধরনের কাজে async ব্যবহার করলে সার্ভার একটি রিকোয়েস্টের জন্য ডাটাবেসের উত্তরের অপেক্ষায় বসে না থেকে অন্য রিকোয়েস্ট প্রসেস করতে পারে।

import asyncio

@app.get("/slow-api")
async def slow_api():
    # এখানে await ব্যবহার করার ফলে সার্ভার এই ৫ সেকেন্ড অন্য কাজ করতে পারবে
    await asyncio.sleep(5) 
    return {"message": "Finally done!"}

IMPORTANT

যদি আপনার কোনো ফাংশন ভারি ক্যালকুলেশন করে (CPU Bound), তবে সেটি async না করে সাধারণ def হিসেবে লিখুন। FastAPI তখন সেটিকে একটি আলাদা Thread-এ চালাবে যেন মেইন ইভেন্ট লুপ ব্লক না হয়।

---

২. Concurrent Requests হ্যান্ডেল করা

FastAPI অটোমেটিক্যালি অনেকগুলো রিকোয়েস্ট একসাথে হ্যান্ডেল করতে পারে। আপনি যখন async def ব্যবহার করেন, তখন এটি একটিমাত্র Thread-এ ইভেন্ট লুপের মাধ্যমে কনকারেন্সি চালায়।

কিন্তু যদি আপনি একই সাথে অনেকগুলো ডাটাবেস কোয়েরি বা এক্সটার্নাল এপিআই কল করতে চান, তবে asyncio.gather ব্যবহার করতে পারেন:

@app.get("/multi-task")
async def multi_task():
    # দুটি কাজ একসাথে শুরু হবে
    task1 = call_external_api_1()
    task2 = call_external_api_2()
    
    # দুটোর জন্যই একসাথে অপেক্ষা করা
    results = await asyncio.gather(task1, task2)
    return {"result1": results[0], "result2": results[1]}

---

৩. Caching Strategies (Redis Introduction)

ডেটাবেস থেকে একই ডেটা বারবার রিড না করে Caching করলে অ্যাপের পারফরম্যান্স কয়েক গুণ বেড়ে যায়। এ কাজের জন্য Redis সবচেয়ে জনপ্রিয়।

ইন্সটলেশন: pip install redis aioredis

import aioredis

@app.on_event("startup")
async def startup():
    app.state.redis = await aioredis.from_url("redis://localhost")

@app.get("/cached-data")
async def get_data(request: Request):
    redis = request.app.state.redis
    # ১. প্রথমে ক্যাশে চেক করা
    cached_val = await redis.get("my_key")
    if cached_val:
        return {"data": cached_val, "source": "cache"}
    
    # ২. ক্যাশে না থাকলে ডাটাবেস থেকে আনা
    data = "very expensive data from db"
    
    # ৩. ক্যাশে সেভ করে রাখা (যেমন: ৬০ সেকেন্ডের জন্য)
    await redis.set("my_key", data, ex=60)
    return {"data": data, "source": "database"}

---

৪. Response Serialization অপ্টিমাইজ করা

যখন আপনার এপিআই অনেক বড় JSON রিটার্ন করে, তখন পাইথনের ডিফল্ট JSON এনকোডার ধীর হয়ে যেতে পারে। FastAPI আমাদের orjson বা ujson ব্যবহার করার সুযোগ দেয় যা অনেক দ্রুত।

pip install orjson

from fastapi.responses import ORJSONResponse

@app.get("/large-data", response_class=ORJSONResponse)
async def get_large_data():
    return [{"id": i, "name": f"Item {i}"} for i in range(10000)]

---

৫. Practice Exercises (অনুশীলন)

১. একটি রাউট তৈরি করুন যা asyncio.gather ব্যবহার করে তিনটি আলাদা ফেক এপিআই কল করবে। ২. একটি সিম্পল Redis ক্যাশিং ডেকোরেটর বা ফাংশন তৈরি করুন। ৩. orjson ব্যবহার করে একটি রাউট থেকে ১০০০টি র্যান্ডম ডেটা রিটার্ন করে সাধারণ JSONResponse-এর সাথে স্পিড তুলনা করুন।

---

৬. Best Practices

1. Use async for I/O: ডাটাবেস কানেকশন, ফাইল রিড, বা নেটওয়ার্ক কলের জন্য সবসময় async লাইব্রেরি ব্যবহার করুন।
2. Don't block the loop: ভারি গাণিতিক কাজের জন্য মাল্টি-প্রসেসিং বা সাধারণ def ব্যবহার করুন।
3. Cache aggressiveley: যে ডেটা ঘনঘন পরিবর্তন হয় না, তা অবশ্যই ক্যাশে রাখুন।
4. Limit database connections: সেশন ঠিকভাবে ক্লোজ করুন এবং কানেকশন পুলিং ব্যবহার করুন।

---

পরবর্তী ধাপ

অ্যাডভান্সড পারফরম্যান্স টেকনিক শেখার মাধ্যমে আপনি এখন হাই-ট্রাফিক অ্যাপ হ্যান্ডেল করতে প্রস্তুত। আমাদের পরবর্তী চ্যাপ্টার হলো Expert Level: Production Deployment (Docker, Gunicorn, Nginx)।