Backend

레거시 동기 방식의 데이터 수집 배치를 asyncio 기반으로 전환하면서 겪은 시행착오와 성능 개선 결과를 정리했다. 외부 API 호출이 많은 작업에서 약 8배의 성능 향상을 확인했다.

Go 1.18부터 지원된 제네릭을 실무에 적용하며 겪은 시행착오를 정리했다. 반복 코드를 줄이는 과정에서 타입 제약과 성능 트레이드오프를 고려해야 했다.

Python 3.11에서 도입된 TaskGroup을 프로덕션에 적용하면서 기존 asyncio.gather와의 차이를 정리했다. 에러 핸들링과 취소 동작이 핵심 차이였다.

레거시 FastAPI 프로젝트를 Pydantic V2로 마이그레이션하면서 겪은 Breaking Changes와 성능 개선 결과를 정리했다. 특히 대량의 JSON 직렬화가 필요한 API에서 약 2배 가까운 성능 향상을 확인했다.

Python 3.14로 업그레이드하면서 asyncio 기반 API 서버의 성능이 눈에 띄게 개선됐다. 특히 동시 연결 처리와 메모리 사용량에서 차이가 컸다.

Python 3.14에서 개선된 구조적 패턴 매칭을 API 응답 파싱에 적용했다. 기존 if-elif 체인 대비 가독성과 유지보수성이 크게 향상되었다.

FastAPI 프로젝트에서 psycopg2를 asyncpg로 전환하면서 겪은 과정을 정리했다. 동시 요청 처리 성능이 3배 가까이 개선되었고, 코드 구조도 더 명확해졌다.

실시간 데이터 처리 서비스에서 고루틴 누수 문제를 겪었다. 컨텍스트와 채널을 활용해 안전하게 종료되는 워커 풀 패턴을 적용한 과정을 정리했다.

대용량 이미지 처리 API에서 발생한 타임아웃 문제를 워커 스레드를 활용해 해결했다. 메인 스레드 블로킹 없이 여러 작업을 병렬로 처리하면서 응답 시간을 70% 단축할 수 있었다.

이미지 리사이징 API에서 발생한 블로킹 이슈를 Worker Threads로 해결했다. 멀티코어 활용으로 처리량이 3배 개선되었고, 메인 스레드 안정성도 확보할 수 있었다.