Python

API 응답 속도 개선을 위해 FastAPI의 BackgroundTasks를 활용해 이메일 발송을 비동기로 처리했다. 기존 동기 처리 방식 대비 응답 시간을 3초에서 200ms로 단축할 수 있었다.

기존 Flask API를 FastAPI로 마이그레이션하면서 Pydantic 모델을 활용한 요청 검증 방식을 도입했다. 수동 검증 로직을 제거하고 타입 안정성을 확보할 수 있었다.

API 서버를 FastAPI로 마이그레이션하면서 Pydantic 검증 에러를 프론트엔드에 맞는 형식으로 변환해야 했다. RequestValidationError를 커스텀 핸들러로 처리해 일관된 에러 응답을 구현했다.

FastAPI 프로젝트에서 psycopg2를 사용하다가 성능 이슈로 asyncpg로 전환했다. 동기 방식의 DB 호출이 ASGI 서버의 이벤트 루프를 블로킹하면서 발생한 문제와 해결 과정을 기록한다.

FastAPI에서 Pydantic 검증 실패 시 기본 에러 메시지가 프론트엔드에서 사용하기 불편했다. 커스텀 exception handler를 구현해 일관된 에러 응답 포맷을 적용했다.

FastAPI로 API를 개발하던 중 클라이언트에게 친화적인 에러 메시지를 전달해야 하는 요구사항이 생겼다. Pydantic의 기본 검증 에러 응답을 커스터마이징하는 방법을 정리했다.

API 요청/응답에 같은 Pydantic 모델을 재사용하다가 겪은 문제와 해결 과정을 정리했다. optional 필드 처리와 모델 상속 구조를 개선했다.

FastAPI 프로젝트에서 SQLAlchemy 1.4의 2.0 스타일 쿼리로 전환하면서 겪은 문제들을 정리했다. 기존 레거시 쿼리 방식에서 async/await 기반의 새로운 패턴으로 변경하는 과정을 기록한다.

API 크롤링 작업을 최적화하면서 asyncio.gather()와 as_completed()의 차이를 명확히 이해하게 되었다. 상황에 따라 어떤 방식을 선택해야 하는지 정리했다.

API 요청 검증 로직이 복잡해지면서 Pydantic의 기본 validator만으로는 부족한 경우가 생겼다. 비즈니스 로직에 맞는 커스텀 validation을 구현하면서 알게 된 몇 가지 패턴을 정리했다.