Flask 기반 HTTP API 서버와 FastAPI

1. Flask 기반 HTTP API 서버와 FastAPI 기본 구조 비교

항목	Flask	FastAPI
기반	WSGI(Web Server Gateway Interface)	ASGI(Asynchronous Server Gateway Interface)
성능	동기 처리 중심, 비동기 지원 제한	비동기 처리 지원(async/await), 고성능
문서화	자동 문서화 없음 → Swagger 등 직접 설정 필요	Swagger UI, ReDoc 자동 생성
데이터 검증	수동 처리 (request 데이터 직접 검증)	Pydantic 기반 자동 검증
학습 곡선	간단, 직관적	Python 타입 힌트 이해 필요
생태계	오래된 프레임워크, 라이브러리 풍부	최신 프레임워크, 빠르게 성장 중
배포	Gunicorn, uWSGI 등 WSGI 서버	Uvicorn, Hypercorn 등 ASGI 서버

2. 코드 비교 예시

Flask 버전

from flask import Flask, request, jsonify

app = Flask(__name__)

@app.route("/predict", methods=["POST"])
def predict():
    data = request.get_json()
    result = model.predict(data["features"])
    return jsonify({"prediction": result})

if __name__ == "__main__":
    app.run(host="0.0.0.0", port=5000)

• 장점: 직관적, 빠르게 시작 가능

• 단점: 데이터 검증, 문서화, 비동기 처리 직접 구현 필요

FastAPI 버전

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class PredictRequest(BaseModel):
    features: list[float]

class PredictResponse(BaseModel):
    prediction: float

@app.post("/predict", response_model=PredictResponse)
async def predict(req: PredictRequest):
    result = model.predict(req.features)
    return {"prediction": result}

• 장점

  • PredictRequest로 데이터 자동 검증

  • /docs 접속 시 Swagger UI 자동 생성

  • 비동기 처리(async def)로 성능 향상 가능

• 단점

  • 타입 힌트와 Pydantic 모델 작성 필요 → 초기 진입 장벽

3. 실무 관점 장단점

Flask

장점

• 오래된 프레임워크 → 레퍼런스와 예제 풍부

• 간단한 API 서버에 적합

• 기존 레거시 시스템과 호환성 높음

단점

• 비동기 처리 어려움 → 대규모 트래픽에 한계

• 자동 문서화 없음 → API 명세 관리 부담

• 데이터 검증 로직을 직접 작성해야 함

FastAPI

장점

• 비동기 지원 → 외부 API 호출, DB I/O 성능 향상

• 자동 문서화 → 협업 효율 ↑

• 타입 기반 데이터 검증 → 안정성 ↑

• 최신 Python 문법 적극 활용

단점

• 상대적으로 생태계가 신생 → 일부 라이브러리 호환성 이슈 가능

• 타입 힌트와 Pydantic 모델 작성이 번거로울 수 있음

4. 선택 가이드

• 소규모, 간단한 API → Flask
  (빠른 개발, 학습 곡선 낮음)

• 대규모, 비동기 처리 필요, 협업 문서화 중요 → FastAPI
  (성능, 유지보수, 자동 문서화)

실무 팁

현재 Flask로 작성된 머신러닝 API를 FastAPI로 변환하면

1. 성능 향상: 비동기 처리로 응답 속도 개선

2. 문서 자동화: /docs로 API 스펙 공유

3. 데이터 안정성: 잘못된 요청 데이터 자동 차단