fos-blog/study
01 / 홈02 / 카테고리03 / 시리즈
01 / 홈02 / 카테고리03 / 시리즈

카테고리

  • AI 페이지로 이동
    • RAG 페이지로 이동
    • langgraph 페이지로 이동
    • agents.md
    • BMAD Method — AI 에이전트로 애자일 개발하는 방법론
    • Claude Code의 Skill 시스템 - 개발자를 위한 AI 자동화의 새로운 차원
    • Claude Code를 5주 더 쓴 결과 — 스킬·CLAUDE.md를 키워가는 방식
    • Claude Code를 11일 동안 쓴 결과 — 데이터로 본 나의 사용 패턴
    • Claude Code 멀티 에이전트 — Teams
    • AI 에이전트와 디자인의 새 컨벤션 — DESIGN.md, Google Stitch, Claude Design
    • Docling — IBM Research 의 문서 파싱 toolkit 상세 정리
    • 하네스 엔지니어링 실전 — 4인 에이전트 팀으로 코딩 파이프라인 구축하기
    • 하네스 엔지니어링 — 오래 실행되는 AI 에이전트를 위한 설계
    • 멀티모달 LLM (Multimodal Large Language Model)
    • AI 에이전트와 함께 MVP 만들기 — dooray-cli 사례
  • ai 페이지로 이동
    • agent 페이지로 이동
  • algorithm 페이지로 이동
    • live-coding 페이지로 이동
    • 분산 계산을 위한 알고리즘
  • apartment 페이지로 이동
    • 구리 럭키아파트 24평 인테리어 레퍼런스 모음
  • architecture 페이지로 이동
    • [초안] 시니어 백엔드를 위한 API 설계 실전 스터디 팩 — REST · 멱등성 · 페이지네이션 · 버전 전략
    • [초안] API Versioning과 Backward Compatibility: 시니어 백엔드 관점 정리
    • 캐시 설계 전략 총정리
    • [초안] CJ푸드빌 디지털 채널 면접: 슬롯 도메인 경험을 커머스 도메인 설계 능력으로 번역하기
    • [초안] 커머스 Spring 서비스에 Clean/Hexagonal Architecture를 실용적으로 적용하기
    • [초안] 커머스 도메인 모델링: 주문·재고·노출의 세 축을 분리해서 설계하기
    • 커머스 주문 상태와 데이터 정합성 기본기 — CJ푸드빌 면접 대비
    • [초안] 쿠폰/프로모션 동시성과 정합성 기본기 — 선착순·중복 사용 방지·발급/사용/복구
    • [초안] DDD와 도메인 모델링: 시니어 백엔드 관점의 전술/전략 패턴 실전 가이드
    • [초안] Decorator & Chain of Responsibility — 행동을 체인으로 조립하는 두 가지 방식
    • 디자인 패턴
    • [초안] 분산 아키텍처 완전 정복: Java 백엔드 시니어 인터뷰 대비 실전 가이드
    • [초안] 분산 트랜잭션과 Outbox 패턴 — 왜 2PC를 피하고 어떻게 대신할 것인가
    • 분산 트랜잭션
    • [초안] e-Commerce 주문·결제 도메인 모델링: 상태머신, 멱등성, Outbox/Saga 실전 정리
    • [초안] F&B 쿠폰·프로모션·멤버십·포인트 설계
    • [초안] F&B · e-Commerce 디지털 채널 도메인 한 장 정리 — CJ푸드빌 디지털 채널 백엔드 면접 대비
    • [초안] F&B 주문/매장/픽업 상태머신 설계 — CJ푸드빌 디지털 채널 백엔드 관점
    • [초안] F&B 이커머스 결제·환불·정산 운영 가이드
    • [초안] Hexagonal / Clean Architecture를 Spring 백엔드에 적용하기
    • [초안] 대규모 커머스 트래픽 처리 패턴 — 1,600만 고객과 올영세일을 버티는 설계
    • [초안] 레거시 JSP/jQuery 화면과 신규 API가 공존하는 백엔드 운영 전략
    • [초안] MSA 서비스 간 통신: Redis [Cache-Aside](../database/redis/cache-aside.md) × Kafka 이벤트 하이브리드 설계
    • [초안] Observability 입문: 시니어 백엔드가 장애를 탐지하고 대응하는 방식
    • [초안] Outbox / Inbox Pattern 심화 — 분산 메시징의 정합성 문제를 DB 트랜잭션으로 풀어내기
    • [초안] 결제 도메인 멱등성과 트랜잭션 재시도 기본기
    • [초안] 시니어 백엔드를 위한 Resilience 패턴 실전 가이드 — Timeout, Retry, Circuit Breaker, Bulkhead, Backpressure
    • [초안] REST API 버저닝과 모바일 앱 하위 호환성 — CJ푸드빌 디지털 채널 백엔드 관점
    • [초안] Spring Batch vs Event-Driven — 같은 비동기처럼 보이지만 전혀 다른 두 패러다임
    • [초안] Strategy Pattern — 분기문을 없애는 설계, 시니어 백엔드 인터뷰 핵심 패턴
    • [초안] 시니어 백엔드를 위한 시스템 설계 입문 스터디 팩
    • [초안] 템플릿 메서드 패턴 - 백엔드 처리 골격을 강제하는 가장 오래되고 가장 위험한 패턴
    • [초안] 대규모 트래픽 중 무중단 마이그레이션 — Feature Flag + Shadow Mode 실전
  • database 페이지로 이동
    • mysql 페이지로 이동
    • opensearch 페이지로 이동
    • redis 페이지로 이동
    • 김영한의-실전-데이터베이스-설계 페이지로 이동
    • [초안] DB Connection Pool Saturation과 Thread Pool 격리
    • 커넥션 풀 크기는 얼마나 조정해야 할까?
    • 인덱스 - DB 성능 최적화의 핵심
    • [초안] JPA N+1과 커머스 조회 모델: 주문/메뉴/쿠폰 도메인에서 살아남기
    • [초안] MyBatis 기본기 — XML Mapper, resultMap, 동적 SQL, 운영 패턴 정리
    • [초안] MyBatis와 JPA/Hibernate 트레이드오프 — 레거시 백엔드를 다루는 시니어 관점
    • 역정규화 (Denormalization)
    • 데이터 베이스 정규화
  • devops 페이지로 이동
    • docker 페이지로 이동
    • k8s 페이지로 이동
    • k8s-in-action 페이지로 이동
    • observability 페이지로 이동
    • [초안] 커머스/F&B 채널 장애 첫 5분과 관측성 기본기
    • Envoy Proxy
    • [초안] F&B / e-Commerce 운영 장애 대응과 모니터링 — 백엔드 관점 정리
    • Graceful Shutdown
    • [초안] 시니어 백엔드를 위한 SLO와 Error Budget 기반 장애 대응
  • finance 페이지로 이동
    • industry-cycle 페이지로 이동
    • investing 페이지로 이동
  • http 페이지로 이동
    • HTTP Connection Pool
  • interview 페이지로 이동
    • [초안] AI 서비스 팀 경험 기반 시니어 백엔드 면접 질문 뱅크 — Spring Batch RAG / gRPC graceful shutdown / 전략 패턴 / 12일 AI 웹툰 MVP
    • [초안] 커머스/F&B 면접 답변집 — 슬롯 도메인 경험을 주문·결제·쿠폰·매장 설계로 매핑하기
    • [초안] F&B / e-Commerce 운영 모니터링과 장애 대응 인터뷰 정리
    • Observability — 면접 답변 프레임
    • [초안] 시니어 Java 백엔드 면접 마스터 플레이북 — 김병태
    • [초안] NSC 슬롯팀 경험 기반 질문 은행 — 도메인 모델링·동시성·성능·AI 협업
  • java 페이지로 이동
    • concurrency 페이지로 이동
    • jdbc 페이지로 이동
    • opentelemetry 페이지로 이동
    • spring 페이지로 이동
    • spring-batch 페이지로 이동
    • 더_자바_코드를_조작하는_다양한_방법 페이지로 이동
    • [초안] Java 동시성 락 정리 — 커머스 메뉴/프로모션 정책 캐시 갱신 관점
    • [초안] JVM 튜닝 실전: 메모리 구조부터 Virtual Threads, GC 튜닝, 프로파일링까지
    • Java의 로깅 환경
    • MDC (Mapped Diagnostic Context)
    • Java StampedLock — 읽기 폭주에도 쓰기가 밀리지 않는 락
    • Virtual Thread와 Project Loom
  • javascript 페이지로 이동
    • typescript 페이지로 이동
    • AbortController
    • Async Iterator와 제너레이터
    • CommonJS와 ECMAScript Modules
    • 제너레이터(Generator)
    • Http Client
    • Node 백엔드 운영 패턴 — Streams 백프레셔, pipe/pipeline, 멱등성 vs 분산 락
    • Node.js
    • npm vs pnpm — 어떤 기준으로 선택했나
    • `setImmediate()`
  • kafka 페이지로 이동
    • [초안] Kafka 기본 개념 — 토픽, 파티션, 오프셋, 복제
    • Kafka를 사용하여 **데이터 정합성**은 어떻게 유지해야 할까?
    • [초안] Kafka 실전 설계: 파티션 전략, 컨슈머 그룹, 전달 보장, 재시도, 순서 보장 트레이드오프
    • 메시지 전송 신뢰성
  • linux 페이지로 이동
    • fsync — 리눅스 파일 동기화 시스템 콜
    • tmux — Terminal Multiplexer
  • network 페이지로 이동
    • L2(스위치)와 L3(라우터)의 역할 차이
    • L4와 VIP(Virtual IP Address)
    • IP Subnet
  • python 페이지로 이동
    • Python async/await — CompletableFuture·Reactor 와 다른 점, 그리고 blocking I/O 함정
    • Python 의존성 관리 — Java Maven/Gradle 사용자가 만나는 첫 충격
    • FastAPI 기초 — Spring Boot 사용자가 빠르게 익히는 법
    • GPU·CUDA·MPS 기초 — 자바 백엔드 개발자가 처음 만나는 그림
    • Multi-process GPU 워크로드 — 자바 ThreadPool 사용자가 만나는 모델 차이
    • Java 개발자를 위한 Python 심화 — OOP·데코레이터·컨텍스트 매니저
    • PyTorch 기초 — 텐서, 디바이스, 그리고 모델 로딩이 무거운 이유
    • Java 개발자를 위한 Python 문법 핵심
    • ML 서비스 성능 분석 워크플로 — 자바 백엔드 트러블슈팅과 다른 점
    • OCR 동작 원리 — Layout · Text · Post-process 3단계
    • Python 서버의 RSS 가 안 줄어드는 이유 — gc.collect 의 한계와 malloc_trim
  • rabbitmq 페이지로 이동
    • [초안] RabbitMQ Basics — 실전 백엔드 관점에서 정리하는 메시지 브로커 기본기
    • [초안] RabbitMQ vs Kafka — 백엔드 메시징 선택 기준과 실전 운영 관점
  • security 페이지로 이동
    • [초안] 시니어 백엔드를 위한 보안 / 인증 스터디 팩 — Spring Security, JWT, OAuth2, OWASP Top 10
    • [초안] Spring Security 6.x OAuth2 + JWT 상용 인증 설계 — Grant 선택, Resource Server, Refresh Rotation, 로그아웃
  • task 페이지로 이동
    • ai-service-team 페이지로 이동
    • nsc-slot 페이지로 이동
    • sb-dev-team 페이지로 이동
    • the-future-company 페이지로 이동
  • testing 페이지로 이동
    • [초안] 시니어 Java 백엔드를 위한 테스트 전략 완전 정리 — 피라미드부터 TestContainers, 마이크로벤치, Contract까지
  • travel 페이지로 이동
    • 오사카 3박 4일 일정표: 우메다 쇼핑, USJ, 난바·도톤보리, 오사카성
  • web 페이지로 이동
    • [초안] HTTP / Cookie / Session / Token 인증 기본기 — 레거시 JSP와 모바일 API가 공존하는 백엔드 관점
FOS-BLOG · FOOTERall systems normal·v0.1 · 2026.04.27·seoul, kr
Ffos-blog/study

개발 학습 기록을 정리하는 블로그입니다. 공부하면서 기록하고, 기록하면서 다시 배웁니다.

visitors
01site
  • Home↗
  • Posts↗
  • Categories↗
  • About↗
02policy
  • 소개/about
  • 개인정보처리방침/privacy
  • 연락처/contact
03categories
  • AI↗
  • Algorithm↗
  • DB↗
  • DevOps↗
  • Java/Spring↗
  • JS/TS↗
  • React↗
  • Next.js↗
  • System↗
04connect
  • GitHub@jon890↗
  • Source repositoryjon890/fos-study↗
  • RSS feed/rss.xml↗
  • Newsletter매주 1 회 · 한 편의 글→
© 2026 FOS Study. All posts MIT-licensed.
built with·Next.js·Tailwind v4·Geist·Pretendard·oklch
fos-blog/python/FastAPI 기초 — Spring Boot…
system

FastAPI 기초 — Spring Boot 사용자가 빠르게 익히는 법

Python ML 서비스를 분석하면서 가장 빨리 익숙해진 것이 FastAPI 였다. Spring Boot 를 써 본 사람이라면 손에 익기까지 한두 시간이면 충분하다. "어노테이션으로 라우팅 매핑하고, 클래스로 DTO 정의하고, 의존성 주입 받는다" 라는 큰 틀이 거의 그대로 옮겨온다. 다만 세부에서 사고방식이 다르다. Pydantic 이 자바 Bean Va...

2026.05.19·6 min read·17 views

Python ML 서비스를 분석하면서 가장 빨리 익숙해진 것이 FastAPI 였다. Spring Boot 를 써 본 사람이라면 손에 익기까지 한두 시간이면 충분하다. "어노테이션으로 라우팅 매핑하고, 클래스로 DTO 정의하고, 의존성 주입 받는다" 라는 큰 틀이 거의 그대로 옮겨온다.

다만 세부에서 사고방식이 다르다. Pydantic 이 자바 Bean Validation 자리에 들어가는데 강제 수준이 훨씬 세고, 의존성 주입은 Spring 컨테이너가 아니라 함수 시그니처에서 일어난다. 자동으로 생성되는 OpenAPI 문서는 SpringDoc 보다 손이 덜 간다.

이 글은 FastAPI 의 핵심 개념을 Spring Boot 와 1:1 로 비교하며 정리한다. 데코레이터 동작 원리 와 Python 문법 핵심 을 전제로 한다.

한 줄로 본 위치

FastAPI 는 Python 의 비동기 ASGI 웹 프레임워크다. Starlette (HTTP 처리) + Pydantic (데이터 검증) + 자동 OpenAPI 문서가 합쳐졌다.

Spring 진영과 짝지어 보면 이렇다.

Spring BootFastAPI
Spring Boot (Tomcat/Undertow)FastAPI + Uvicorn
@RestController, @GetMapping@app.get("/...")
Jackson + Bean ValidationPydantic
@RequestBody, @PathVariable, @RequestParam함수 인자 자체 (타입 힌트로 구분)
Spring DI (@Autowired, @Bean)Depends(...)
@RestControllerAdvice (예외 처리)@app.exception_handler(...)
SpringDoc / Springfox내장 — /docs, /redoc 자동
application.yml보통 .env + pydantic-settings
Spring SecurityFastAPI Security utils (OAuth2, API key)

큰 차이는 두 가지: 클래스가 아니라 함수가 핸들러의 단위라는 점, 그리고 타입 힌트가 단순 메타데이터가 아니라 실제 검증 기준이 된다는 점.

Hello World — 라우팅·핸들러

자바 Spring 의 컨트롤러:

java
@RestController
public class HelloController {
    @GetMapping("/hello/{name}")
    public Greeting hello(@PathVariable String name,
                          @RequestParam(defaultValue = "1") int times) {
        return new Greeting(name, times);
    }
}

같은 엔드포인트의 FastAPI:

python
from fastapi import FastAPI
from pydantic import BaseModel
 
app = FastAPI()
 
class Greeting(BaseModel):
    name: str
    times: int
 
@app.get("/hello/{name}")
def hello(name: str, times: int = 1) -> Greeting:
    return Greeting(name=name, times=times)

@app.get("/hello/{name}") 가 @GetMapping 자리. 차이는 인자의 정체를 별도 어노테이션 없이 시그니처로 추론한다는 점이다. URL path 의 {name} 과 매칭되는 인자는 @PathVariable 없이 그냥 같은 이름으로 받고, path 와 매칭 안 되는 인자는 자동으로 query parameter (?times=3) 로 잡힌다.

자바라면 @PathVariable, @RequestParam 을 일일이 붙여야 했던 일이 사라진다. 이는 다음에 볼 Pydantic 과 합쳐져 큰 위력을 발휘한다.

Pydantic — Bean Validation 의 강화판

자바 Bean Validation 은 @NotNull, @Size(min=1, max=100) 같은 어노테이션을 필드에 박고, 컨트롤러에서 @Valid 로 활성화한다.

Pydantic 은 타입 힌트 자체가 검증 규칙이다.

python
from pydantic import BaseModel, Field, HttpUrl
 
class ParseRequest(BaseModel):
    url: HttpUrl                                  # URL 형식 자동 검증
    do_ocr: bool = True                            # 기본값
    timeout: int = Field(default=30, ge=1, le=300) # 1 이상 300 이하
    languages: list[str] = ["ko", "en"]
    metadata: dict[str, str] | None = None         # Optional

핸들러에서 받는 방법:

python
@app.post("/parse/url")
def parse_url(request: ParseRequest):
    ...

request 인자가 BaseModel 서브클래스라는 사실 하나로 FastAPI 가 알아서 다음을 처리한다.

  • HTTP body 를 JSON 으로 파싱
  • ParseRequest 에 캐스팅 + 검증
  • 검증 실패 시 자동으로 422 응답 + 어느 필드가 어떤 이유로 틀렸는지 JSON 메시지

자바 @RestControllerAdvice 에서 직접 짜야 했던 검증 실패 응답 포맷이 기본으로 제공된다.

우리가 분석한 코드의 URLRequest (app.py) 도 거의 같은 형태였다. URL 다운로드 핸들러가 request: URLRequest 한 줄만 받고, 나머지 옵션 (do_ocr, ja_doc, prior 등) 은 다 Pydantic 이 검증.

의존성 주입 — Spring DI 와 결이 다르다

Spring DI 는 컨테이너가 빈을 관리하고 어노테이션으로 주입한다. FastAPI 는 컨테이너가 없고, Depends(...) 함수가 의존성을 표현한다.

python
from fastapi import Depends, Header, HTTPException
 
def verify_admin_key(x_admin_key: str = Header(...)):
    if x_admin_key != os.getenv("ADMIN_API_KEY"):
        raise HTTPException(403, "Forbidden")
 
@app.post("/restart", dependencies=[Depends(verify_admin_key)])
def restart_servers():
    ...

Depends(verify_admin_key) 는 핸들러 실행 전에 verify_admin_key 를 호출하고, 거기서 예외가 나면 핸들러는 실행되지 않는다. 일종의 Spring HandlerInterceptor 또는 메서드 시큐리티 어노테이션 역할.

리턴 값을 받아 핸들러 인자로 주입할 수도 있다.

python
def get_db():
    db = SessionLocal()
    try:
        yield db                # 컨텍스트 매니저처럼 동작
    finally:
        db.close()
 
@app.get("/items")
def list_items(db: Session = Depends(get_db)):
    return db.query(Item).all()

yield 를 쓰는 의존성은 자바의 try-with-resources 자리. 핸들러 종료 후 자동으로 finally 가 호출된다. 우리가 Post 2 에서 본 컨텍스트 매니저 의 응용.

Spring 의 @Autowired 는 클래스 필드/생성자에 박지만, FastAPI 는 핸들러 시그니처에 박는다. 클래스 단위가 아니라 요청 단위로 의존성이 새로 만들어지는 게 기본 (Depends(use_cache=True) 로 요청 안에서 캐시 가능).

동기·비동기 핸들러

핸들러를 def 로 정의하면 동기, async def 로 정의하면 비동기다.

python
@app.get("/sync")
def sync_handler():
    time.sleep(1)               # 다른 요청 block
    return {"ok": True}
 
@app.get("/async")
async def async_handler():
    await asyncio.sleep(1)      # 다른 요청 처리 가능
    return {"ok": True}

FastAPI 는 def 핸들러를 스레드 풀에서 실행해 이벤트 루프 block 을 피하지만, async def 안에서 requests.get(...) 같은 동기 호출을 하면 그대로 루프가 멈춘다. 우리 프로젝트의 /parse/url 가 async def 인데 내부에서 동기 requests.get 을 호출해 동시성을 깎는 문제가 분석에서 잡혔다. 이 함정은 별도 글에서 자세히 본다.

응답 모델 — 직렬화 + 문서화

리턴 타입 힌트에 BaseModel 을 적으면 자동으로 직렬화 + OpenAPI 스키마에 반영된다.

python
class ParseResponse(BaseModel):
    content: str
    page_count: int
    status: str
 
@app.post("/parse/url", response_model=ParseResponse)
def parse_url(request: ParseRequest) -> ParseResponse:
    ...

response_model=ParseResponse 옵션은 응답을 한 번 더 필터링한다. 의도하지 않은 필드가 노출되는 것을 막는다. 자바 Jackson 의 @JsonView 자리.

미들웨어와 lifespan

전역 처리 (CORS, gzip, 인증 일괄 등) 는 미들웨어로 처리한다. Spring 의 Filter 또는 HandlerInterceptor 자리.

python
from fastapi.middleware.cors import CORSMiddleware
 
app.add_middleware(CORSMiddleware, allow_origins=["*"])

부팅·종료 훅은 lifespan 컨텍스트 매니저. Spring 의 ApplicationListener 또는 @PostConstruct / @PreDestroy 자리.

python
from contextlib import asynccontextmanager
 
@asynccontextmanager
async def lifespan(app: FastAPI):
    # startup
    await warmup_models()
    yield
    # shutdown
    await shutdown_workers()
 
app = FastAPI(lifespan=lifespan)

우리 프로젝트의 워커 풀 초기화·해체가 같은 패턴으로 들어가 있다. PaddleOCR·Docling converter 워밍업이 startup 단계에서 일어나고, shutdown 단계에서 워커 풀이 정리된다.

OpenAPI 자동 문서 — SpringDoc 없이도

FastAPI 는 서버를 띄우자마자 두 개의 문서 페이지를 자동 제공한다.

  • http://localhost:8000/docs — Swagger UI
  • http://localhost:8000/redoc — ReDoc

Pydantic 모델, 타입 힌트, docstring 이 모두 스키마로 반영된다. Spring 진영에서 SpringDoc 또는 Springfox 를 설정·튜닝해야 했던 일이 거의 없다.

python
@app.post("/parse/url",
          response_model=ParseResponse,
          summary="Parse document from URL",
          tags=["parse"])
def parse_url(request: ParseRequest):
    """
    URL 에서 문서를 다운로드해 markdown 으로 변환.
 
    - **url**: 다운로드 대상 URL
    - **do_ocr**: OCR 적용 여부
    """
    ...

docstring 의 마크다운이 그대로 /docs 에 렌더링된다. 자바에서 어노테이션으로 일일이 박았던 메타데이터가 docstring 한 곳에 모인다.

한계와 함정

FastAPI 가 만능은 아니다. Spring 진영에서 넘어올 때 부딪히는 부분들.

  • 컨테이너가 없다 — @Autowired 처럼 어디서든 빈을 꺼내 쓰는 패턴이 없다. 의존성은 핸들러 시그니처를 통해서만 들어온다. 비-요청 컨텍스트 (예: 백그라운드 작업) 에서 DB 세션을 꺼내고 싶다면 직접 객체를 만들어 넘겨야 한다.
  • 트랜잭션 자동 관리가 없다 — Spring 의 @Transactional 자리. SQLAlchemy 의 Session 을 Depends 로 받아 try/commit/rollback 을 핸들러나 서비스 함수에서 직접 짜야 한다.
  • AOP 가 없다 — Spring @Aspect 자리는 데코레이터 또는 미들웨어가 일부 대신하지만 1:1 대응은 아니다.
  • async 와 sync 가 섞이면 위험 — 핸들러를 async def 로 쓰면서 안에서 동기 I/O 를 호출하면 동시성이 무너진다. Spring 의 @Async 와는 다른 함정.

이 마지막 함정이 다음 글의 주제다. async/await 와 blocking I/O 함정, 그리고 자바 CompletableFuture / Reactor 와의 비교.

참고

  • FastAPI 공식 문서
  • Pydantic v2 docs
  • Starlette docs
  • FastAPI Dependencies
  • PEP 484 — Type Hints
on this page
  • 01한 줄로 본 위치
  • 02Hello World — 라우팅·핸들러
  • 03Pydantic — Bean Validation 의 강화판
  • 04의존성 주입 — Spring DI 와 결이 다르다
  • 05동기·비동기 핸들러
  • 06응답 모델 — 직렬화 + 문서화
  • 07미들웨어와 lifespan
  • 08OpenAPI 자동 문서 — SpringDoc 없이도
  • 09한계와 함정
  • 10참고

이런 글도

  • Python 서버의 RSS 가 안 줄어드는 이유 — gc.collect 의 한계와 malloc_trim
    Python 으로 long-running 서버 (FastAPI / Flask / Celery / uWSGI 등) 를 운영하다 보면 한 번쯤 마주치는 증상이 있다. - 워커 프로세스의 RSS 가 시간이 지날수록 단조 증가한다 - 큰 객체를 del 하고 gc.collect() 를 불러도 RSS 가 줄지 않는다 - 결국 max-requests / workerma...
    📁 system
    system
    2026.05.22
  • ML 서비스 성능 분석 워크플로 — 자바 백엔드 트러블슈팅과 다른 점
    이 시리즈의 마무리 글이다. 앞선 글들에서 다음 주제를 자바 백엔드 비교 관점으로 정리했다. - Python 문법 - 의존성 관리 - FastAPI - async/await - GPU·CUDA·MPS - PyTorch - multi-process worker pool - OCR 파이프라인 마지막은 이 모든 개념을 적용해 실제 ML 서비스의 성능을 분석하는...
    📁 system
    system
    2026.05.19
  • OCR 동작 원리 — Layout · Text · Post-process 3단계
    자바 백엔드만 다뤄오다가 OCR (Optical Character Recognition) 서비스를 분석할 일이 생겼다. "이미지에서 글자를 뽑는다" 라는 한 줄 요약은 알았지만, 실제 코드를 열어보면 모델이 둘이상이고, 여러 단계가 직렬·병렬로 엮여 있고, "왜 이 단계가 따로 있지" 같은 의문이 계속 생긴다. 이 글은 OCR 파이프라인의 표준 구조를 정리...
    📁 system
    system
    2026.05.19
  • Multi-process GPU 워크로드 — 자바 ThreadPool 사용자가 만나는 모델 차이
    자바 백엔드에서 ThreadPoolExecutor 는 거의 만능이었다. CPU bound 든 I/O bound 든 스레드 풀 크기만 잘 잡으면 동시성을 챙길 수 있었다. JVM 안에서 메모리를 공유하니 작업 간 데이터 전달도 가볍다. Python ML 서비스는 그림이 다르다. ThreadPoolExecutor 가 있지만 CPU/GPU 작업에서는 거의 안 쓰...
    📁 system
    system
    2026.05.19

댓글 (0)