Асинхронне програмування в Python: asyncio, FastAPI та SQLAlchemy

Аналітичний огляд курсу

Опис згенерований на основі програми курсу та відкритих даних.

Матеріали охоплюють асинхронне програмування на Python: модуль asyncio, Event Loop, неблокуюче I/O, побудову вебсервісів із FastAPI та взаємодію з БД через SQLAlchemy (async драйвери). Розглядаються синхронні та асинхронні підходи, примітиви синхронізації та питання race conditions, а також взаємодія з multiprocessing для інтенсивних задач.

Лектор: Сергій Руських — Python та асинхронні вебсервіси

Lead Python Software Engineer у SoftServe. 13+ років у розробці, 10+ років із Python для вебсервісів та обробки даних. Досвід: E-commerce, автоматизація складів, системи кол-центрів, медіареклама. Співорганізатор LvivPy та Ukraine Python Community; доповідач PyConUA, LvivPy.

Кому підходить асинхронне програмування (Python, asyncio), а кому ні

Підійде

• Розробникам Python, що працюють із I/O-важкими задачами: HTTP, черги, БД, кеші.
• Тим, хто створює вебсервіси на FastAPI й прагне ефективної конкурентності.
• Фахівцям з інтеграцій та витягування даних (ETL), яким потрібна неблокуюча обробка.

Не підійде

• Якщо задачі суто CPU-bound і розв’язуються краще через multiprocessing чи C-розширення.
• Якщо потрібні лише базові скрипти без мережевих викликів або взаємодії з БД.

Проблема → результат (асинхронне програмування, FastAPI, SQLAlchemy)

• Проблема: Блокування запитів у синхронних драйверах БД. Результат: Використання async SQLAlchemy/драйверів з неблокуючим I/O.
• Проблема: Низька пропускна здатність HTTP-сервісу. Результат: FastAPI + asyncio, корутини, пули з’єднань, таймаути, ретраї.
• Проблема: Race conditions і некоректна синхронізація. Результат: Примітиви asyncio (Lock, Semaphore, Queue), контроль доступу та ідемпотентність.
• Проблема: Змішування CPU-bound та I/O-bound. Результат: Розділення навантажень: asyncio для I/O, multiprocessing/executor для CPU.

Порівняння з альтернативами: синхронний підхід, багатопотоковість, multiprocessing vs asyncio

• Синхронний стек (Flask + sync драйвери): простіше стартувати, але блокує на I/O, знижує масштабованість.
• Потоки (threading): зручні для змішаних задач, але накладні витрати, конкуренція за GIL, складна синхронізація.
• Multiprocessing: ефективний для CPU-bound, але важчий IPC, серіалізація даних, вища вартість контекстів.
• Asyncio + FastAPI + async SQLAlchemy: неблокуючі операції, висока конкурентність для I/O-bound; вимагає дисципліни у виборі бібліотек та дизайні.

Результати опрацювання (asyncio, Event Loop, вебсервіси, БД)

• Розуміння Event Loop, тасків, корутин, таймаутів, відміни та обробки винятків.
• Застосування примітивів синхронізації, уникнення race conditions, патерни ідемпотентності.
• Проєктування REST API на FastAPI з middleware, валідацією, логуванням і тестами.
• Інтеграція з БД через async SQLAlchemy: сесії, транзакції, пули, індекси, профілювання запитів.
• Поєднання asyncio з multiprocessing/executors для різних класів навантажень.
• Практичний кейс: набір сервісів для завантаження та зберігання даних CVE і повернення через API.