---
title: "FastAPI backend performance cleanup"
url: "https://ramenm.com/zh/projects/fastapi-backend-performance"
markdown_url: "https://ramenm.com/zh/projects/fastapi-backend-performance/index.md"
locale: "zh"
content_language: "zh-Hans"
page_kind: "project"
source: "localized_path"
llms_url: "https://ramenm.com/llms.txt"
llms_full_url: "https://ramenm.com/llms-full.txt"
---

# FastAPI backend performance cleanup

- Case study URL: https://ramenm.com/zh/projects/fastapi-backend-performance
- Markdown URL: https://ramenm.com/zh/projects/fastapi-backend-performance/index.md
- Role: Python 后端开发者
- Period: 2024-2025
- Team: Solo / contract-style work

优化 FastAPI API path：async I/O、connection reuse、Redis cache、request validation、metrics 和移除 serial bottlenecks。

## Problem
Hot API path 在 serial waits 和 repeated dependency calls 上花了太多时间。第一步是测量，而不是猜。

## Solution
建立 benchmark profile，隔离 slow dependencies，并围绕 async I/O、connection pooling、caching 和更清晰的 validation 改造 request path。

## Impact
在 repeatable benchmark profile 中，throughput 从约 1,600 提升到约 8,200 RPS，p95 latency 约降低 70%。

## Stack
- Python, FastAPI, asyncio, Pydantic, Redis, PostgreSQL, SQLAlchemy, Docker / Docker Compose, REST APIs / Webhooks, Prometheus / monitoring / logging

## Metrics
- Throughput: ~1.6k -> ~8.2k RPS
- Latency: p95 about -70%
- Scope: Benchmark profile

## Highlights
- 修改 implementation 前先测量当前 path。
- 把 repeatable benchmark throughput 从约 1,600 提升到约 8,200 RPS。
- 在同一 benchmark profile 中将 p95 latency 约降低 70%。

## Lessons
- 写下 baseline 和 test shape 后，performance work 更可信。
- 最好的优化常常是移除 avoidable waits，而不是增加 clever code。