[Etc] FastAPI vs Flask: Python 백엔드 프레임워크 비교
in Miscellaneous / TIL on Til, Fastapi, Flask, Backend Last modified at:
2025-07-20 FastAPI vs Flask
🍀 새롭게 배운 것
- Python 백엔드 프레임워크인 FastAPI와 Flask를 비교해보았다.
- 두 프레임워크 모두 경량 웹 서버를 빠르게 개발할 수 있도록 도와주지만, 철학과 기능 면에서 차이가 존재한다.
- 주요 비교 항목: 비동기 처리, 타입 힌트 지원, 성능, 문서 자동화, 커뮤니티 및 생태계 등
| 항목 | FastAPI | Flask |
|---|---|---|
| 출시 연도 | 2018 | 2010 |
| 비동기 지원 | async/await 기반 비동기 처리 완전 지원 | 기본은 동기, 비동기 처리는 별도 패키지 필요 |
| 타입 힌트 | 필수적으로 사용하며, 자동 문서화 및 검증에 활용 | 선택적 사용, 검증은 외부 라이브러리 의존 |
| 문서 자동화 | Swagger UI 및 Redoc 자동 생성 | 기본 제공 없음 (Flasgger 등으로 보완) |
| 성능 | 매우 빠름 (Starlette 기반, Uvicorn 활용) | 상대적으로 느림 |
| 러닝 커브 | 초기 진입 장벽이 다소 높음 (타입, Pydantic 등) | 매우 쉬운 진입, 학습 곡선 완만 |
| 커뮤니티 | 빠르게 성장 중 | 매우 크고 안정적인 생태계 |
| 데이터 검증 | Pydantic 기반의 자동 검증 | 별도 유효성 검사 코드 필요 |
| REST API 개발 | RESTful 설계에 최적화 | 자유도가 높음, 규칙이 느슨함 |
🍎 오늘의 문제 상황 & 해결 과정
- 지금까지는 Flask의 간결함과 진입 장벽이 낮은 점이 마음에 들어 주로 Flask를 사용해왔다.
- 하지만 이번에는 FastAPI를 직접 적용해보고 싶어 새 프로젝트에 도입해보았다.
- 특히
Pydantic모델이 처음엔 어렵게 느껴질까 걱정했지만, 막상 사용해보니 Spring Boot의 DTO와 매우 유사한 느낌이 들어 빠르게 익숙해졌다. - 타입 기반 구조와 자동 검증, 문서화 덕분에 프로젝트가 자연스럽게 구조화되고 개발 속도도 빨랐다.
📌 Pydantic이란?
- Pydantic은 FastAPI에서 입력/출력 데이터의 구조를 정의하고, 유효성을 검사하며, JSON 직렬화를 자동으로 처리하는 핵심 컴포넌트다.
- Python의 타입 힌트(type hint)를 기반으로 동작하며,
BaseModel을 상속하여 필드와 제약 조건을 선언할 수 있다.
from pydantic import BaseModel, Field
class User(BaseModel):
name: str = Field(..., min_length=1)
age: int
email: str
- 위와 같이 작성하면, FastAPI는 요청 데이터가 이 조건을 만족하는지 자동으로 검증하고, Swagger 문서까지 자동 생성해준다.
🔍 Spring Boot DTO와 Pydantic의 비교
| 항목 | Spring Boot DTO | FastAPI Pydantic Model |
|---|---|---|
| 역할 | 요청/응답 객체 정의 + 유효성 검사 | 요청/응답 객체 정의 + 유효성 검사 |
| 유효성 검사 도구 | JSR 380 (e.g., @NotNull, @Size) | Pydantic (Field, validator) |
| 직렬화/역직렬화 | Jackson 사용 | 내장 기능으로 자동 처리 |
| 중첩 구조 지원 | 중첩 DTO 클래스 | 중첩 BaseModel을 통한 자연스러운 처리 |
| 문서화 연동 | Swagger/OpenAPI 설정 필요 | FastAPI에 자동 내장 |
| 확장성 | Bean Validation 위주 | 타입 변환, 커스텀 직렬화 등 더 다양한 기능 내장 |
결론적으로 Pydantic은 Spring의 DTO와 유사한 사용 경험을 제공하면서도, 그 이상의 기능(데이터 직렬화, 문서화, 타입 변환 등)을 하나의 모델에서 처리할 수 있다는 점에서 DTO + Validator + Mapper + Serializer의 통합체로 볼 수 있다.
🦄 느낀 점
- Flask는 여전히 빠른 개발과 간단한 구조를 원할 때 유용한 선택지다.
- 반면 FastAPI는 프로젝트 구조를 더 명확히 하고, 자동화된 유효성 검사 및 문서화 기능까지 갖추고 있어 중·대형 규모 프로젝트나 협업 시에 훨씬 효율적이라는 점을 느꼈다.
- 개인적으로는 Pydantic이 예상보다 익숙했고, Spring Boot의 DTO를 써본 경험이 FastAPI 적응에 큰 도움이 되었다.
- 앞으로는 프로젝트의 성격에 따라 Flask와 FastAPI를 유연하게 선택하며, 각 도구의 장점을 상황에 맞게 활용할 계획이다.
