Tutorial usando Fast API no modo assíncrono no Colab.
Não sou expert em Python, sendo mais exato eu aprofundei meus conhecimentos nessa poderosa tecnologia para soluções web aqui na DIO. O uso que eu fazia antes do Python era voltado para Dados e IA por meio do Colab da Google, recentemtne vi que também é totalmente possível usar o FastAPI no modo assíncrono nesse ambiente da Google. Inclusive, o FastAPI é construído com base em asyncio ( a biblioteca de programação assíncrona nativa do Python ) cuja documentação está disponível em https://docs.python.org/3/library/asyncio.html, o que o torna ideal para lidar com requisições concorrentes e operações de I/O de forma eficiente. No entanto, existem algumas considerações e passos adicionais para fazer isso funcionar corretamente no Colab, que aprendi após algumas pesquisas e erros tomados no Colab:
- Colab e Servidores Web: O Google Colab é um ambiente de notebook e não foi projetado para rodar servidores web diretamente na porta padrão. Por isso, você precisará de uma ferramenta como o ngrok, a qual faço já uso há 4 anos e recomendo quem não usa procurar saber mais em https://ngrok.com/docs, para expor sua aplicação FastAPI na internet, gerando uma URL pública.
- nest_asyncio: Jupyter notebooks (incluindo o Colab) já executam um loop de eventos asyncio em segundo plano. Tentar iniciar um novo loop com uvicorn.run() diretamente pode gerar um erro RuntimeError: asyncio.run() cannot be called from a running event loop. Para contornar isso, você pode usar a biblioteca nest_asyncio, que permite o uso aninhado de asyncio.run().
Passos para rodar FastAPI assíncrono no Colab:
1. Instale as seguintes bibliotecas: !pip install fastapi uvicorn nest-asyncio pyngrok -q
2. Configure o ngrok:
- Em https://ngrok.com/ crie uma conta, inclusive usando suas credenciais do google.
- Obtenha seu authtoken no dashboard do ngrok.
- No seu notebook Colab, defina o authtoken (veja a tela abaixo):
from pyngrok import ngrok
authtoken = "SEU_AUTHTOKEN_AQUI"
ngrok.set_auth_token(authtoken)
3. Crie um App em FastAPI:
from fastapi import FastAPI
import asyncio
import nest_asyncio
import uvicorn
app = FastAPI()
@app.get("/async_data")
async def get_async_data():
await asyncio.sleep(5)
return {"message": "Retorno: Dados assíncronos!"}
@app.get("/hello")
async def hello_world():
return {"message": "Olá, esse é meu app em FastAPI assíncrono no Colab!"}
4. Rode o servidor FastAPI com nest_asyncio e ngrok:
4. Rode o servidor FastAPI com nest_asyncio e ngrok:
nest_asyncio.apply()
# Expor o servidor local para a internet usando ngrok
public_url = ngrok.connect(8000)
print("URL Pública do FastAPI:", public_url)
# Rodar o Uvicorn. O loop de eventos já está em execução graças ao nest_asyncio.
# Você pode rodar isso em uma thread separada ou usar a função Server para mais controle.
# Uma forma comum é rodar em uma thread para não bloquear a execução do notebook:
import threading
def run_uvicorn():
uvicorn.run(app, host="0.0.0.0", port=8000)
thread = threading.Thread(target=run_uvicorn)
thread.start()
# O servidor estará rodando em segundo plano.
# Você pode agora acessar a URL pública fornecida pelo ngrok.
5. O ngrok fornecerá uma URL pública, que você poderá usar para acessar seus endpoints do FastAPI.
Tenha em mente que ao usar async def em suas funções de operação de rota no FastAPI, você está indicando que essas funções são "corrotinas" e podem ser "pausadas" (await) enquanto esperam por uma operação demorada ser concluída, permitindo que o servidor processe outras requisições nesse meio tempo e resumidamente obtém:
- Concorrência: O FastAPI pode lidar com milhares de requisições simultaneamente sem bloquear.
- I/O Eficiente: Ideal para aplicações que fazem muitas chamadas a APIs externas, interagem com bancos de dados ou realizam operações de leitura/escrita de arquivos, pois o await permite que outras operações sejam processadas enquanto a tarefa de I/O está esperando.
- Escalabilidade: Reduz a necessidade de threads adicionais, levando a um menor uso de memória e maior capacidade de resposta.
