Déploiement avec Gunicorn et Uvicorn
Découvrez comment déployer FastAPI en production en utilisant Gunicorn comme gestionnaire de processus avec des travailleurs Uvicorn.
Déploiement avec Gunicorn et Uvicorn est une leçon FastAPI Backend Development Bootcamp gratuite sur CoddyKit. Ceci est la leçon 2 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage FastAPI Backend Development Bootcamp, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours FastAPI Backend Development Bootcamp comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
From Dev to Production
When you're developing a FastAPI app, you often run it using a simple command like uvicorn main:app --reload.
This is great for development, as it automatically restarts your server when you make changes. But it's not suitable for production environments.
Why? A single process isn't robust or scalable. If it crashes, your entire API goes down! Production needs stability, performance, and fault tolerance.
Uvicorn: The ASGI Heart
FastAPI is an ASGI framework. ASGI stands for Asynchronous Server Gateway Interface, a standard for Python web servers to communicate with asynchronous web applications.
Uvicorn is a lightning-fast ASGI server implementation. It's what allows your FastAPI application to handle requests asynchronously and efficiently.
Think of Uvicorn as the engine that powers your FastAPI car. It's fast, but it only has one driver (process) by itself.
Direct Uvicorn Run
Here's a basic FastAPI application. To run it directly with Uvicorn (as you might in development), you'd use a command in your terminal.
The uvicorn main:app --host 0.0.0.0 --port 8000 command tells Uvicorn to run the app object from the main.py file, making it accessible on all network interfaces at port 8000.
from fastapi import FastAPI
app = FastAPI()
@app.get("/")
def read_root():
return {"message": "Hello from FastAPI!"}
if __name__ == "__main__":
import uvicorn
uvicorn.run(app, host="0.0.0.0", port=8000)Uvicorn's Production Gaps
While Uvicorn is excellent, running it directly (especially with --reload) isn't ideal for production because:
- Single Process: It typically runs as a single process, meaning it can only use one CPU core.
- No Worker Management: If that single process crashes, your API stops completely.
- No Process Supervision: Uvicorn doesn't automatically restart crashed workers or manage multiple instances for load balancing.
For production, we need something to manage Uvicorn workers.
Gunicorn: The Robust Manager
Enter Gunicorn (Green Unicorn)! Gunicorn is a production-ready WSGI HTTP server that can also manage ASGI applications (like FastAPI) by using specific worker classes.
Its main job is to act as a process manager. It spawns and supervises multiple worker processes, distributing incoming requests among them.
Think of Gunicorn as the pit crew chief, making sure all your Uvicorn engines are running smoothly and replacing them if one fails.
The Power Duo: Gunicorn & Uvicorn
The recommended way to deploy FastAPI in production is to combine Gunicorn with Uvicorn workers.
Here's how it works:
- Gunicorn (Master Process): Listens for incoming requests and distributes them. It also supervises its workers.
- Uvicorn (Worker Processes): Gunicorn spawns multiple Uvicorn instances. Each Uvicorn worker runs your FastAPI application.
This setup provides better performance, fault tolerance, and efficient resource utilization.
Gunicorn & Uvicorn in Action
To run the same FastAPI app using Gunicorn with Uvicorn workers, you would use a command like this. This setup is much more robust for production.
Here, -w 4 means 4 worker processes, and -k uvicorn.workers.UvicornWorker specifies that Gunicorn should use Uvicorn workers.
from fastapi import FastAPI
app = FastAPI()
@app.get("/")
def read_root():
return {"message": "Hello from FastAPI!"}
if __name__ == "__main__":
import uvicorn
uvicorn.run(app, host="0.0.0.0", port=8000)Optimizing Worker Count
Deciding how many Gunicorn workers to use is crucial for performance. A common rule of thumb for CPU-bound applications is (2 * CPU_CORES) + 1.
For example, on a server with 4 CPU cores, you might start with (2 * 4) + 1 = 9 workers. This allows for some workers to handle I/O while others process CPU-intensive tasks.
Always monitor your server's resource usage (CPU, RAM) to fine-tune this number for your specific application load.
Securing Your Configuration
In production, never hardcode sensitive information like database credentials or API keys directly in your code.
Use environment variables instead. This keeps your secrets out of your codebase and makes your application more portable and secure.
FastAPI and Pydantic (which FastAPI uses) have excellent support for loading settings from environment variables, often through Pydantic's BaseSettings.
Deployment Check
Let's test your understanding of Gunicorn and Uvicorn roles in a production FastAPI deployment.
Recap: Robust Deployment
You've learned how to deploy FastAPI applications for production using the powerful combination of Gunicorn and Uvicorn.
- Uvicorn is the ASGI server that runs your FastAPI app.
- Gunicorn is the process manager that supervises multiple Uvicorn workers.
- This setup provides scalability, fault tolerance, and better resource utilization.
Remember to optimize your worker count and always use environment variables for sensitive configurations. Next, you might explore cloud deployment strategies!
Questions Fréquemment Posées
La leçon « Déploiement avec Gunicorn et Uvicorn » est-elle gratuite ?
Oui — le texte complet de « Déploiement avec Gunicorn et Uvicorn » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours FastAPI Backend Development Bootcamp, passe à CoddyKit PRO. Le cours FastAPI Backend Development Bootcamp comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Déploiement avec Gunicorn et Uvicorn » ?
Découvrez comment déployer FastAPI en production en utilisant Gunicorn comme gestionnaire de processus avec des travailleurs Uvicorn. Tu pratiques FastAPI Backend Development Bootcamp avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer FastAPI Backend Development Bootcamp ?
Aucune expérience préalable n'est requise. FastAPI Backend Development Bootcamp sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 2 sur 4.
Combien de temps prend la leçon « Déploiement avec Gunicorn et Uvicorn » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon FastAPI Backend Development Bootcamp ?
Oui. Chaque leçon FastAPI Backend Development Bootcamp inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Conteneurisation des applications FastAPI
- Déploiement avec Gunicorn et Uvicorn
- Stratégies de déploiement infonuagique
- Gestion des variables d’environnement et des secrets