Belajar FastAPI - Deployment (Uvicorn/Gunicorn/Docker)

#Pendahuluan

Setelah 23 episode membangun aplikasi yang lengkap — dari routing sampai AI streaming — sekarang saatnya pergi ke produksi. Episode ini menjawab pertanyaan paling penting di tahap akhir: bagaimana menjalankan FastAPI dengan benar di server, bagaimana mengemasnya ke container, dan di mana men-deploy-nya.

Mengapa episode ini penting? Banyak aplikasi yang bekerja sempurna di laptop gagal di produksi karena hal-hal sederhana: --reload yang aktif, satu worker yang kewalahan, atau image Docker yang bengkak. Episode ini membangun fondasi deployment yang benar sejak langkah pertama.

#Uvicorn di Produksi

Ingat episode 3: --reload hanya untuk development. Di produksi, kita butuh banyak worker dan tanpa reload:

uvicorn main:app --host 0.0.0.0 --port 8000 --workers 4

Aturan jumlah worker: 2 × jumlah core CPU + 1 (rumus umum untuk I/O-bound). Pada mesin 2-core: --workers 5. Karena workload FastAPI biasanya I/O-bound (menunggu database, HTTP, disk), worker lebih banyak membantu — namun setiap worker memakai memory, jadi sesuaikan dengan RAM yang tersedia.

#Gunicorn sebagai Process Manager

Gunicorn adalah process manager WSGI/ASGI yang lebih matang — dia mengelola worker, restart otomatis saat worker mati, dan sinyal penghentian yang rapi. Pakai Gunicorn sebagai front dan uvicorn worker sebagai engine ASGI:

pip install gunicorn

gunicorn main:app -w 4 -k uvicorn.workers.UvicornWorker \
  --bind 0.0.0.0:8000

• -k uvicorn.workers.UvicornWorker — worker ASGI dari uvicorn.
• -w 4 — empat worker.
• Gunicorn mengirim SIGTERM ke worker dan menunggu request selesai saat shutdown — proses restart yang lebih terkontrol.

#Multi-Stage Dockerfile

Docker mengemas aplikasi + environment menjadi satu artefak yang bisa dideploy di mana saja. Multi-stage memisahkan build dan runtime — hasilnya image ramping:

FROM python:3.13-slim AS builder
 
WORKDIR /app
ENV PYTHONDONTWRITEBYTECODE=1 \
    PYTHONUNBUFFERED=1
 
RUN pip install --no-cache-dir --prefix=/install -r requirements.txt
 
FROM python:3.13-slim AS runtime
 
WORKDIR /app
ENV PYTHONPATH=/install
 
COPY --from=builder /install /install
COPY app/ ./app/
 
EXPOSE 8000
CMD ["gunicorn", "app.main:app", "-w", "4", \
     "-k", "uvicorn.workers.UvicornWorker", "--bind", "0.0.0.0:8000"]

Kenapa multi-stage? Stage builder menginstall dependensi ke /install; stage runtime menyalin hasilnya tanpa lapisan build (compiler, cache pip). Image final berisi hanya yang dibutuhkan untuk menjalankan aplikasi.

#.dockerignore

Kecilkan build context — file yang tidak perlu ikut ke image:

.venv/
__pycache__/
*.pyc
.env
uploads/
tests/
.pytest_cache/

#Reverse Proxy: Nginx

Aplikasi sebaiknya berada di belakang reverse proxy (Nginx) — proxy menangani TLS, kompresi, dan static files:

server {
    listen 80;
    server_name api.example.com;
 
    location / {
        proxy_pass http://127.0.0.1:8000;
        proxy_http_version 1.1;
        proxy_set_header Host $host;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
    }
 
    location /ws/ {
        proxy_pass http://127.0.0.1:8000;
        proxy_http_version 1.1;
        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";
    }
}

Perhatikan location /ws/: WebSocket butuh header Upgrade khusus — tanpa itu, koneksi WebSocket gagal di balik proxy.

#Platform Deployment

Image Docker bisa dideploy ke berbagai platform dengan pola yang sama:

Contoh minimal Kubernetes:

apiVersion: apps/v1
kind: Deployment
metadata:
  name: fastapi-app
spec:
  replicas: 3
  selector:
    matchLabels:
      app: fastapi
  template:
    metadata:
      labels:
        app: fastapi
    spec:
      containers:
        - name: app
          image: ghcr.io/kalian/fastapi-app:latest
          ports:
            - containerPort: 8000
          envFrom:
            - secretRef:
                name: app-secrets
          readinessProbe:
            httpGet:
              path: /health
              port: 8000

Tiga hal yang diperhatikan di K8s: replicas untuk skala horizontal, secretRef untuk konfigurasi (episode 16), dan readinessProbe — K8s hanya mengirim trafik ke pod yang health check-nya lolos.

#Common Pitfalls

#Penutup

Inti yang harus dibawa pulang:

• Produksi: uvicorn --workers 2×core+1 atau Gunicorn + UvicornWorker.
• Multi-stage Dockerfile: ramping, tanpa secret, gunicorn sebagai CMD.
• Reverse proxy menangani TLS + WebSocket upgrade; sesuaikan TrustedHost & proxy headers.
• Deploy di Fly/Render/Railway/K8s; K8s butuh readinessProbe + secret.

Di episode 25 selanjutnya kita akan membahas performance & benchmarking — memprofil endpoint, tuning connection pooling, caching dengan Redis, dan load testing dengan k6. API kalian tidak hanya jalan — sekarang kalian buktikan seberapa cepat ia melaju!