FastAPI 호환 Python 프레임워크, Zig HTTP 코어로 14배 빠름 — TurboAPI

Python 핸들러는 model_class(</strong>data) 한 줄만 하면 됨.

제로카피 응답

응답 경로에서 Zig이 PyUnicode_AsUTF8()로 Python 문자열의 내부 버퍼 포인터를 얻어 write()를 소켓에 직접 호출함. memcpy 없고 임시 버퍼 없고 힙 할당 없음.

CORS

Python 미들웨어 대신 Zig 네이티브 CORS. 시작 시 헤더를 한 번만 렌더링하고 memcpy로 주입. 오버헤드 0% (Python 미들웨어로 처리하면 ~24% 오버헤드였다고 함).

현재 됨 / 안 됨

됨:

• FastAPI 호환 라우트 데코레이터
• 경로 파라미터, 쿼리 파라미터, JSON 요청 바디
• async 핸들러, Depends() 의존성 주입
• OAuth2, Bearer/Basic 인증, API Key
• CORS, GZip 미들웨어
• APIRouter, 백그라운드 태스크
• Python 3.14t 프리스레딩 지원
• Native FFI 핸들러 (C/Zig, Python 없이)
• 응답 캐싱, DB 결과 캐싱

미완성:

• WebSocket (작업 중)
• HTTP/2 + TLS (작업 중)
• Cloudflare Workers WASM 타겟 (예정)

알파 경고: 프로덕션 전에 꼭 읽을 것

• TLS 없음 — nginx나 Caddy를 앞에 두어야 함
• slow-loris 방어 없음 — 리버스 프록시에서 read timeout 설정 필요
• 최대 바디 크기 설정 불가 — 하드코딩된 16MB 제한
• WebSocket 미완성
• HTTP/2 미구현
• Python 3.14t 자체가 아직 새로움 — C 익스텐션 스레드 세이프 여부 불확실

요구사항이 Python 3.14t (프리스레딩 빌드)랑 Zig 0.15+임. Python을 소스에서 빌드해야 해서 세팅이 좀 번거로울 수 있음.

"그냥 Go/Rust 쓰면 되잖아" 반론에 대해

작자도 이 비판이 순수 처리량 기준으로는 맞다고 인정함. TurboAPI의 포지션:

• PyTorch, transformers, LangChain 같은 ML/AI 라이브러리 — Go/Rust에는 이 수준의 생태계가 없음
• SQLAlchemy, Alembic 등 ORM 생태계
• 팀 친숙도 — Rust 전환은 6~12개월 소요
• Stripe SDK, boto3, Celery 같은 라이브러리 커버리지
• FastAPI 코드베이스라면 임포트 한 줄만 바꾸면 됨

마무리

MIT 라이선스로 공개됨. 아직 알파라 프로덕션 직접 투입은 무리지만, FastAPI 기반 서비스에서 처리량 병목을 겪고 있고 Go/Rust 전환이 부담스럽다면 지켜볼 만한 프로젝트임. 특히 ML 추론 API처럼 Python 생태계 의존도가 높은 서비스가 타깃 유스케이스.

GitHub: https://github.com/justrach/turboAPI