Redis 캐싱 전략: FastAPI 성능 10배 올리기

API가 느리다는 말을 들을 때만큼 뼈아픈 순간이 없죠. 대부분의 경우 원인은 단순합니다. 똑같은 DB 쿼리를 매번 반복 실행하고 있기 때문입니다. Redis 캐싱 하나로 이 문제를 근본적으로 해결할 수 있습니다.

이 글에서는 FastAPI 프로젝트에 Redis를 실전 적용하는 방법을 단계별로 살펴봅니다.

Redis가 성능을 끌어올리는 원리

Redis는 인메모리 키-값 저장소입니다. 디스크 기반 DB가 수십~수백 ms 걸리는 작업을 Redis는 1ms 이내로 처리합니다.

읽기 속도: 초당 수십만 건 처리 가능
DB 부하 감소: 반복 쿼리를 캐시로 차단
비동기 친화: FastAPI의 async/await와 자연스럽게 결합

핵심 캐싱 패턴 4가지

1. Cache-Aside (Lazy Loading)

가장 보편적인 패턴입니다. 요청이 들어올 때 캐시를 먼저 확인하고, 없으면 DB에서 가져와 캐시에 저장합니다.

python

import redis.asyncio as redis
import json
from fastapi import FastAPI, Depends

app = FastAPI()

async def get_redis():
    client = redis.Redis(host="localhost", port=6379, decode_responses=True)
    try:
        yield client
    finally:
        await client.aclose()

@app.get("/products/{product_id}")
async def get_product(product_id: int, redis_client=Depends(get_redis)):
    cache_key = f"product:{product_id}"

    # 1. 캐시 확인
    cached = await redis_client.get(cache_key)
    if cached:
        return {"source": "cache", "data": json.loads(cached)}

    # 2. DB에서 조회 (실제로는 SQLAlchemy 등 사용)
    product = await fetch_from_db(product_id)

    # 3. 캐시 저장 (TTL 60초)
    await redis_client.setex(cache_key, 60, json.dumps(product))
    return {"source": "db", "data": product}

2. Write-Through

데이터를 DB에 쓸 때 캐시도 동시에 갱신합니다. 일관성이 중요한 데이터에 적합합니다.

python

@app.put("/products/{product_id}")
async def update_product(product_id: int, data: dict, redis_client=Depends(get_redis)):
    # DB 업데이트
    updated = await update_db(product_id, data)

    # 캐시도 동시에 갱신
    cache_key = f"product:{product_id}"
    await redis_client.setex(cache_key, 3600, json.dumps(updated))

    return updated

3. Write-Behind (Lazy Write)

Redis에 먼저 쓰고 DB에는 비동기로 나중에 반영합니다. 쓰기 성능이 극대화되지만 장애 시 데이터 손실 위험이 있습니다. 로그, 분석 데이터 등에 활용됩니다.

4. Read-Through

캐시가 DB 조회까지 대신 담당합니다. 애플리케이션 코드가 단순해지는 장점이 있으며, aiocache 같은 라이브러리가 이 패턴을 지원합니다.

python

from aiocache import cached, Cache

@cached(ttl=300, cache=Cache.REDIS, key="popular_products")
async def get_popular_products():
    return await fetch_popular_from_db()

TTL 설정 전략

TTL(Time To Live)은 캐시의 신선도를 결정합니다. 너무 짧으면 캐시 효과가 없고, 너무 길면 낡은 데이터를 제공합니다.

데이터 유형	권장 TTL	이유
사용자 세션	30분 (1800초)	보안 및 최신성
상품 목록	1시간 (3600초)	변경 빈도 낮음
인기 게시물	10분 (600초)	실시간성 중요
정적 설정값	24시간 (86400초)	거의 변경 안 됨
실시간 재고	캐시 비권장	정확성 필수

python

# 데이터 종류에 따라 TTL을 달리 적용하는 예시
TTL_CONFIG = {
    "session": 1800,
    "product": 3600,
    "popular": 600,
    "config": 86400,
}

async def smart_cache_set(redis_client, key: str, data: dict, data_type: str):
    ttl = TTL_CONFIG.get(data_type, 300)
    await redis_client.setex(key, ttl, json.dumps(data, ensure_ascii=False))

Redis 제거 정책(Eviction Policy)

Redis 메모리가 꽉 찼을 때 어떤 키를 제거할지 결정하는 정책입니다.

bash

# redis.conf 설정 예시
maxmemory 512mb
maxmemory-policy allkeys-lru

추천 정책:

allkeys-lru: 일반적인 캐싱 용도에 가장 적합. 최근에 사용되지 않은 키부터 제거
volatile-lru: TTL이 있는 키만 제거. 영구 저장 데이터와 캐시를 함께 쓸 때
allkeys-lfu: 인기 데이터를 오래 유지하고 싶을 때. 접근 빈도 기반 제거

캐시 무효화 - 가장 어려운 문제

캐시의 어려움은 데이터가 변경됐을 때 캐시를 제때 지우는 것입니다.

python

# 이벤트 기반 캐시 무효화
@app.delete("/products/{product_id}")
async def delete_product(product_id: int, redis_client=Depends(get_redis)):
    # DB에서 삭제
    await delete_from_db(product_id)

    # 관련 캐시 키 일괄 삭제
    keys_to_delete = [
        f"product:{product_id}",
        "popular_products",
        "product_list:*",
    ]
    for key in keys_to_delete:
        if "*" in key:
            async for matched_key in redis_client.scan_iter(key):
                await redis_client.delete(matched_key)
        else:
            await redis_client.delete(key)

    return {"message": "삭제 완료, 캐시도 무효화됨"}

연결 풀링으로 오버헤드 줄이기

매 요청마다 Redis 연결을 새로 만들면 오히려 성능이 저하됩니다. 앱 시작 시 연결 풀을 생성해 재사용하세요.

python

from contextlib import asynccontextmanager
import redis.asyncio as redis

redis_pool = None

@asynccontextmanager
async def lifespan(app: FastAPI):
    global redis_pool
    redis_pool = redis.ConnectionPool(
        host="localhost",
        port=6379,
        max_connections=20,
        decode_responses=True
    )
    yield
    await redis_pool.aclose()

app = FastAPI(lifespan=lifespan)

async def get_redis():
    return redis.Redis(connection_pool=redis_pool)

실전 성능 비교

간단한 벤치마크를 통해 Redis 캐싱 전후를 비교해 볼 수 있습니다.

python

import time
import asyncio

async def benchmark():
    redis_client = redis.Redis(host="localhost", port=6379, decode_responses=True)

    # DB 직접 조회 시뮬레이션 (50ms 가정)
    start = time.perf_counter()
    for _ in range(100):
        await asyncio.sleep(0.05)
    db_time = time.perf_counter() - start

    # Redis 캐시 조회
    await redis_client.set("bench_key", "cached_value")
    start = time.perf_counter()
    for _ in range(100):
        await redis_client.get("bench_key")
    cache_time = time.perf_counter() - start

    print(f"DB 직접: {db_time:.2f}s")
    print(f"Redis 캐시: {cache_time:.4f}s")
    print(f"속도 향상: {db_time / cache_time:.0f}배")

실제 환경에서 DB 쿼리가 평균 50ms라면, Redis 캐시 히트는 0.5ms 미만으로 100배 이상 빠릅니다. 캐시 히트율이 80~90%만 돼도 전체 API 응답 시간은 극적으로 개선됩니다.

모니터링 - 캐시가 잘 작동하는지 확인하기

bash

# Redis CLI에서 실행
redis-cli INFO stats | grep -E "keyspace_hits|keyspace_misses"

python

@app.get("/admin/cache-stats")
async def cache_stats(redis_client=Depends(get_redis)):
    info = await redis_client.info("stats")
    hits = info.get("keyspace_hits", 0)
    misses = info.get("keyspace_misses", 0)
    total = hits + misses
    hit_rate = (hits / total * 100) if total > 0 else 0

    return {
        "hits": hits,
        "misses": misses,
        "hit_rate": f"{hit_rate:.1f}%",
        "status": "good" if hit_rate >= 80 else "needs_review"
    }

보안 체크리스트

Redis를 공개 인터넷에 직접 노출하지 마세요
requirepass 옵션으로 비밀번호 설정
SSL/TLS 연결 사용 (rediss:// 스킴)
민감한 개인정보는 암호화 후 캐시에 저장

코드벤터는 FastAPI 기반 프로젝트에서 Redis 캐싱을 기본 아키텍처 요소로 활용하고 있습니다. 반복적인 DB 쿼리를 제거하고 응답 속도를 높이는 것은 사용자 경험 개선의 첫 걸음입니다. 캐싱 전략은 한 번에 완벽하게 구현하기보다, 실제 트래픽 패턴과 히트율 데이터를 보면서 점진적으로 최적화하는 것을 권장합니다. 코드픽에서 더 많은 실전 개발 인사이트를 확인해 보세요.

Redis 캐싱 전략: FastAPI 성능 10배 올리기

Redis 캐싱 전략: FastAPI 성능 10배 올리기

Redis가 성능을 끌어올리는 원리

핵심 캐싱 패턴 4가지

1. Cache-Aside (Lazy Loading)

2. Write-Through

3. Write-Behind (Lazy Write)

4. Read-Through

TTL 설정 전략

Redis 제거 정책(Eviction Policy)

캐시 무효화 - 가장 어려운 문제

연결 풀링으로 오버헤드 줄이기

실전 성능 비교

모니터링 - 캐시가 잘 작동하는지 확인하기

보안 체크리스트

AI 서비스나 플랫폼 개발을고민 중이신가요?

AI 서비스나 플랫폼 개발을
고민 중이신가요?