Какова идеальная инфраструктура производственного уровня для развертывания службы Python FastAPI для вычисления альтерна ⇐ Python

[Anonymous]

Я создаю сервис Python для вычисления греческих значений с помощью Python, но я никогда не работал с Python, и я был бы признателен за советы опытных разработчиков Python, поскольку они мне очень помогут.
ПРОХОД

Позже сервис будет интегрирован с существующим бэкэндом Spring Boot.

В настоящее время я загружаю файл Excel/CSV (до 700 тыс. строк) из пользовательского интерфейса, который содержит данные опций, для которых мне нужно вычислить греки.
Я использую:

• FastAPI → сервер асинхронного API (для потоковой передачи ответа)
• Pandas → манипулирование данными, чтение Excel/CSV
• NumPy → векторизованная математика
• SciPy → вычисления Блэка-Шоулза и Грека
• orjson → быстрая сериализация JSON
• ProcessPoolExecutor → для параллельной обработки на основе блоков

Чтение файла (основной процесс) – pandas для CSV (движок C), openpyxl для Excel
Разделение на фрагменты – около 20 000 строк на фрагмент
Параллельные вычисления (ProcessPoolExecutor)
Векторизованные вычисления Блэка-Шоулза с использованием NumPy
Проверка ошибок (NaN, отрицательные значения, несовпадения типов)
Преобразуйте результаты в диктовку и вычислите агрегаты
Объедините результаты — объедините все выходные данные фрагментов и итоговые значения
Сериализация и потоковая передача — используйте orjson и StreamingResponse
Ниже приведена моя диаграмма производительности, время ответа для 700 тысяч записей в Excel сейчас составляет 9–11 секунд

Код: Выделить всё

### 700k Rows

| Configuration        | Read File | Calculate | Build Results | JSON | Total  |
|---------------------|-----------|-----------|---------------|------|--------|
| **Single Process**  | 1-2s      | 5-6s      | 8-10s        | 3-4s | 17-22s |
| **4 Workers**       | 1-2s      | 3-4s*     | 3-4s*        | 3-4s | 10-14s |
| **8 Workers**       | 1-2s      | 2-3s*     | 2-3s*        | 3-4s | 8-12s  |

*Parallel processing time (multiple chunks at once)

### 60k Rows

| Configuration        | Total Time | Notes                              |
|---------------------|------------|------------------------------------|
| **Single Process**  | 2-3s       | No overhead, pure speed            |
| **4 Workers**       | 3-4s       | ⚠️ Overhead > benefit             |
| **8 Workers**       | 4-5s       | ⚠️ Too much overhead

Вопросы (извините, если это звучит глупо, но я хочу создавать промышленные приложения и изучать лучшие практики)
Идеально ли использовать рабочие процессы в этом API, поскольку они занимают приличный объем памяти и могут повлиять на сервер, используют ли люди его в производстве и о чем следует помнить?
Является ли мой технический стек (FastAPI + Pandas + NumPy + SciPy) + orjson) подходит для этого типа рабочей нагрузки, или мне следует рассмотреть что-то другое (например, Polars, Cython или PyPy)?
Помимо накладных расходов на сериализацию JSON, есть ли другие узкие места, о которых мне следует знать (например, межпроцессное взаимодействие, GIL или блокировка ввода-вывода)?
Буду признателен за любую помощь

Подробнее здесь: https://stackoverflow.com/questions/798 ... astapi-ser