FastAPIとMySQLのパフォーマンス向上策 | 接続最適化ガイド

2026年8月4日

もっとスキルを活かしたいエンジニアへ

スポンサードリンク

働き方から選べる

無料で使えて良質な案件の情報収集ができるサービス

エンジニアの世界では、「いつでも動ける状態を作っておけ」とよく言われます。
技術やポートフォリオがあっても、自分に合う案件情報を日常的に見れていないと、いざ動こうと思った時に比較や判断が難しくなってしまいます。
普段から案件情報が集まる環境を作っておくと、良い案件が出た時にすぐ動きやすくなりますよ。
筆者自身も、メガベンチャー勤務時代に年収1,500万円を超えた経験があります。振り返ると、技術だけでなく「どんな案件や働き方があるか」を日頃から見ていたことが、キャリアの選択肢を広げるきっかけになりました。
このブログを読んでくれた方に感謝を込めて、実際に使っている情報収集サービスを紹介します。

フルリモート・週3日・高単価、どんな条件も妥協したくないなら

フリーランスボードに無料会員登録する

利用者10万人以上。業界最大規模45万件の案件。AIマッチ機能や無料の相場情報が人気。

年収800万円以上のキャリアアップ・ハイクラス正社員を視野に入れているなら

Beyond Careerに無料相談する

内定獲得率90%以上。紹介先企業とは役員クラスのコネクションがある安心と信頼できるエージェント。

Contents

1 FastAPIとMySQL接続におけるパフォーマンス向上の重要性
2 Connection Poolingの設定方法とベストプラクティス
- 2.1 プールサイズの決定基準
- 2.2 接続タイムアウトの設定
3 クエリ最適化手法とSlow Query Logの活用
- 3.1 Slow Query Logの有効化手順
- 3.2 インデックス戦略とEXPLAIN Planの読み方
4 FastAPIにおける非同期DBアクセスの実装方法
- 4.1 async/awaitによる非同期処理
- 4.2 接続プールの非同期対応
5 Docker環境におけるリソース制限対策
- 5.1 メモリとCPUの制限設定
- 5.2 コンテナ間通信の最適化
6 実践的なパフォーマンステストの実施方法
- 6.1 ロードテストツールの選定
- 6.2 計測指標の設計
7 まとめ

スポンサードリンク

FastAPIとMySQL接続におけるパフォーマンス向上の重要性

FastAPIとMySQLを組み合わせたWebアプリケーションでは、データベースアクセスが全体の処理速度に直接影響するため、パフォーマンスチューニングは不可欠です。特に高負荷環境では、接続の遅延やクエリの非効率がボトルネックとなるケースが多く見られます。本記事では、Connection Pooling・クエリ最適化・非同期処理の3つのアプローチから、実務で即活用できるパフォーマンス向上策を解説します。

Connection Poolingの設定方法とベストプラクティス

データベース接続はコストが高く、頻繁な開閉が性能低下につながります。Connection Poolingにより、接続プールを事前に準備し、リソースの再利用を促進することで、処理効率を向上させます。SQLAlchemyやasyncmyなどのライブラリでの実装例も紹介します。

プールサイズの決定基準

プールサイズはアプリケーションの負荷とDBの制限によって調整する必要があります。以下に代表的な基準を示します。

項目	内容
最小値	10〜20：軽量な処理でも十分な接続数を確保するための下限
最大値	DBサーバーの制限内：MySQLの`max_connections`パラメータが上限となる
動的調整	アプリケーション負荷によって自動拡張可能な設定も検討（例: `SQLAlchemy`の`pool_size`）

注意点：プールサイズが過剰に大きいと、DBサーバーのリソースを圧迫する可能性があるため、テスト環境でのシミュレーションが必要です。

接続タイムアウトの設定

接続が長時間待機しないようにタイムアウト値を明示的に設定しましょう。SQLAlchemyでは以下のように指定できます。

from sqlalchemy import create_engine

engine = create_engine(
    &quot;mysql+mysqlconnector://user:password@host/dbname&quot;,
    pool_size=20,
    max_overflow=5,
    pool_timeout=30  # 接続待ちの最大時間を30秒に設定
)

from sqlalchemy import create_engine

engine = create_engine(

"mysql+mysqlconnector://user:password@host/dbname",

pool_size=20,

max_overflow=5,

pool_timeout=30 # 接続待ちの最大時間を30秒に設定

)

pool_timeoutが適切でない場合、クライアントが長時間待機する可能性があるため、アプリケーションのレスポンス性に悪影響を与えます。

クエリ最適化手法とSlow Query Logの活用

Slow Query Logの有効化手順

MySQLのSlow Query Logは、実行時間が閾値を超えるクエリを記録する機能で、ボトルネックの特定に有効です。設定方法は以下の通りです。

MySQL構成ファイル（my.cnfまたはmy.ini）に以下を追加
ini [mysqld] slow_query_log = ON long_query_time = 2 # 2秒以上のクエリを記録 log_output = FILE # ログの出力形式（FILEまたはTABLE）
MySQLを再起動して設定を反映

重要：long_query_timeはアプリケーションの特性に応じて調整してください。例えば、高頻度の小規模なクエリでは1秒未満が適切です。
OS/MySQLバージョン依存性について：Linux環境での設定例を示していますが、WindowsやMySQL 8.0以降ではlog_outputのオプションが異なります（例: log_output = TABLE）。

インデックス戦略とEXPLAIN Planの読み方

インデックスがない場合、フルスキャンが発生して処理時間が長引く可能性があります。EXPLAINコマンドでクエリ実行計画を確認し、インデックスの有効性を検証します。

EXPLAIN Planの読み方（初心者向け解説）

EXPLAINは、クエリの実行計画を表示するコマンドで、以下のような出力を得られます。

列名	役割
`id`	クエリ内のサブクエリや联合クエリの識別子
`select_type`	選択されたクエリタイプ（例: SIMPLE、SUBQUERY）
`table`	テーブル名
`type`	アクセスメソッド（例: index, range, ALL）
`possible_keys`	使用可能なインデックスのリスト
`key`	実際に使用されたインデックス
`rows`	推定検索行数

注意：type=ALL（フルスキャン）の場合は、インデックスの最適化が必須です。

例: インデックス不足による問題

-- 検索条件がインデックス対象ではない場合
SELECT * FROM users WHERE email LIKE '%test%';

-- 検索条件がインデックス対象ではない場合

SELECT * FROM users WHERE email LIKE '%test%';

このクエリでは、email列にインデックスを設定しても効果がないため、フルスキャンが発生し、処理時間が増加します。

修正例: インデックスの適切な設計

-- email列に前置き一致用インデックスを追加
CREATE INDEX idx_email_prefix ON users (email(10));

-- email列に前置き一致用インデックスを追加

CREATE INDEX idx_email_prefix ON users (email(10));

EXPLAINの出力例: type=rangeがtype=indexと比較して、アクセスコストが減少します。

FastAPIにおける非同期DBアクセスの実装方法

async/awaitによる非同期処理

FastAPIは非同期処理をサポートしており、I/O待ち時間を短縮するのに有効です。以下にasyncmyを使ったコードサンプルを示します。

from fastapi import FastAPI
import asyncio
import asyncmy

app = FastAPI()

@app.get(&quot;/data&quot;)
async def get_data():
    conn = await asyncmy.connect(
        host=&quot;localhost&quot;,
        port=3306,
        user=&quot;root&quot;,
        password=&quot;password&quot;,
        db=&quot;test&quot;
    )
    async with conn.cursor() as cur:
        await cur.execute(&quot;SELECT * FROM users WHERE id = 1&quot;)
        result = await cur.fetchone()
        return {&quot;data&quot;: result}

from fastapi import FastAPI

import asyncio

import asyncmy

app = FastAPI()

@app.get("/data")

async def get_data():

conn = await asyncmy.connect(

host="localhost",

port=3306,

user="root",

password="password",

db="test"

)

async with conn.cursor() as cur:

await cur.execute("SELECT * FROM users WHERE id = 1")

result = await cur.fetchone()

return {"data": result}

同期処理と比較して、リクエストの処理効率が向上し、スループットが増加します。

接続プールの非同期対応

非同期接続プールは、大量の同時アクセスを安定して処理できるようにする仕組みです。asyncmyでは以下のように設定できます。

from asyncmy import create_pool

pool = await create_pool(
    host=&quot;localhost&quot;,
    port=3306,
    user=&quot;root&quot;,
    password=&quot;password&quot;,
    db=&quot;test&quot;
)

from asyncmy import create_pool

pool = await create_pool(

host="localhost",

port=3306,

user="root",

password="password",

db="test"

)

比較例: 同期処理と非同期処理の処理時間（100リクエスト）

方法	平均処理時間(ms)	スループット(req/s)
同期処理	2,500	40
非同期処理	800	125

Docker環境におけるリソース制限対策

メモリとCPUの制限設定

Dockerコンテナでは、メモリやCPU使用量を上限に設定しないと、ホストマシンのリソースが枯渇し、パフォーマンス低下につながります。docker-compose.ymlで以下のように設定します。

services:
  fastapi-app:
    image: my-fastapi-image
    deploy:
      resources:
        limits:
          memory: 512M
          cpus: &quot;1&quot;

services:

fastapi-app:

image: my-fastapi-image

deploy:

resources:

limits:

memory: 512M

cpus: "1"

注意点: リソース制限が厳しすぎると、アプリケーションの処理性能が低下するため、適切な閾値を設定することが重要です。

コンテナ間通信の最適化

Dockerネットワークでは、ホスト名でアクセスする場合、DNSリゾルバに時間がかかるケースがあります。以下のように--network hostを使用することで、ホストネットワークを利用し、通信遅延を軽減できます。

docker run --network host my-fastapi-image

1 2	docker run --network host my-fastapi-image

代替案: 事前にコンテナのホスト名とIPアドレスを紐付けたDNSサーバーを構築する方法もありますが、簡単な環境では--network hostが最も効果的です。

運用環境での注意点：--network hostはLinuxのみで動作し、コンテナ内でのポート競合やセキュリティリスクがあります（例: ホストのポートを直接公開）。本番環境では避けるべきです。

実践的なパフォーマンステストの実施方法

ロードテストツールの選定

自社環境でのパフォーマンス確認には、以下のようなツールを使用します。

Locust: Python製で、簡単にシナリオを記述できる
JMeter: Java製で、複雑な負荷パターンに対応する

FastAPIアプリケーションではlocustが特に使いやすいです。以下にインストールと実行例を示します。

pip install locust
locust -f locustfile.py

pip install locust

locust -f locustfile.py

計測指標の設計

パフォーマンステストにおいて、以下の計測項目を明確に定義することが重要です。

項目	計測方法
応答時間	平均応答時間を`locust`のグラフで確認
エラーレート	500エラーなどの発生率をモニタリング
スループット	秒単位あたり処理可能なリクエスト数

CTA: 本記事で紹介したコードサンプルをもとに、自社環境でのパフォーマンステストを実施してみてください。

まとめ

Connection Poolingにより接続待機時間を短縮する
Slow Query Logとインデックスの最適化でクエリ処理効率向上
非同期処理でI/O待ち時間を軽減し、スループットを改善
Docker環境ではリソース制限と通信設定を調整
パフォーマンステストは実環境での数値確認が不可欠

これらの対策を組み合わせることで、FastAPIとMySQLの接続パフォーマンスを安定して向上させることができます。

スポンサードリンク

もっとスキルを活かしたいエンジニアへ

スポンサードリンク

働き方から選べる

無料で使えて良質な案件の情報収集ができるサービス

フルリモート・週3日・高単価、どんな条件も妥協したくないなら

フリーランスボードに無料会員登録する

利用者10万人以上。業界最大規模45万件の案件。AIマッチ機能や無料の相場情報が人気。

年収800万円以上のキャリアアップ・ハイクラス正社員を視野に入れているなら

Beyond Careerに無料相談する

内定獲得率90%以上。紹介先企業とは役員クラスのコネクションがある安心と信頼できるエージェント。

-FastAPI

comment コメントをキャンセル

: FastAPI

FastAPI と Mangum の Lambda デプロイ手順とベストプラクティス

FastAPI と Mangum を使い Lambda 上で API を動かす方法を、Docker マルチステージビルド、レイヤー作成、CDK・Serverless の比較、GitHub Actions による自動デプロイ手順と共に紹介します。

: FastAPI

FastAPI×Dockerデプロイの2026年最適化戦略

2026年のFastAPI×Dockerデプロイの最適化戦略について。プロジェクト構成・セキュリティ対策・コスト効率を解説。

: FastAPI

FastAPIでJWT認証を実装する準備と手順

FastAPIでJWT認証を導入する際の事前準備と実装手順を解説。必要なライブラリのインストール、プロジェクト構成、トークン発行エンドポイントの作成方法をステップバイステップでご紹介。

: FastAPI

FastAPIとPydanticのバリデーション使い分けガイド

FastAPIとPydanticを組み合わせた開発では、「どのバリデーション処理をPydanticで実装し、どの処理はFastAPIに任せるか」が設計の肝になります。

: FastAPI

FastAPIアプリをHerokuでデプロイする最新手順とコスト対策

FastAPIアプリケーションをHerokuにデプロイする方法とコスト対策を解説。アカウント作成からProcfileの記述、無料プランでのスリープ状態回避まで体系的に紹介。

FitXR初心者向けトレーニングメニュー｜3週間で習慣化する方法

中小企業向けプロジェクト管理ツール選定の3つのポイント