Pembatasan Laju

Menerapkan AI ke Produksi dengan FastAPI

Matt Eckerle

Software and Data Engineering Leader

Mengenal pembatasan laju

sebuah lampu lalu lintas

Tujuan: Mengontrol frekuensi permintaan API.
Respons: Mengembalikan HTTP 429 ("Terlalu Banyak Permintaan") saat batas terlewati.

Cara kerja pembatasan laju

Bagian 1 dari diagram alur yang menjelaskan pembatasan laju

Mengautentikasi kredensial masuk

Bagian 2 dari diagram alur yang menjelaskan pembatasan laju

Pemeriksaan pembatasan laju

Bagian 3 dari diagram alur yang menjelaskan pembatasan laju

Menyiapkan API kita

from fastapi import FastAPI, Depends, HTTPException
from fastapi.security import APIKeyHeader
from pydantic import BaseModel

app = FastAPI()
model = SentimentAnalyzer(pkl_file_path)

API_KEY_HEADER = APIKeyHeader(name="X-API-Key")
API_KEY = "your-secret-key"

Logika rate limiter

from datetime import datetime, timedelta

class RateLimiter:
    def __init__(self, requests_per_min: int = 10):
        self.requests_per_min = requests_per_min
        self.requests = defaultdict(list)

    def is_rate_limited(
        self, api_key: str
    ) -> tuple[bool, int]:

Bagian 1 dari diagram alur logika penerapan pembatasan laju

Menghapus permintaan lama

from datetime import datetime, timedelta

class RateLimiter:
    def __init__(self, requests_per_min: int = 10):
        self.requests_per_min = requests_per_min
        self.requests = defaultdict(list)

    def is_rate_limited(
        self, api_key: str
    ) -> tuple[bool, int]:

        now = datetime.now()
        minute_ago = now - timedelta(minutes=1)
        self.requests[api_key] = [
            req_time for req_time in 
          self.requests[api_key]
          if req_time > minute_ago
        ]

Bagian 2 dari diagram alur yang menjelaskan pembatasan laju

Periksa jumlah permintaan

    def is_rate_limited(self, api_key: str) -> 
  tuple[bool, int]:
        now = datetime.now()
        minute_ago = now - timedelta(minutes=1)

        self.requests[api_key] = [
          req_time for req_time in 
          self.requests[api_key]
          if req_time > minute_ago
        ]

        recent_requests = len(self.requests[api_key])
        if recent_requests >= self.requests_per_min:
            return True, 0

        self.requests[api_key].append(now)
        return False

Diagram yang merepresentasikan pemeriksaan jumlah permintaan oleh API: jika jumlah di atas atau sama dengan batas, kembalikan true, jika tidak kembalikan false.

Tambahkan pemeriksaan batas laju

rate_limiter = RateLimiter(requests_per_minute=10)

def test_api_key(api_key: str = Depends(API_KEY_HEADER)):
    if api_key != API_KEY:
        raise HTTPException(
            status_code=403,
            detail="Invalid API key"
        )
    is_limited, _ = rate_limiter.is_rate_limited(api_key)
    if is_limited:
        raise HTTPException(
            status_code=429,
            detail="Rate limit exceeded. Please try again later."
        )
    return api_key

Terapkan batas laju pada endpoint

@app.post("/predict")
def predict_sentiment(
    request: SentimentRequest,
    api_key: str = Depends(test_api_key)
):
    result = sentiment_model(request.text)

    _, requests_remaining = 
           rate_limiter.is_rate_limited(api_key)

    return {
        "text": request.text,
        "sentiment": result[0]["label"].lower(),
        "confidence": result[0]["score"],
        "requests_remaining": requests_remaining
    }

Kirim permintaan 11 kali:

curl -X POST "http://localhost:8000/predict" \
     -H "Content-Type: application/json" \
     -H "X-API-Key: your-secret-key" \
     -d '{"text": "I love this product"}'

Keluaran:

{"detail":"Rate limit exceeded. 
           Please try again later."}

Ayo berlatih!

Menerapkan AI ke Produksi dengan FastAPI