Evaluación del Rendimiento de FastAPI y Flask en la Gestión de Bases de Datos Relacionales para un Sistema de Tienda en Línea: Evaluación de Eficiencia en Entornos de Carga Variable

El rendimiento de los frameworks backend influye directamente en la eficiencia y escalabilidad de las aplicaciones web, especialmente en entornos con altas demandas de procesamiento y concurrencia. En este estudio se comparó el desempeño de FastAPI y Flask en la gestión de bases de datos relacionale...

Cijeli opis

Spremljeno u:
Bibliografski detalji
Glavni autor: González Morán, Daniela Breachy (author)
Daljnji autori: Piedra Lopez, Andrick Miguel (author)
Format: bachelorThesis
Izdano: 2025
Teme:
Online pristup:https://repositorio.espe.edu.ec/handle/21000/42147
Oznake: Dodaj oznaku
Bez oznaka, Budi prvi tko označuje ovaj zapis!
Opis
Sažetak:El rendimiento de los frameworks backend influye directamente en la eficiencia y escalabilidad de las aplicaciones web, especialmente en entornos con altas demandas de procesamiento y concurrencia. En este estudio se comparó el desempeño de FastAPI y Flask en la gestión de bases de datos relacionales dentro de un sistema de tienda en línea, con el objetivo de analizar su capacidad de respuesta bajo distintas condiciones de carga. Se implementaron escenarios de prueba utilizando la herramienta Locust para medir métricas clave como latencia, tiempo de procesamiento, consumo de recursos y la concurrencia de usuarios. La metodología Programación Extrema (XP) permitió un desarrollo iterativo y la ejecución de pruebas automatizadas para garantizar mediciones precisas. Los resultados mostraron que FastAPI optimiza el manejo de solicitudes concurrentes, reduciendo el tiempo de respuesta en cargas elevadas, mientras que Flask ofrece mayor flexibilidad en aplicaciones con menor demanda de procesamiento. Como parte del estudio, se implementó una infraestructura en Google Cloud para simular entornos reales de despliegue y evaluar el impacto de cada tecnología en sistemas de comercio electrónico. Finalmente, se presentan conclusiones y recomendaciones para la selección del framework más adecuado según los requerimientos de escalabilidad y eficiencia.