Škálování chatu Azure OpenAI pro Javu s využitím RAG s Azure Container Apps

Přečtěte si, jak do aplikace přidat vyrovnávání zatížení, abyste rozšířili chatovací aplikaci nad rámec limitů tokenu služby Azure OpenAI a kvót modelu. Tento přístup používá Azure Container Apps k vytvoření tří koncových bodů Azure OpenAI a primárního kontejneru pro směrování příchozího provozu do jednoho ze tří koncových bodů.

Tento článek vyžaduje nasazení dvou samostatných ukázek:

• Chatovací aplikace

  • Pokud jste chatovací aplikaci ještě nenasadili, počkejte, až bude nasazen ukázkový příklad vyrovnávače zátěže.

  • Pokud jste chatovací aplikaci už jednou nasadili, změňte proměnnou prostředí tak, aby podporovala vlastní koncový bod nástroje pro vyrovnávání zatížení, a znovu ji nasaďte.

  • Chatovací aplikace je dostupná v těchto jazycích:

    • .NET
    • JavaScript
    • Python

• Aplikace pro vyrovnávání zatížení

Poznámka

Tento článek používá jednu nebo více šablon aplikací AI jako základ pro příklady a pokyny v článku. Šablony aplikací AI poskytují dobře udržované referenční implementace, které se dají snadno nasadit. Pomáhají zajistit vysoce kvalitní výchozí bod pro vaše aplikace AI.

Architektura pro vyrovnávání zatížení Azure OpenAI s využitím Azure Container Apps

Vzhledem k tomu, že prostředek Azure OpenAI má konkrétní limity kvót tokenů a modelů, je chatovací aplikace, která používá jeden prostředek Azure OpenAI, náchylný k selhání konverzací kvůli těmto limitům.

Pokud chcete chatovací aplikaci používat bez dosažení těchto limitů, použijte řešení s vyrovnáváním zatížení ve službě Container Apps. Toto řešení bezproblémově zpřístupňuje jeden koncový bod z Container Apps na váš chatovací aplikační server.

Kontejnerová aplikace je umístěna před sadou prostředků Azure OpenAI. Kontejnerová aplikace řeší dva scénáře: normální a omezený režim. Během normálního scénáře, kdy je k dispozici kvóta tokenu a modelu, vrátí prostředek Azure OpenAI 200 zpět prostřednictvím aplikace kontejneru a aplikačního serveru.

Pokud je prostředek v omezeném scénáři kvůli omezením kvót, kontejnerová aplikace může okamžitě zkusit jiný prostředek Azure OpenAI, aby splnila původní požadavek chatovací aplikace.

Požadavky

• Předplatné služby Azure. Vytvořit zdarma

• dev containers jsou k dispozici pro obě ukázky se všemi závislostmi potřebnými k dokončení tohoto článku. Vývojové kontejnery můžete spouštět v GitHub Codespaces v prohlížeči nebo místně pomocí editoru Visual Studio Code.

  GitHub Codespaces

  • Účet GitHubu.

  Visual Studio Code

  • Docker Desktop – spusťte Docker Desktop, pokud ještě není spuštěný.
  • Visual Studio Code
  • Rozšíření vývojových kontejnerů

Otevření ukázkové aplikace nástroje pro vyrovnávání zatížení služby Container Apps

GitHub Codespaces

GitHub Codespaces spouští vývojový kontejner spravovaný GitHubem s Visual Studio Code pro web jako uživatelské rozhraní. Pro nejjednodušší vývojové prostředí použijte GitHub Codespaces, abyste měli předinstalované správné vývojářské nástroje a závislosti k dokončení tohoto článku.

Důležitý

Všechny účty GitHubu můžou každý měsíc používat GitHub Codespaces až na 60 hodin zdarma se dvěma základními instancemi. Další informace naleznete v GitHub Codespaces v měsíčně zahrnutém úložišti a hodinách jádra.

Visual Studio Code

Rozšíření Dev Containers pro Visual Studio Code vyžaduje, aby se na místním počítači nainstaloval Docker. Rozšíření hostuje vývojový kontejner místně pomocí hostitele Dockeru se správnými vývojářskými nástroji a závislostmi předinstalovanými k dokončení tohoto článku.

Nasazení nástroje pro vyrovnávání zatížení Azure Container Apps

1. Přihlaste se k Azure Developer CLI pro ověření kroků zřizování a nasazení.

   azd auth login --use-device-code
   

2. Nastavte proměnnou prostředí pro použití ověřování Azure CLI ve fázi po dokončení zřízení.

   azd config set auth.useAzCliAuth "true"
   

3. Nasazení aplikace nástroje pro vyrovnávání zatížení:

   azd up
   

   Vyberte předplatné a oblast pro nasazení. Nemusí být stejné předplatné a oblast jako chatovací aplikace.

4. Než budete pokračovat, počkejte na dokončení nasazení.

Získání koncového bodu nasazení

1. K zobrazení nasazeného koncového bodu pro aplikaci kontejneru použijte následující příkaz:

   azd env get-values
   

2. Zkopírujte hodnotu CONTAINER_APP_URL. Použijete ho v další části.

Znovu nasadit chatovou aplikaci s koncovým bodem vyrovnávače zátěže

Tyto příklady jsou dokončeny v ukázce chatovací aplikace.

Počáteční nasazení

1. Otevřete ukázkový vývojový kontejner chatovací aplikace pomocí jedné z následujících možností.

   Jazyk	GitHub Codespaces	Visual Studio Code
   .NET
   JavaScript
   Python

2. Přihlaste se k Azure Developer CLI (AZD):

   azd auth login
   

   Dokončete pokyny pro přihlášení.

3. Vytvořte prostředí AZD s názvem, například chat-app:

   azd env new <name>
   

4. Přidejte následující proměnnou prostředí, která říká back-endu chatovací aplikace, aby pro požadavky Azure OpenAI používala vlastní adresu URL:

   azd env set OPENAI_HOST azure_custom
   

5. Přidejte následující proměnnou prostředí. Nahraďte <CONTAINER_APP_URL> adresou URL z předchozí části. Tato akce oznámí backendu chatové aplikace, jaká hodnota je nastavena pro vlastní adresu URL požadavku Azure OpenAI.

   azd env set AZURE_OPENAI_CUSTOM_URL <CONTAINER_APP_URL>
   

6. Nasazení chatovací aplikace:

   azd up
   

opětovné nasazení

1. Znovu otevřete ukázkový vývojový kontejner chatovací aplikace pomocí jedné z následujících možností.

   Jazyk	GitHub Codespaces	Visual Studio Code
   .NET
   JavaScript
   Python

2. Přidejte následující proměnnou prostředí, která říká back-endu chatovací aplikace, aby pro požadavky Azure OpenAI používala vlastní adresu URL:

   azd env set OPENAI_HOST azure_custom
   

3. Přidejte následující proměnnou prostředí, která informuje backend chatovací aplikace o hodnotě vlastní adresy URL pro požadavek Azure OpenAI:

   azd env set CONTAINER_APP_URL <CONTAINER_APP_URL>
   

4. Nasazení chatovací aplikace:

   azd up
   

   Než budete pokračovat, počkejte, až se tento proces dokončí.

Chatovací aplikaci používejte s jistotou, že se škáluje napříč mnoha uživateli bez vyčerpání kvóty.

Streamování protokolů pro zobrazení výsledků nástroje pro vyrovnávání zatížení

1. Na webu Azure Portalvyhledejte skupinu prostředků.

2. V seznamu prostředků ve skupině vyberte prostředek Azure Container Apps.

3. Vyberte Monitorování>tok protokolu pro zobrazení protokolu.

4. K vygenerování provozu v protokolu použijte chatovací aplikaci.

5. Vyhledejte protokoly související s prostředky Azure OpenAI. Každý ze tří prostředků má v komentáři protokolu svou číselnou identitu, která začíná Proxying to https://openai3, kde 3 označuje třetí prostředek Azure OpenAI.

   

Když nástroj pro vyrovnávání zatížení obdrží stav, že požadavek překročí kvótu, nástroj pro vyrovnávání zatížení se automaticky otočí na jiný prostředek.

Konfigurujte kvótu TPM

Ve výchozím nastavení se každá instance Azure OpenAI v nástroji pro vyrovnávání zatížení nasadí s kapacitou 30 000 tokenů za minutu (TPM). Chatovací aplikaci můžete používat s jistotou, že se škáluje napříč mnoha uživateli bez vyčerpání kvóty. Tuto hodnotu změňte v těchto případech:

• Zobrazí se chyby kapacity nasazení: Snižte hodnotu.
• Potřebujete vyšší kapacitu: Zvyšte hodnotu.

1. Ke změně hodnoty použijte následující příkaz:

   azd env set OPENAI_CAPACITY 50
   

2. Znovu nasaďte nástroj pro vyrovnávání zatížení:

   azd up
   

Vyčištění prostředků

Až dokončíte práci s chatovací aplikací a nástrojem pro vyrovnávání zatížení, vyčistěte prostředky. Prostředky Azure vytvořené v tomto článku se fakturují k vašemu předplatnému Azure. Pokud v budoucnu tyto prostředky nepotřebujete, odstraňte je, abyste se vyhnuli účtování dalších poplatků.

Čištění prostředků chatovací aplikace

Vraťte se do článku o chatovací aplikaci a uvolněte zdroje.

• .NET
• JavaScript
• Python

Vyčistit prostředky vyrovnávače zátěže pro nahrávání

Odstraňte prostředky Azure a odeberte zdrojový kód:

azd down --purge --force

Přepínače poskytují:

• purge: Odstraněné prostředky se okamžitě vymažou, abyste mohli znovu použít tokeny služby Azure OpenAI za minutu.
• force: Odstranění probíhá bezobslužně bez nutnosti souhlasu uživatele.

Vyčištění GitHub Codespaces a Visual Studio Code

GitHub Codespaces

Odstraněním prostředí GitHub Codespaces můžete zajistit, že maximalizujete nárok na maximální počet bezplatných hodin na jedno jádro, které máte k dispozici pro svůj účet.

Důležitý

Další informace o oprávněních účtu GitHub najdete v tématu GitHub Codespaces měsíčně zahrnované úložiště a základní hodiny.

1. Přihlaste se k řídicímu panelu GitHub Codespaces.

2. Vyhledejte aktuálně spuštěné codespaces, které pocházejí z úložiště azure-samples/openai-aca-lb na GitHubu.

   

3. Otevřete kontextovou nabídku pro prostor pro kód, a pak vyberte Odstranit.

   

Visual Studio Code

Nemusíte nutně vyčistit místní prostředí, ale můžete zastavit spuštěný vývojový kontejner a vrátit se ke spuštění editoru Visual Studio Code v kontextu místního pracovního prostoru.

1. Otevřete paletu Command a vyhledejte příkazy Dev Containers.

2. Vyberte Dev Containers: Znovu otevřít složku lokálně.

   

Rada

Visual Studio Code zastaví spuštěný vývojový kontejner, ale kontejner stále existuje v Dockeru v zastaveném stavu. Uvolněte místo na místním počítači odstraněním instance kontejneru, image a svazků z Dockeru.

Získání nápovědy

Pokud máte potíže s nasazením nástroje pro vyrovnávání zatížení Azure Container Apps, přidejte svůj problém na webovou stránku Problémy úložiště.

Ukázkový kód

V tomto článku se používají následující ukázky:

• Java chatovací aplikace s RAG
• Load Balancer s využitím služby Azure Container Apps

Další krok

• K zátěžovým testům vaší chatovací aplikace použijte Azure Load Testing.