Compartir a través de

Escalado del chat de Azure OpenAI para Java mediante RAG con Azure Container Apps

Obtenga información sobre cómo agregar equilibrio de carga a la aplicación para ampliar la aplicación de chat más allá de los límites de cuota de modelo y token del servicio OpenAI de Azure. Este enfoque usa Azure Container Apps para crear tres puntos de conexión de Azure OpenAI y un contenedor principal para dirigir el tráfico entrante a uno de los tres puntos de conexión.

Este artículo requiere que implemente dos ejemplos independientes:

  • Aplicación de chat

    • Si aún no ha implementado la aplicación de chat, espere hasta que se implemente el ejemplo del equilibrador de carga.

    • Si ya ha implementado la aplicación de chat una vez, cambie la variable de entorno para admitir un punto de conexión personalizado para el equilibrador de carga y vuelva a implementarla.

    • La aplicación de chat está disponible en estos idiomas:

  • Aplicación del equilibrador de carga

Nota

En este artículo se utilizan una o varias plantillas de aplicación de IA de y como base para los ejemplos y la guía del artículo. Las plantillas de aplicación de IA proporcionan implementaciones de referencia bien mantenidas que son fáciles de implementar. Ayudan a garantizar un punto de partida de alta calidad para las aplicaciones de inteligencia artificial.

Arquitectura para el equilibrio de carga de Azure OpenAI con Azure Container Apps

Dado que el recurso de Azure OpenAI tiene límites específicos de cuota de tokens y modelos, una aplicación de chat que usa un único recurso de Azure OpenAI es propenso a tener errores de conversación debido a esos límites.

Diagrama que muestra la arquitectura de la aplicación de chat con el recurso de Azure OpenAI resaltado.

Para usar la aplicación de chat sin alcanzar esos límites, use una solución de carga equilibrada con Container Apps. Esta solución expone sin problemas un único punto de conexión de Container Apps al servidor de aplicaciones de chat.

Diagrama que muestra la arquitectura de aplicaciones de chat con Azure Container Apps delante de tres recursos de Azure OpenAI.

La aplicación contenedora se encuentra delante de un conjunto de recursos de Azure OpenAI. La aplicación Container resuelve dos escenarios: normal y limitado. Durante un escenario normal donde está disponible la cuota de tokens y modelos, el recurso de Azure OpenAI devuelve un valor de 200 a través de Container App y App Server.

Diagrama que muestra un escenario normal. En el escenario normal se muestran tres grupos de puntos de conexión de Azure OpenAI con el primer grupo de dos puntos de conexión que obtienen un tráfico correcto.

Cuando un recurso se encuentra en un escenario de limitación debido a los límites de cuota, la aplicación en contenedor puede inmediatamente intentar utilizar un recurso diferente de Azure OpenAI para cumplir con la solicitud original de la aplicación de chat.

Diagrama que muestra un escenario de limitación con un código de respuesta con errores 429 y un encabezado de respuesta de cuántos segundos tiene que esperar el cliente para volver a intentarlo.

Prerrequisitos

Abre la aplicación de ejemplo del equilibrador de carga de Container Apps

GitHub Codespaces ejecuta un contenedor de desarrollo administrado por GitHub con Visual Studio Code para web como interfaz de usuario. Para el entorno de desarrollo más sencillo, use GitHub Codespaces para que tenga las herramientas de desarrollo y las dependencias correctas preinstaladas para completar este artículo.

Abrir en GitHub Codespaces.

Importante

Todas las cuentas de GitHub pueden usar GitHub Codespaces durante hasta 60 horas gratuitas cada mes con dos instancias principales. Para obtener más información, consulte Almacenamiento y horas de núcleo incluidas mensualmente en GitHub Codespaces.

Implementación del equilibrador de carga de Azure Container Apps

  1. Inicie sesión en la CLI para desarrolladores de Azure para proporcionar autenticación a los pasos de aprovisionamiento e implementación:

    azd auth login --use-device-code

  2. Establezca una variable de entorno para usar la autenticación de la CLI de Azure en el paso posterior al aprovisionamiento:

    azd config set auth.useAzCliAuth "true"

  3. Implemente la aplicación del equilibrador de carga:

    azd up

    Seleccione una suscripción y una región para la implementación. No tienen que ser la misma suscripción y región que la aplicación de chat.

  4. Espere a que finalice la implementación antes de continuar.

Obtener el extremo de implementación

  1. Use el siguiente comando para mostrar el punto de conexión implementado para la aplicación contenedora:

    azd env get-values

  2. Copie el valor CONTAINER_APP_URL. Lo usas en la sección siguiente.

Reimplementación de la aplicación de chat con el punto de chat del Load Balancer

Estos ejemplos se completan en el ejemplo de aplicación de chat.

  1. Abra el contenedor de desarrollo del ejemplo de la aplicación de chat mediante una de las siguientes opciones.

    Idioma GitHub Codespaces Visual Studio Code
    .NET Abrir en GitHub Codespaces Abrir en Contenedores de desarrollo
    JavaScript Abrir en GitHub Codespaces Abrir en Contenedores de desarrollo
    Pitón Abrir en GitHub Codespaces Abrir en Contenedores de desarrollo

  2. Inicie sesión en la CLI para desarrolladores de Azure (AZD):

    azd auth login

    Finalice las instrucciones de inicio de sesión.

  3. Cree un entorno AZD con un nombre tal como chat-app:

    azd env new <name>

  4. Agregue la siguiente variable de entorno, que indica al back-end de la aplicación de chat que use una dirección URL personalizada para las solicitudes de Azure OpenAI:

    azd env set OPENAI_HOST azure_custom

  5. Agregue la siguiente variable de entorno. Sustituya <CONTAINER_APP_URL> por la dirección URL de la sección anterior. Esta acción indica al back-end de la aplicación de chat cuál es el valor de la dirección URL personalizada para la solicitud de Azure OpenAI.

    azd env set AZURE_OPENAI_CUSTOM_URL <CONTAINER_APP_URL>

  6. Implemente la aplicación de chat:

    azd up

Ahora puede usar la aplicación de chat con la confianza de que está diseñada para escalar entre muchos usuarios sin agotar la cuota.

Transmitir registros para ver los resultados del equilibrador de carga

  1. En Azure Portal, busque el grupo de recursos.

  2. En la lista de recursos del grupo, seleccione el recurso Azure Container Apps.

  3. Seleccione Supervisión>Flujo de registro para ver el registro.

  4. Use la aplicación de chat para generar tráfico en el registro.

  5. Busque los registros, que hacen referencia a los recursos de Azure OpenAI. Cada uno de los tres recursos tiene su identidad numérica en el comentario de registro que comienza con Proxying to https://openai3, donde 3 indica el tercer recurso de Azure OpenAI.

    Captura de pantalla que muestra los registros de streaming de Azure Container Apps con dos líneas de registro resaltadas para mostrar los comentarios del registro.

Cuando el equilibrador de carga recibe el estado de que la solicitud supera la cuota, el equilibrador de carga gira automáticamente a otro recurso.

Configuración de la cuota de TPM

De forma predeterminada, cada una de las instancias de Azure OpenAI del equilibrador de carga se implementa con una capacidad de 30 000 tokens por minuto (TPM). Puede usar la aplicación de chat con la confianza de que está diseñada para escalar entre muchos usuarios sin agotar la cuota. Cambie este valor cuando:

  • Obtiene errores de capacidad de implementación: menor que ese valor.
  • Necesita una capacidad más alta: aumente el valor.

  1. Use el siguiente comando para cambiar el valor:

    azd env set OPENAI_CAPACITY 50

  2. Vuelva a implementar el equilibrador de carga:

    azd up

Limpieza de recursos

Cuando haya terminado con la aplicación de chat y el equilibrador de carga, limpie los recursos. Los recursos de Azure creados en este artículo se facturan a su suscripción de Azure. Si no espera necesitar estos recursos en el futuro, elimínelos para evitar incurrir en más cargos.

Limpieza de los recursos de la aplicación de chat

Regrese al artículo sobre la aplicación de chat para limpiar los recursos.

Limpieza de los recursos del equilibrador de carga

Ejecute el siguiente comando de la CLI para desarrolladores de Azure para eliminar los recursos de Azure y quite el código fuente:

azd down --purge --force

Los interruptores proporcionan:

  • purge: Los recursos eliminados se eliminan inmediatamente, permitiéndole reutilizar los tokens del servicio Azure OpenAI por minuto.
  • force: la eliminación se produce de forma silenciosa, sin necesidad de consentimiento del usuario.

Limpieza de GitHub Codespaces y Visual Studio Code

La eliminación del entorno de GitHub Codespaces garantiza que pueda maximizar la cantidad de derechos de horas gratuitas por núcleo que obtiene para su cuenta.

Importante

Para obtener más información sobre los derechos de la cuenta de GitHub, consulte Almacenamiento y horas de núcleo incluidas mensualmente en GitHub Codespaces.

  1. Inicie sesión en el panel de GitHub Codespaces.

  2. Busque los codespaces que se ejecutan actualmente a partir del repositorio de GitHub azure-samples/openai-aca-lb.

    Captura de pantalla que muestra todos los espacios de código en ejecución, incluido su estado y sus plantillas.

  3. Abra el menú contextual del espacio de código y seleccione Eliminar.

    Captura de pantalla que muestra el menú contextual de un único espacio de código con la opción Eliminar resaltada.

Obtener ayuda

Si tiene problemas para implementar el Load Balancer de Azure API Management, agregue el problema en la página web del repositorio Problemas.

Código de ejemplo

En este artículo se usan los ejemplos siguientes:

Paso siguiente