模型服務限制和區域
本文摘要說明馬賽克 AI 模型服務和支援的端點類型的限制和區域可用性。
限制
馬賽克 AI 模型服務會強制執行預設限制,以確保可靠的效能。 如果您有這些限制的意見反應,請連絡您的 Databricks 帳戶小組。
下表摘要說明服務端點模型的資源和承載限制。
功能 | 細微性 | 限制 |
---|---|---|
承載大小 | 依據要求 | 16 MB。 對於服務基礎模型或外部模型的端點,限制為4 MB。 |
每秒查詢數 (QPS) | 每個工作區 | 200 QPS。 您可以連絡 Databricks 帳戶小組,以增加到 3000 或更多。 |
模型執行持續時間 | 依據要求 | 120 秒 |
CPU 端點模型記憶體使用量 | 每個端點 | 4GB |
GPU 端點模型記憶體使用量 | 每個端點 | 大於或等於指派的 GPU 記憶體,取決於 GPU 工作負載大小 |
已布建的並行存取 | 每個工作區 | 200 並行。 您可以透過連絡您的 Databricks 帳戶來增加。 |
額外負荷延遲 | 依據要求 | 小於 50 毫秒 |
基礎模型 API (按令牌付費) 費率限制 | 每個工作區 | 請連絡您的 Databricks 帳戶小組,以增加下列限制。 * DBRX 指示模型每秒有 1 個查詢的限制。 * 其他聊天和完成模型的預設速率限製為每秒 2 個查詢。 * 內嵌模型每秒有預設 300 個內嵌輸入。 |
基礎模型 API(布建輸送量)速率限制 | 每個工作區 | 與上面所列的模型服務 QPS 限制相同。 |
模型服務端點受到 訪問控制 的保護,並遵守工作區上設定的網路相關輸入規則,例如IP允許清單和 Private Link。
其他限制也存在:
- 工作區可以部署在支持的區域中,但可由 不同區域中的控制平面 提供服務。 這些工作區不支援模型服務,併產生錯誤訊息,指出您的工作區不受支援。 如需詳細資訊,請連絡您的 Azure Databricks 帳戶小組。
- 模型服務不支援 init 腳本。
- 根據預設,模型服務不支援外部端點的私人連結(例如 Azure OpenAI)。 這項功能的支援會根據每個區域進行評估和實作。 如需詳細資訊,請連絡您的 Azure Databricks 帳戶小組。
基礎模型 API 限制
注意
作為提供基礎模型 API 的一部分,Databricks 可能會處理數據來源區域以外的數據,但不在相關 地理位置之外。
以下是與基礎模型 API 工作負載相關的限制:
- 布建的輸送量 支援 HIPAA 合規性配置檔,而且應該用於需要合規性認證的工作負載。
- 按令牌 付費工作負載 不符合 HIPAA 或合規性安全性配置文件規範。
- 針對基礎模型 API 端點,只有工作區管理員可以變更治理設定,例如速率限制。 若要變更速率限制,請使用下列步驟:
- 開啟工作區中的 [服務 UI] 以查看您的服務端點。
- 從您要編輯的基礎模型 API 端點的 Kebab 選單中,選取 [ 檢視詳細數據]。
- 從端點詳細數據頁面右上角的Kebab功能表中,選取 [ 變更速率限制]。
- 若要針對 布建的輸送量 工作負載使用 DBRX 模型架構,您的服務端點必須位於下列其中一個區域:
eastus
eastus2
westus
centralus
westeurope
northeurope
australiaeast
canadacentral
brazilsouth
- 只有 GTE Large (En) 和 Meta Llama 3.1 70B 指示模型可在每個令牌歐盟和美國支援的區域中使用。
- 只有基礎模型 API 支援每個令牌付費區域才支援下列按令牌付費模型模型:
- Meta Llama 3.1 405B 指示
- DBRX 指示
- Mixtral-8x7B 指示
- BGE 大型 (En)
- Llama 2 70B Chat
區域可用性
注意
如果您需要位於不支持區域中的端點,請連絡您的 Azure Databricks 帳戶小組。
如需功能區域可用性的詳細資訊,請參閱 提供區域可用性的模型。