Freigeben über

Skalieren von Azure OpenAI für Python-Chat mithilfe von RAG mit Azure-Container-Apps

  • Artikel

Erfahren Sie, wie Sie Ihrer Anwendung Lastenausgleich hinzufügen, um die Chat-App über die Azure OpenAI-Diensttoken- und Modellkontingentgrenzen hinaus zu erweitern. Dieser Ansatz verwendet Azure-Container-Apps, um drei Azure OpenAI-Endpunkte und einen primären Container zu erstellen, um eingehenden Datenverkehr an einen der drei Endpunkte zu leiten.

In diesem Artikel müssen Sie zwei separate Beispiele bereitstellen:

  • Chat-App

    • Wenn Sie die Chat-App noch nicht bereitgestellt haben, warten Sie, bis das Beispiel zum Lastenausgleich bereitgestellt wurde.

    • Wenn Sie die Chat-App bereits einmal bereitgestellt haben, ändern Sie die Umgebungsvariable so, dass ein benutzerdefinierter Endpunkt für das Lastenausgleichsmodul unterstützt und erneut bereitgestellt wird.

    • Die Chat-App ist in diesen Sprachen verfügbar:

  • Lastenausgleichs-App

Anmerkung

In diesem Artikel werden eine oder mehrere KI-App-Vorlagen als Grundlage für die im Artikel verwendeten Beispiele und Anleitungen verwendet. KI-App-Vorlagen bieten Ihnen gut gepflegte Referenzimplementierungen, die einfach bereitzustellen sind. Sie tragen dazu bei, einen qualitativ hochwertigen Ausgangspunkt für Ihre KI-Apps zu gewährleisten.

Architektur für den Lastenausgleich von Azure OpenAI mit Azure-Container-Apps

Da die Azure OpenAI-Ressource bestimmte Token- und Modellkontingentbeschränkungen aufweist, ist eine Chat-App, die eine einzelne Azure OpenAI-Ressource verwendet, anfällig für Unterhaltungsfehler aufgrund dieser Grenzwerte.

Diagramm, in dem die Chat-App-Architektur mit hervorgehobener Azure OpenAI-Ressource angezeigt wird.

Um die Chat-App zu nutzen, ohne an diese Grenzen zu stoßen, verwenden Sie eine Lösung mit Lastausgleich mit Container Apps. Diese Lösung stellt nahtlos einen einzigen Endpunkt von Container Apps zu Ihrem Chat-App-Server zur Verfügung.

Diagramm, das die Chat-App-Architektur mit Azure-Container-Apps vor drei Azure OpenAI-Ressourcen zeigt.

Die Container-App ist vor einer Reihe von Azure OpenAI-Ressourcen positioniert. Die Container-App löst zwei Szenarien: normal und gedrosselt. Während einer normales Szenario wo Token- und Modellkontingente verfügbar sind, gibt die Azure OpenAI-Ressource eine 200 über die Container-App und den App-Server zurück.

Diagramm, das ein normales Szenario veranschaulicht. Dieses zeigt drei Azure OpenAI-Endpunktgruppen, wobei die erste Gruppe aus zwei Endpunkten besteht, die erfolgreichen Datenverkehr erhalten.

Wenn sich eine Ressource in einem Drosselungsszenario kann die Container-App aufgrund von Quotenbeschränkungen sofort eine andere Azure OpenAI-Ressource erneut versuchen, um die ursprüngliche Chat-App-Anfrage zu erfüllen.

Diagramm, das ein Drosselungsszenario mit einem Antwortcode 429 und einem Antwort-Header zeigt, der angibt, wie viele Sekunden der Client warten muss, um es erneut zu versuchen.

Voraussetzungen

Öffnen Sie die Container Apps Load Balancer Beispielanwendung

GitHub Codespaces führt einen von GitHub verwalteten Entwicklungscontainer mit Visual Studio Code für das Web als Benutzeroberfläche. Verwenden Sie für die einfachste Entwicklungsumgebung GitHub Codespaces, damit Sie die richtigen Entwicklertools und Abhängigkeiten vorinstalliert haben, um diesen Artikel abzuschließen.

In GitHub Codespaces öffnen.

Wichtig

Alle GitHub-Konten können GitHub Codespaces für bis zu 60 Stunden kostenlos jeden Monat mit zwei Kerninstanzen verwenden. Weitere Informationen finden Sie im Artikel zu monatlich enthaltener Speicherkapazität und Kernstunden in GitHub Codespaces.

Bereitstellen des Azure Container Apps Load Balancer

  1. Melden Sie sich bei der Azure Developer CLI an, um eine Authentifizierung für die Bereitstellungs- und Implementierungsschritte bereitzustellen.

    azd auth login --use-device-code

  2. Legen Sie eine Umgebungsvariable fest, um die Azure-CLI-Authentifizierung für den Schritt nach der Bereitstellung zu verwenden:

    azd config set auth.useAzCliAuth "true"

  3. Stellen Sie die Load Balancer-Anwendung bereit:

    azd up

    Wählen Sie ein Abonnement und eine Region für die Bereitstellung aus. Es müssen nicht dasselbe Abonnement und dieselbe Region wie bei der Chat-App sein.

  4. Warten Sie, bis die Bereitstellung abgeschlossen ist, bevor Sie fortfahren.

Abrufen des Bereitstellungsendpunkts

  1. Verwenden Sie den folgenden Befehl, um den bereitgestellten Endpunkt für die Container-App anzuzeigen:

    azd env get-values

  2. Kopieren Sie den CONTAINER_APP_URL-Wert. Sie verwenden es im nächsten Abschnitt.

Verteilen Sie die Chat-Anwendung mit dem Lastausgleichsendpunkt neu

Diese Beispiele werden auf dem Chat-App-Beispiel vervollständigt.

  1. Öffnen Sie den Dev-Container des Chat-App-Beispiels, indem Sie eine der folgenden Optionen verwenden.

    Sprache GitHub Codespaces Visual Studio Code
    .NET In GitHub Codespaces öffnen In Dev-Containern öffnen
    JavaScript In GitHub Codespaces öffnen In Dev-Containern öffnen
    Python In GitHub Codespaces öffnen In Dev-Containern öffnen

  2. Melden Sie sich bei der Azure Developer CLI (AZD) an:

    azd auth login

    Schließen Sie die Anmeldeanweisungen ab.

  3. Erstellen einer AZD Umgebung mit einem Namen wie chat-app:

    azd env new <name>

  4. Fügen Sie die folgende Umgebungsvariable hinzu, die das Back-End der Chat-App angibt, eine benutzerdefinierte URL für die Azure OpenAI-Anforderungen zu verwenden:

    azd env set OPENAI_HOST azure_custom

  5. Fügen Sie die folgende Umgebungsvariable hinzu. Ersetzen Sie <CONTAINER_APP_URL> für die URL aus dem vorherigen Abschnitt. Diese Aktion teilt dem Back-End der Chat-App mit, was der Wert der benutzerdefinierten URL für die Azure OpenAI-Anforderung ist.

    azd env set AZURE_OPENAI_CUSTOM_URL <CONTAINER_APP_URL>

  6. Bereitstellen der Chat-App:

    azd up

Sie können jetzt die Chat-App mit dem Vertrauen verwenden, dass sie für viele Benutzer entwickelt wurde, ohne dass das Kontingent überschritten wird.

Datenstromprotokolle zum Anzeigen der Ergebnisse des Lastenausgleichs

  1. Durchsuchen Sie im Azure-Portal Ihre Ressourcengruppe.

  2. Wählen Sie in der Liste der Ressourcen in der Gruppe die Azure-Container-Apps-Ressource aus.

  3. Wählen Sie Überwachung>Log-Stream um das Protokoll anzuzeigen.

  4. Verwenden Sie die Chat-App, um Datenverkehr im Protokoll zu generieren.

  5. Suchen Sie nach den Protokollen, die auf die Azure OpenAI-Ressourcen verweisen. Jede der drei Ressourcen weist ihre numerische Identität im Protokollkommentar auf, der mit Proxying to https://openai3beginnt, wobei 3 die dritte Azure OpenAI-Ressource angibt.

    Screenshot, der die Streaming-Protokolle von Azure Container Apps mit zwei hervorgehobenen Protokollzeilen zeigt, um die Protokollkommentare zu veranschaulichen.

Wenn der Load Balancer den Status erhält, dass die Anfrage die Quote überschreitet, wechselt er automatisch zu einer anderen Ressource.

Konfigurieren Sie die TPM-Quote

Standardmäßig wird jede Azure OpenAI-Instanz im Load Balancer mit einer Kapazität von 30.000 Token pro Minute (TPM) bereitgestellt. Sie können die Chat-App mit der Zuversicht verwenden, dass sie so konzipiert wurde, dass sie für viele Benutzer skaliert, ohne dass das Kontingent überschritten wird. Ändern Sie diesen Wert in folgenden Fällen:

  • Sie erhalten Verteilungskapazitätsfehler: Verringern Sie den Wert.
  • Sie benötigen eine höhere Kapazität: Erhöhen Sie den Wert.

  1. Verwenden Sie den folgenden Befehl, um den Wert zu ändern:

    azd env set OPENAI_CAPACITY 50

  2. Stellen Sie den Load Balancer neu ein:

    azd up

Bereinigen von Ressourcen

Wenn Sie mit der Chat-App und dem Lastausgleich fertig sind, räumen Sie die Ressourcen auf. Die in diesem Artikel erstellten Azure-Ressourcen werden Ihrem Azure-Abonnement in Rechnung gestellt. Wenn Sie nicht erwarten, dass diese Ressourcen in Zukunft benötigt werden, löschen Sie sie, um mehr Gebühren zu vermeiden.

Bereinigen Sie die Chat-App-Ressourcen

Rückgabe Sie zum Artikel über die Chat-App zurück, um die Ressourcen zu bereinigen:

Bereinigen Sie die hochgeladenen Lastenausgleichsressourcen

Führen Sie den folgenden Azure Developer CLI-Befehl aus, um die Azure-Ressourcen zu löschen und den Quellcode zu entfernen:

azd down --purge --force

Die Schalter bieten:

  • purge: Gelöschte Ressourcen werden sofort gelöscht, sodass Sie die Azure OpenAI Service-Tokens pro Minute wiederverwenden können.
  • force: Die Löschung erfolgt im Hintergrund, ohne dass die Zustimmung des Benutzers erforderlich ist.

GitHub Codespaces und Visual Studio Code aufräumen

Das Löschen der GitHub Codespaces-Umgebung stellt sicher, dass Sie die Anzahl der kostenlosen Stunden pro Kernstunden, Berechtigung die Sie für Ihr Konto erhalten, maximieren können.

Wichtig

Weitere Informationen zu den Berechtigungen Ihres GitHub-Kontos finden Sie im Artikel zu monatlich enthaltener Speicherkapazität und Kernstunden in GitHub Codespaces.

  1. Melden Sie sich bei der GitHub Codespaces Dashboard.

  2. Suchen Sie Ihre derzeit laufenden Codespaces, die aus dem azure-beispiele/openai-aca-lb GitHub-Repository.

    Screenshot, der alle laufenden Codespaces, einschließlich ihres Status und ihrer Vorlagen, zeigt.

  3. Öffnen Sie das Kontextmenü für den Codespace, und wählen Sie dann Löschen.

    Screenshot, der das Kontextmenü für einen einzelnen Codespace mit der hervorgehobenen Option Löschen zeigt.

Hilfe anfordern

Wenn Sie Probleme beim Bereitstellen des Azure API Management-Lastenausgleichs haben, fügen Sie Ihr Problem dem Repository hinzu. Probleme Webseite.

Beispielcode

Beispiele, die in diesem Artikel verwendet werden, umfassen:

Verwandte Inhalte

Verwenden Sie Azure Load Testing, um Ihre Chat-App einem Lasttest zu unterziehen.