Dimensionar o chat do OpenAI do Azure para Java usando o RAG com os Aplicativos de Contêiner do Azure

Saiba como adicionar balanceamento de carga ao seu aplicativo para estender o aplicativo de chat além dos limites de cota de modelo e token do Serviço OpenAI do Azure. Essa abordagem usa os Aplicativos de Contêiner do Azure para criar três pontos de extremidade do Azure OpenAI e um contêiner primário para direcionar o tráfego de entrada para um dos três pontos de extremidade.

Este artigo requer que você implante duas amostras separadas:

• Aplicativo de chat

  • Se você ainda não implantou o aplicativo de chat, aguarde até que o exemplo do balanceador de carga seja implantado.

  • Se você já implantou o aplicativo de chat uma vez, altere a variável de ambiente para dar suporte a um ponto de extremidade personalizado para o balanceador de carga e reimplantá-lo novamente.

  • O aplicativo de chat está disponível nestes idiomas:

    • .NET
    • JavaScript
    • Python

• Aplicativo balanceador de carga

Nota

Este artigo usa um ou mais modelos de aplicativo de IA como base para os exemplos e diretrizes no artigo. Os modelos de aplicativo de IA fornecem implementações de referência bem mantidas que são fáceis de implantar. Eles ajudam a garantir um ponto de partida de alta qualidade para seus aplicativos de IA.

Arquitetura para balanceamento de carga do OpenAI do Azure com Aplicativos de Contêiner do Azure

Como o recurso do Azure OpenAI tem limites específicos de cota de token e modelo, um aplicativo de chat que usa um único recurso do Azure OpenAI está propenso a ter falhas de conversa devido a esses limites.

Para usar o aplicativo de chat sem atingir esses limites, use uma solução com balanceamento de carga com os Aplicativos de Contêiner. Esta solução expõe perfeitamente um único ponto de extremidade dos Aplicativos de Contêiner para o servidor de aplicativo de chat.

O aplicativo de contêiner fica na frente de um conjunto de recursos do Azure OpenAI. O Aplicativo de Contêiner resolve dois cenários: normal e limitado. Durante um cenário normal em que a cota de token e modelo estão disponíveis, o recurso do OpenAI do Azure retorna um 200 de volta por meio do aplicativo de contêiner e do servidor de aplicativos.

Quando um recurso está em um cenário limitado, como devido a limites de cota, o aplicativo de contêiner pode tentar novamente um recurso do OpenAI do Azure diferente imediatamente para realizar a solicitação de aplicativo de chat original.

Pré-requisitos

• Assinatura do Azure. Crie um gratuitamente

• Acesso concedido ao Azure OpenAI na assinatura desejada do Azure.

  Atualmente, o acesso a esse serviço é concedido somente pelo aplicativo. Você pode solicitar acesso ao Azure OpenAI concluindo o formulário em https://aka.ms/oai/access.

• Os contêineres de desenvolvimento estão disponíveis para ambos os exemplos, com todas as dependências necessárias para concluir este artigo. Você pode executar os contêineres de desenvolvimento em Codespaces do GitHub (em um navegador) ou localmente usando o Visual Studio Code.

  Codespaces do GitHub

  • Conta do GitHub

  Visual Studio Code

  • Docker Desktop – inicie o Docker Desktop se ele ainda não estiver em execução
  • Visual Studio Code
  • Extensão de contêiner de desenvolvimento

Abrir o aplicativo de exemplo de load balancer de Aplicativos de Contêiner

Codespaces do GitHub

O GitHub Codespaces executa um contêiner de desenvolvimento gerenciado pelo GitHub com o Visual Studio Code para Web como interface do usuário. Para o ambiente de desenvolvimento mais simples, use os Codespaces do GitHub para que você tenha as ferramentas e dependências de desenvolvedor corretas pré-instaladas para concluir este artigo.

Importante

Todas as contas do GitHub podem usar Codespaces do GitHub por até 60 horas grátis por mês com duas instâncias principais. Para saber mais, confira Armazenamento e horas por núcleo incluídos mensalmente no GitHub Codespaces.

Visual Studio Code

A extensão Dev Containers para Visual Studio Code requer que o Docker seja instalado no computador local. A extensão hospeda o contêiner de desenvolvimento localmente usando o host do Docker com as ferramentas e dependências de desenvolvedor corretas pré-instaladas para concluir este artigo.

Implantar o balanceador de carga dos Aplicativos de Contêiner do Azure

1. Entre na CLI do Desenvolvedor do Azure para fornecer autenticação às etapas de provisionamento e implantação:

   azd auth login --use-device-code
   

2. Defina uma variável de ambiente para usar a autenticação da CLI do Azure para a etapa pós-provisionamento:

   azd config set auth.useAzCliAuth "true"
   

3. Implante o aplicativo do balanceador de carga:

   azd up
   

   Selecione uma assinatura e uma região para a implantação. Não precisam ser a mesma assinatura e região que o aplicativo de chat.

4. Aguarde até que a implantação seja concluída antes de continuar.

Obter o ponto de extremidade de implantação

1. Use o seguinte comando para exibir o endpoint implantado para o aplicativo em contêiner:

   azd env get-values
   

2. Copie o valor CONTAINER_APP_URL. Você o usará na próxima seção.

Reimplantar o aplicativo de chat com o ponto de extremidade do load balancer

Esses exemplos são concluídos no exemplo do aplicativo de chat.

Implantação inicial

1. Abra o contêiner de desenvolvimento do aplicativo de chat usando uma das opções a seguir.

   Idioma	GitHub Codespaces	Visual Studio Code
   .NET
   JavaScript
   Python

2. Fazer login na CLI do Desenvolvedor do Azure (AZD):

   azd auth login
   

   Conclua as instruções de entrada.

3. Crie um ambiente AZD com um nome como chat-app:

   azd env new <name>
   

4. Adicione a seguinte variável de ambiente, que informa ao back-end do aplicativo de chat para usar uma URL personalizada para as solicitações do Azure OpenAI:

   azd env set OPENAI_HOST azure_custom
   

5. Adicione a variável de ambiente a seguir. Substitua <CONTAINER_APP_URL> pela URL da seção anterior. Essa ação informa ao back-end do aplicativo de chat qual é o valor da URL personalizada para a solicitação do Azure OpenAI.

   azd env set AZURE_OPENAI_CUSTOM_URL <CONTAINER_APP_URL>
   

6. Implante o aplicativo de chat:

   azd up
   

Realocação

1. Reabra o contêiner de desenvolvimento do aplicativo de chat usando uma das opções a seguir.

   Idioma	GitHub Codespaces	Visual Studio Code
   .NET
   JavaScript
   Python

2. Adicione a seguinte variável de ambiente, que informa ao back-end do aplicativo de chat para usar uma URL personalizada para as solicitações do Azure OpenAI:

   azd env set OPENAI_HOST azure_custom
   

3. Adicione a seguinte variável de ambiente, que informa ao back-end do aplicativo de chat qual é o valor da URL personalizada para a solicitação do Azure OpenAI:

   azd env set CONTAINER_APP_URL <CONTAINER_APP_URL>
   

4. Implante o aplicativo de chat:

   azd up
   

   Aguarde até que esse processo seja concluído antes de continuar.

Agora você pode usar o aplicativo de chat com a confiança de que ele foi criado para escalar para muitos usuários sem exceder a cota.

Transmitir logs para ver os resultados do balanceador de carga

1. No portal do Azure, pesquise seu grupo de recursos.

2. Na lista de recursos no grupo, selecione o recurso Aplicativos de Contêiner do Azure.

3. Selecione Monitoramento>Fluxo de log para exibir o log.

4. Use o aplicativo de chat para gerar tráfego no log.

5. Busque os logs que fazem referência aos recursos do Azure OpenAI. Cada um dos três recursos tem sua identidade numérica no comentário de log que começa com Proxying to https://openai3, em que 3 indica o terceiro recurso do Azure OpenAI.

   

Quando o balanceador de carga recebe o status de que a solicitação excede a cota, o balanceador de carga gira automaticamente para outro recurso.

Configurar a cota do TPM

Por padrão, cada uma das instâncias do OpenAI do Azure no load balancer é implantada com capacidade de 30.000 tokens por minuto (TPM). Você pode usar o aplicativo de chat tendo a confiança de que ele foi criado para ser dimensionado entre muitos usuários sem ficar sem cota. Altere esse valor quando:

• Se ocorrerem erros de capacidade de implantação: reduza o valor.
• Você precisa de maior capacidade: aumente o valor.

1. Use o seguinte comando para alterar o valor:

   azd env set OPENAI_CAPACITY 50
   

2. Reimplantar o balanceador de carga:

   azd up
   

Limpar recursos

Quando terminar de usar o aplicativo de chat e o balanceador de carga, limpe os recursos. Os recursos do Azure criados neste artigo são cobrados para sua assinatura do Azure. Se você não espera precisar desses recursos no futuro, exclua-os para evitar incorrer em mais encargos.

Limpar recursos do aplicativo de chat

Retorne ao artigo sobre o aplicativo de chat para limpar os recursos:

• .NET
• JavaScript
• Python

Limpar recursos do balanceador de upload

Execute o seguinte comando da CLI do Desenvolvedor do Azure para excluir os recursos do Azure e remover o código-fonte:

azd down --purge --force

Os interruptores fornecem:

• purge: Os recursos excluídos são eliminados imediatamente para que você possa reutilizar os tokens do Serviço OpenAI do Azure a cada minuto.
• force: a exclusão ocorre silenciosamente, sem exigir o consentimento do usuário.

Limpar os codespaces do GitHub e o Visual Studio Code

Codespaces do GitHub

A exclusão do ambiente GitHub Codespaces garante que você possa maximizar a quantidade de horas gratuitas por núcleo que você tem direito na sua conta.

Importante

Para saber mais sobre os direitos da sua conta do GitHub, confira O GitHub Codespaces inclui mensalmente armazenamento e horas de núcleo.

1. Faça login no painel de controle do GitHub Codespaces.

2. Localize seus codespaces em execução que são originados no repositório do GitHub azure-samples/openai-aca-lb.

   

3. Abra o menu de contexto do codespace e selecione Excluir.

   

Visual Studio Code

Você não é necessariamente obrigado a limpar seu ambiente local, mas pode parar o contêiner de desenvolvimento em execução e voltar a executar o Visual Studio Code no contexto de um workspace local.

1. Abra a paleta Comando e pesquise pelos comandos Contêineres de Desenvolvimento.

2. Selecione Contêineres de desenvolvimento: reabrir pasta localmente.

   

Dica

O Visual Studio Code interrompe o contêiner de desenvolvimento em execução, mas o contêiner ainda existe no Docker em um estado parado. Você sempre tem a opção de excluir a instância de contêiner, a imagem de contêiner e os volumes do Docker para liberar mais espaço no computador local.

Obter ajuda

Se você tiver problemas para implantar o balanceador de carga do Gerenciamento de API do Azure, adicione o seu problema à página da Web Problemas do repositório.

Código de exemplo

Os exemplos usados neste artigo incluem:

• Aplicativo de chat Java com RAG
• Balanceador de carga com Aplicativos de Contêiner do Azure

Próxima etapa

• Usar o Teste de Carga do Azure para testar a carga do aplicativo de chat com