Escalone o chat do Azure OpenAI para Java usando RAG com as Aplicações de Contentor do Azure

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

Este artigo requer que você implante dois exemplos separados:

• Aplicativo de bate-papo

  • Se você ainda não implantou o aplicativo de bate-papo, aguarde até que o exemplo de balanceador de carga seja implantado.

  • Se você já tiver implantado o aplicativo de chat uma vez, alterará a variável de ambiente para oferecer suporte a um ponto de extremidade personalizado para o balanceador de carga e o reimplantará novamente.

  • Aplicativo de bate-papo disponível nestes idiomas:

    • .NET
    • JavaScript
    • Python

• Aplicativo de balanceador de carga

Observação

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

Arquitetura para balanceamento de carga do Azure OpenAI com Aplicações em Contentores do Azure

Como o recurso do Azure OpenAI tem limites específicos de token e cota de modelo, um aplicativo de chat usando um único recurso do Azure OpenAI é 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 do Azure. Esta solução expõe perfeitamente um único ponto de extremidade dos Aplicativos de Contêiner do Azure ao seu servidor de aplicativo de chat.

O aplicativo Contêiner do Azure fica na frente de um conjunto de recursos do Azure OpenAI. O aplicativo Container resolve dois cenários: normal e limitado. Durante um cenário normal em que a cota de token e modelo está disponível, o recurso 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 Contêiner do Azure pode tentar novamente um recurso OpenAI do Azure diferente imediatamente para atender à solicitação original do aplicativo de chat.

Pré-requisitos

• Subscrição do Azure. Crie um gratuitamente

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

  Atualmente, o acesso a este serviço é concedido apenas por aplicativo. Você pode solicitar acesso ao Azure OpenAI preenchendo o formulário em https://aka.ms/oai/access.

• Contentores de desenvolvimento estão disponíveis para ambos os exemplos, com todas as dependências necessárias para concluir este artigo. Você pode executar os contêineres de desenvolvimento no GitHub Codespaces (em um navegador) ou localmente usando o Visual Studio Code.

  GitHub Codespaces

  • Conta do GitHub

  • Docker Desktop - inicie o Docker Desktop se ainda não estiver em execução
  • de código do Visual Studio
  • Extensão de contêiner de desenvolvimento

Abrir aplicação de exemplo do balanceador local para apps de contêiner

GitHub Codespaces

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

Importante

Todas as contas do GitHub podem usar o Codespaces por até 60 horas gratuitas por mês com 2 instâncias principais. Para obter mais informações, consulte os Codespaces do GitHub incluem mensalmente o armazenamento e as horas principais.

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

Implantar o balanceador de carga de 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 de pós-provisionamento.

   azd config set auth.useAzCliAuth "true"
   

3. Implante o aplicativo balanceador de carga.

   azd up
   

   Você precisará selecionar uma assinatura e uma região para a implantação. Não é necessário que sejam a mesma subscrição e região do aplicativo de bate-papo.

4. Aguarde a conclusão da implantação antes de continuar.

Obter o ponto de extremidade de implantação

1. Use o seguinte comando para mostrar o endpoint implementado para a aplicação Azure Container.

   azd env get-values
   

2. Copie o valor CONTAINER_APP_URL. Você vai usá-lo na próxima seção.

Reativar a aplicação de chat com o endpoint do balanceador de carga.

As tarefas são concluídas na aplicação de exemplo do chat.

Implantação inicial

1. Abra o contêiner de desenvolvimento do exemplo de aplicativo de bate-papo usando uma das opções a seguir.

   Idioma	Codespaces	Código do Visual Studio
   .NET
   Javascript
   Python

2. Entre na CLI do Desenvolvedor do Azure (AZD).

   azd auth login
   

   Termine as instruções de login.

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 bate-papo para usar uma URL personalizada para as solicitações OpenAI.

   azd env set OPENAI_HOST azure_custom
   

5. Adicione a seguinte variável de ambiente, substituindo <CONTAINER_APP_URL> pela URL da seção anterior. Essa ação informa ao back-end do aplicativo de bate-papo qual é o valor da URL personalizada para a solicitação OpenAI.

   azd env set AZURE_OPENAI_CUSTOM_URL <CONTAINER_APP_URL>
   

6. Implante o aplicativo de bate-papo.

   azd up
   

Redistribuição

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

   Idioma	Codespaces	Código do Visual Studio
   .NET
   Javascript	de Codespaces do GitHub
   Python

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

   azd env set OPENAI_HOST azure_custom
   

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

   azd env set CONTAINER_APP_URL <CONTAINER_APP_URL>
   

4. Implante o aplicativo de bate-papo.

   azd up
   

   Aguarde até que este processo termine antes de continuar.

Agora pode utilizar a aplicação de chat com a confiança de que está concebida para escalar para muitos utilizadores sem esgotar o limite.

Transmitir logs para ver os resultados do balanceador de carga

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

2. Na lista de recursos do grupo, selecione o recurso Aplicativo de contêiner.

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

4. Use o aplicativo de bate-papo para gerar tráfego no log.

5. Procure os logs que se referem aos recursos do Azure OpenAI. Cada um dos três recursos tem sua identidade numérica no comentário de log começando com Proxying to https://openai3, onde 3 indica o terceiro recurso do Azure OpenAI.

   

6. À medida que você usa o aplicativo de bate-papo, quando o balanceador de carga recebe o status de que a solicitação excedeu a cota, o balanceador de carga gira automaticamente para outro recurso.

Configurar a cota do TPM

Por predefinição, cada uma das instâncias do Azure OpenAI no balanceador de carga é implantada com uma capacidade de 30.000 tokens por minuto (TPM). Você pode usar a aplicação de chat com a confiança de que ela foi criada para ser escalável para muitos utilizadores sem exceder a cota. Altere este valor quando:

• Ao encontrar erros de capacidade de implantação, diminua o valor.
• Você precisa de capacidade superior: aumente o valor.

1. Use o seguinte comando para alterar o valor:

   azd env set OPENAI_CAPACITY 50
   

2. Reimplante o balanceador de carga:

   azd up
   

Limpar recursos

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

Limpar recursos do aplicativo de bate-papo

Retorne ao artigo do app de chat para limpar esses recursos.

• .NET
• JavaScript
• Python

Limpar os recursos do balanceador de carga 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 imediatamente eliminados. Isso permite que você reutilize o Azure OpenAI TPM.
• force: A exclusão acontece silenciosamente, sem exigir o consentimento do usuário.

Limpar espaços de código do GitHub

GitHub Codespaces

Excluir o ambiente do GitHub Codespaces garante o máximo aproveitamento das horas gratuitas por núcleo disponíveis para a tua conta.

Importante

Para obter mais informações sobre os direitos da sua conta do GitHub, consulte os Codespaces do GitHub incluem mensalmente o armazenamento e as horas principais.

1. Inicie sessão no painel do GitHub Codespaces (https://github.com/codespaces).

2. Encontre os seus Codespaces atualmente em execução, provenientes do repositório GitHub azure-samples/openai-aca-lb.

   

3. Abra o menu de contexto para o espaço de código e, em seguida, selecione Excluir.

   

Você não é necessariamente obrigado a limpar seu ambiente local, mas pode parar o contêiner de desenvolvimento em execução e retornar à execução do Visual Studio Code no contexto de um espaço de trabalho local.

1. Abra a Paleta de Comandos, procure os comandos Dev Containers e selecione Dev Containers: Reabrir Pasta Localmente.

   

Dica

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

Obter ajuda

Se tiver problemas ao implementar o balanceador de carga do Gerenciamento de API do Azure, registe o seu problema na secção de Problemas do repositório em .

Código de exemplo

Os exemplos usados neste artigo incluem:

• aplicativo de bate-papo Java com RAG
• Balanceador de Carga com Aplicações de Contentor do Azure

Próximo passo

• Use de Teste de Carga do Azure para carregar seu aplicativo de chat com