Skalieren von Azure OpenAI für .NET-Chat unter Verwendung von RAG mit Azure-Container-Apps

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 einsetzen:

• 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:

    • .NET
    • JavaScript
    • Python

• Lastenausgleichs-App

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.

Um die Chat-App zu verwenden, ohne diese Grenzwerte zu erreichen, verwenden Sie eine Lastenausgleichslösung mit Container-Apps. Diese Lösung macht einen einzelnen Endpunkt von Container-Apps nahtlos für Ihren Chat-App-Server verfügbar.

Die Container-App sitzt vor einer Reihe von Azure OpenAI-Ressourcen. Die Container-App löst zwei Szenarien: normal und gedrosselt. In einem normale Szenario, bei dem ein Token- und Modell-Kontingent verfügbar ist, gibt die Azure OpenAI-Ressource über die Container-App und den App-Server einen Wert von 200 zurück.

Wenn sich eine Ressource in einem gedrosselten Szenario befindet, z. B. aufgrund von Kontingentbeschränkungen, kann die Container-App sofort eine andere Azure OpenAI-Ressource ausprobieren, um die ursprüngliche Chat-App-Anforderung vollständig zu erfüllen.

Voraussetzungen

• Azure-Abonnement. Kostenlos erstellen

• Zugriff auf Azure OpenAI im gewünschten Azure-Abonnement gewährt.

  Der Zugriff auf diesen Dienst wird derzeit nur auf Antrag gewährt. Sie sollten den Zugriff auf Azure OpenAI beantragen.

• Dev-Container sind für beide Beispiele verfügbar, wobei alle Abhängigkeiten erforderlich sind, um diesen Artikel abzuschließen. Sie können die Entwicklercontainer in GitHub Codespaces (in einem Browser) oder lokal mit Visual Studio Code ausführen.

Öffnen der Load Balancer-Beispiel-App für Container-Apps

Bereitstellen des Load Balancers für Azure Container-Apps

1. Melden Sie sich bei der Azure Developer CLI an, um sich für die Bereitstellungs- und Einrichtungsschritte zu authentifizieren.

   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-App bereit:

   azd up
   

   Wählen Sie ein Abonnement und eine Region für die Bereitstellung aus. Sie müssen nicht dasselbe Abonnement und dieselbe Region wie die 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 ihn im nächsten Abschnitt.

Erneutes Bereitstellen einer Chat-App mit dem Load Balancer-Endpunkt

Diese Beispiele werden im Chat-App-Beispiel abgeschlossen.

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>Protokolldatenstrom aus, 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.

   

Wenn das Lastenausgleichsmodul den Status erhält, dass die Anforderung das Kontingent überschreitet, wechselt der Lastenausgleich automatisch zu einer anderen Ressource.

Konfigurieren des TPM-Kontingents

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

• Es treten Kapazitätsfehler bei der Bereitstellung auf: Verringern Sie diesen 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 erneut bereit:

   azd up
   

Bereinigen von Ressourcen

Wenn Sie mit der Chat-App und dem Lastenausgleich fertig sind, bereinigen Sie die Ressourcen. 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

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

• .NET
• JavaScript
• Python

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 entfernt, sodass Sie die Azure OpenAI-Dienst-Token pro Minute wiederverwenden können.
• force: Die Löschung erfolgt im Hintergrund, ohne dass die Zustimmung des Benutzers erforderlich ist.

Bereinigen von GitHub-Codespaces und Visual Studio Code

Hilfe anfordern

Wenn Sie Probleme beim Bereitstellen des Azure API Management-Load Balancers haben, fügen Sie Ihr Problem der Repository-Website Probleme hinzu.

Beispielcode

Beispiele, die in diesem Artikel verwendet werden, umfassen:

• .NET-Chat-App mit RAG
• Load Balancer mit Azure Container Apps

Nächster Schritt

• Verwenden Sie Azure Load Testing für den Auslastungstest Ihrer Chat-App