Dimensione o bate-papo do Azure OpenAI para Python 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 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

Arquitetura para balanceamento de carga do Azure OpenAI com Aplicativos de Contêiner 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 preencher a solicitação original do aplicativo de chat.

Pré-requisitos

• Subscrição do Azure. Crie um gratuitamente

• Acesso concedido ao Azure OpenAI na subscrição pretendida do Azure.

  Atualmente, o acesso a este serviço é concedido apenas por pedido. Você pode solicitar acesso ao Azure OpenAI preenchendo 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 no GitHub Codespaces (em um navegador) ou localmente usando o Visual Studio Code.

  • Codespaces (recomendado)
  • Visual Studio Code

  • Conta do GitHub

Abrir aplicativo de exemplo de balanceador local de aplicativos de contêiner

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. Eles não precisam ser a mesma assinatura e região do aplicativo de bate-papo.

4. Aguarde pela conclusão da implementação antes de continuar.

Obter o ponto de extremidade de implantação

1. Use o comando a seguir para exibir o ponto de extremidade implantado para o aplicativo Contêiner do Azure.

   azd env get-values
   

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

Reimplantar o aplicativo de bate-papo com o ponto de extremidade do balanceador de carga

Estes são concluídos no exemplo de aplicativo de chat.

Agora você pode usar o aplicativo de bate-papo com a confiança de que ele foi criado para ser dimensionado para muitos usuários sem ficar sem 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 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 fazem referência 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 de tokens por minuto (TPM)

Por padrão, cada uma das instâncias OpenAI no balanceador de carga será implantada com capacidade de 30.000 TPM (tokens por minuto). Você pode usar o aplicativo de bate-papo com a confiança de que ele foi criado para ser dimensionado para muitos usuários sem ficar sem cota. Altere este valor quando:

• Você obtém erros de capacidade de implantação: diminua esse valor.
• Planear maior capacidade, aumentar 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
   

Clean up resources (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

Volte ao artigo do aplicativo de bate-papo para limpar esses recursos.

• .NET
• JavaScript
• Python

Recursos limpos 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 imediatamente limpos. 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

Obter ajuda

Se você tiver problemas para implantar o balanceador de carga do Gerenciamento de API do Azure, registre seu problema nos Problemas do repositório.

Código de exemplo

Os exemplos usados neste artigo incluem:

• Aplicativo de bate-papo Python com RAG
• Balanceador de Carga com Aplicativos de Contêiner do Azure

Próximo passo

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