Azure в продукционна среда
На тази страница
Подготовка за стабилно разполагане в Azure
Работещ прототип на лаптопа Ви и продукционна система не се различават по кода за извикване, който остава идентичен. Разликата е във всичко около този код: откъде идват секретите, как наблюдавате случващото се, какво става при удвояване на трафика и по кой мрежов път пътуват данните. Този урок обхваща тези четири измерения за разполагане на Mistral в Azure.
Продукционна архитектура
Типичното разполагане събира пет основни блока. Крайната точка на Azure AI хоства модела на Mistral като MaaS; Azure Key Vault съхранява API ключовете; Azure Monitor и Application Insights осигуряват наблюдаемост; Azure API Management действа като шлюз с ограничаване на честотата и автентикация пред Вашето приложение; накрая, Azure Virtual Network осигурява мрежова изолация, което е по избор, но често се изисква за чувствителни данни.
Първата Ви стъпка трябва да бъде изнасяне на секретите от кода и променливите на средата, като приложението ги чете при стартиране директно от Key Vault.
from azure.identity import DefaultAzureCredential
from azure.keyvault.secrets import SecretClient
from mistralai.azure.client import MistralAzure
# Retrieve the API key from Key Vault
credential = DefaultAzureCredential()
vault_url = "https://mon-keyvault.vault.azure.net"
secret_client = SecretClient(vault_url=vault_url, credential=credential)
endpoint = secret_client.get_secret("mistral-endpoint").value
api_key = secret_client.get_secret("mistral-api-key").value
client = MistralAzure(server_url=endpoint, api_key=api_key)
Ползата надхвърля простата поверителност. Когато ротирате ключ, не е необходимо повторно разполагане на приложението, тъй като стойността се чете от хранилището, а не е твърдо кодирана в конфигурацията.
Мониторинг с Application Insights
Без инструментация единственото, което ще знаете за инцидент, е, че потребителят намира приложението за „бавно“. Проследяването на всяко извикване с неговата продължителност, брой токени и модел Ви дава необходимото, за да реагирате в рамките на минути.
import time
import logging
from opencensus.ext.azure.log_exporter import AzureLogHandler
logger = logging.getLogger(__name__)
logger.addHandler(AzureLogHandler(
connection_string="InstrumentationKey=your-key"
))
def monitored_call(client, messages, model="azureai"):
"""Mistral call with Azure Monitor metrics."""
start = time.time()
try:
response = client.chat.complete(model=model, messages=messages)
duration = time.time() - start
logger.info(
"MistralCall",
extra={
"custom_dimensions": {
"duration_ms": int(duration * 1000),
"prompt_tokens": response.usage.prompt_tokens,
"completion_tokens": response.usage.completion_tokens,
"model": model
}
}
)
return response
except Exception as e:
duration = time.time() - start
logger.error(
f"MistralError: {e}",
extra={
"custom_dimensions": {
"duration_ms": int(duration * 1000),
"error_type": type(e).__name__
}
}
)
raise
Тези метрики са ценни само ако някой ги наблюдава. Конфигурирайте съответните предупреждения в Azure Monitor:
- P95 латентност > 5s — влошаване на производителността
- Честота на грешки 5xx > 1% — проблеми от страна на сървъра
- Грешки 429 > 10/мин — достигнат лимит на честотата
- Консумация на токени > 80% от квотата — приближаване до лимита
Мащабируемост
Когато обемът нараства, първата грешка е синхронното извикване на модела от входящата HTTP заявка: всяко забавяне се предава директно на потребителя. Разделянето чрез Azure Service Bus Ви позволява да поемате пикове – заявките се натрупват в опашка и се обработват с темпото, което квотата Ви позволява.
from azure.servicebus import ServiceBusClient, ServiceBusMessage
import json
# Producer: send requests to the queue
def enqueue_request(prompt: str, request_id: str):
with ServiceBusClient.from_connection_string(conn_str) as sb_client:
sender = sb_client.get_queue_sender(queue_name="mistral-requests")
message = ServiceBusMessage(
json.dumps({"prompt": prompt, "request_id": request_id})
)
sender.send_messages(message)
# Consumer: process requests from the queue
def process_queue():
with ServiceBusClient.from_connection_string(conn_str) as sb_client:
receiver = sb_client.get_queue_receiver(queue_name="mistral-requests")
for msg in receiver:
data = json.loads(str(msg))
response = client.chat.complete(
model="azureai",
messages=[{"role": "user", "content": data["prompt"]}]
)
# Store the result...
receiver.complete_message(msg)
Ако тясното място идва от самата пропускателна способност, а не от моменталното натоварване, разполагайте множество крайни точки за един и същи модел и разпределяйте извикванията между тях.
import random
endpoints = [
{"url": os.environ["AZUREAI_ENDPOINT_1"], "key": os.environ["AZUREAI_KEY_1"]},
{"url": os.environ["AZUREAI_ENDPOINT_2"], "key": os.environ["AZUREAI_KEY_2"]},
]
def get_client():
"""Simple round-robin across endpoints."""
ep = random.choice(endpoints)
return MistralAzure(server_url=ep["url"], api_key=ep["key"])
Мрежова сигурност
За чувствителни данни Azure Private Link гарантира, че трафикът между Вашето приложение и крайната точка на Mistral никога не преминава през публичния интернет. Конфигурацията се извършва в четири стъпки:
- Създаване на частна крайна точка (Private Endpoint) във Вашата VNet
- Свързването ѝ с Вашия ресурс на Azure AI
- Деактивиране на публичния достъп до крайната точка
- Конфигуриране на частен DNS за резолюция
Стъпка три е тази, която хората забравят, и без нея публичният път остава отворен успоредно: Private Link съществува, но нищо не пречи да бъде заобиколен.
В същия дух, Управлявана самоличност (Managed Identity) премахва API ключа от уравнението: приложението получава своите токени от Microsoft Entra ID, така че няма секрет за съхранение или ротация. Има обаче две условия. Клиентът MistralAzure, документиран от Mistral, се автентикира чрез ключ; автентикацията без ключ, описана от Microsoft, минава през модел, разположен в ресурс на Microsoft Foundry, заявен чрез съвместимия с OpenAI маршрут /openai/v1/, с токени, издадени за обхвата https://ai.azure.com/.default. Освен това, на самоличността предварително трябва да бъде предоставена ролята за извод (inference) върху ресурса. Доставчик на токени, вместо токен, прочетен веднъж при стартиране, подновява достъпа преди изтичане:
from azure.identity import ManagedIdentityCredential, get_bearer_token_provider
from openai import OpenAI
token_provider = get_bearer_token_provider(
ManagedIdentityCredential(),
"https://ai.azure.com/.default",
)
client = OpenAI(
base_url="https://<resource>.openai.azure.com/openai/v1/",
api_key=token_provider,
)
response = client.chat.completions.create(
model="my-mistral-deployment", # name of your deployment
messages=[{"role": "user", "content": "Summarize the data retention policy."}],
)
print(response.choices[0].message.content)
Източник: Endpoints for Microsoft Foundry Models — keyless authentication.
Контролен списък за продукционна готовност
Преди да обявите разполагането си за готово, преминете през веригата в реда, в който е изградена. Променливите на средата и секретите трябва да са мигрирали в Key Vault, а кодът за извикване трябва да е защитен от експоненциални повторни опити, покриващи както грешки 429, така и 5xx. Мониторингът на Application Insights трябва да докладва латентност, грешки и токени, като съответните предупреждения са действително конфигурирани за критичните метрики – не просто планирани. Накрая, заемете се с онова, което хората имат навика да отлагат: действително проведени тестове за натоварване, достъп през частна мрежа, ако данните са чувствителни, и планирана ротация на API ключовете с конкретна дата, а не оставена на общо усмотрение.
Ключови изводи
- Използвайте Azure Key Vault за съхранение на API ключове, а не обикновени текстови променливи на средата
- Мониторинг на всяко извикване с Application Insights (латентност, токени, грешки)
- Разделяне чрез Service Bus за работни натоварвания с голям обем
- Използване на Private Link и Managed Identity за сигурни среди
- Провеждане на тестове за натоварване и конфигуриране на предупреждения преди преминаване към продукционна среда