Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Hlavičky API a správa přetečení

Lekce 8 z 14 Aktualizováno 28. července 2026 Mírně pokročilý
Na této stránce
  1. Rozhodni, které požadavky spotřebují tvou kapacitu
  2. Dobrovolné obejití vyhrazené kapacity
  3. Směrování požadavku do konkrétního poolu
  4. Co se stane v případě přetečení
  5. Převeď priority do aplikačního kódu
  6. Klíčové poznatky

Rozhodni, které požadavky spotřebují tvou kapacitu

Rezervace kapacity řeší jen polovinu problému: stále si musíš vybrat, které požadavky z ní skutečně benefited. Nasazená propustnost (provisioned throughput) není jednorázový nákup na začátku měsíce; je to mechanismus, který ovládáš volání po volání. xAI pro tento účel poskytuje vyhrazené HTTP hlavičky, které pro každý požadavek rozhodují mezi tvou vyhrazenou kapacitou a sdíleným poolem. Pevná alokace se tak stává operační pákou, kterou tvoje týmy přímo ovládají z aplikačního kódu.

Dobrovolné obejití vyhrazené kapacity

První hlavička slouží k vyloučení požadavku z tvé alokace:

curl https://api.x.ai/v1/chat/completions \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "x-pt-disable: true" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-4.3",
    "messages": [{"role": "user", "content": "Summarize this document."}]
  }'

Vzdát se vlastní kapacity se může zdát nelogické. V běžném provozu to však ospravedlňují čtyři situace. Zaprvé, nekritické úlohy: dávková analýza spuštěná ve 22:00 nebo odložená zpracovatelská úloha nepotřebuje garanci latence a byla by škoda, aby spotřebovávala alokaci placenou pro interaktivní provoz. Zadruhé, zachování kapacity během špiček: vypnutím nasazené propustnosti pro sekundární zpracování uvolníš alokaci přesně ve chvíli, kdy ve velkém objemu přicházejí prioritní požadavky. Hlavička se také hodí pro A/B testování, když chceš změřit skutečný výkonový rozdíl mezi vyhrazenou a sdílenou kapacitou na vlastní zátěži, nikoliv na základě slibů dodavatele. Nakonec je cenná pro ladění: vynucení průchodu požadavku přes sdílený pool ti okamžitě řekne, zda pozorovaná anomálie pochází z nasazené kapacity, nebo z tvého kódu.

Směrování požadavku do konkrétního poolu

Druhá hlavička směruje volání do identifikovaného poolu kapacity:

curl https://api.x.ai/v1/chat/completions \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "x-pt-id: pool-support-client" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-4.3",
    "messages": [{"role": "user", "content": "How can I help you?"}]
  }'

Tato hlavička se stane nepostradatelnou, jakmile Grok volá více aplikací v rámci tvé organizace. Vytvoříš si pak oddělené pooly – pool-support pro chatbota zákaznické podpory, pool-analysis pro analýzu dokumentů, pool-internal pro business nástroje – a každý funguje nezávisle. Segmentace izoluje výkon: kampaň analýzy dokumentů spuštěná v pondělí ráno již nezhoršuje doby odezvy podpory. Zároveň produkuje spotřebu rozdělenou podle využití, což poskytuje faktický základ pro interní vyúčtování nebo arbitráž, kde jsi dříve spoléhal na odhady. A inherentně zabraňuje tomu, aby jedna aplikace monopolizovala kapacitu na úkor ostatních.

Co se stane v případě přetečení

Když provoz překročí nasazenou kapacitu, záložní řešení je automatické a tiché: požadavek přejde do sdíleného poolu na bázi pay-as-you-go, platí standardní sazby modelu a podléhá obvyklým limitům rychlosti. Nevrací se žádná chyba; tvá aplikace nic nezaznamená.

Tato diskrétnost má dvě stránky. Na straně dostupnosti jsou zprávy dobré: nikdy se nesetkáš s chybou 429 způsobenou překročením nasazené kapacity. Na straně financí a kvality služby je to horší. Požadavek je fakturován sazbou pay-as-you-go, která může být vyšší; doby odezvy se mohou lišit, protože zpracování probíhá na sdílené infrastruktuře; a především SLA 99,9 % pokrývá pouze požadavky zpracované v rámci nasazené propustnosti. Přetečení tedy nic nerozbije, pouze tě tiše vyvede z rozsahu, za který platíš. Management API zpřístupňuje poměr požadavků zpracovaných v režimu provisioned oproti pay-as-you-go: tento poměr zkoumej každý měsíc stejně jako fakturu. Rostoucí míra přetečení je signálem, že potřebuješ zvýšit alokaci.

Převeď priority do aplikačního kódu

Místo násobení funkcí pro volání spočívá nejpevnější praxe v kvalifikaci priority v okamžiku vydání požadavku:

import httpx

def query_grok(prompt: str, priority: str = "normal"):
    headers = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json",
    }

    if priority == "low":
        headers["x-pt-disable"] = "true"
    elif priority == "high":
        headers["x-pt-id"] = "pool-critical"

    response = httpx.post(
        "https://api.x.ai/v1/chat/completions",
        headers=headers,
        json={
            "model": "grok-4.3",
            "messages": [{"role": "user", "content": prompt}],
        },
    )
    return response.json()

Parametr priority se stane jediným rozhodnutím vystaveným business logice a směrovací politika zůstává soustředěna v jediné funkci, kterou vyvíjíš, aniž bys musel sahat na zbytek kódu. Zkontroluj svůj vlastní volací kód a seřiď každý vstupní bod do jedné ze tří kategorií: pravidelné cvičení často ukáže, že solidní polovina provozu vyhrazenou kapacitu vůbec nepotřebovala.

Klíčové poznatky

  • Hlavička x-pt-disable: true obchází pro daný požadavek nasazenou kapacitu
  • Hlavička x-pt-id směruje požadavek do konkrétního poolu kapacity
  • Přetečení automaticky přepne na režim pay-as-you-go bez chyby
  • Segmentace do poolů umožňuje izolovat výkon a sledovat spotřebu podle aplikace
  • Sleduj míru přetečení a v případě potřeby uprav svou alokaci