Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Κεφαλίδες API και Διαχείριση Υπερχείλισης

Μάθημα 8 / 14 Ενημερώθηκε 28 Ιουλίου 2026 Μέσου επιπέδου
Σε αυτήν τη σελίδα
  1. Αποφασίστε ποια αιτήματα καταναλώνουν τη χωρητικότητά σας
  2. Παράκαμψη εκούσια της αποκλειστικής χωρητικότητας
  3. Δρομολόγηση ενός αιτήματος σε συγκεκριμένο σύνολο
  4. Τι συμβαίνει σε περίπτωση υπερχείλισης
  5. Μεταφράστε την προτεραιότητα σε κώδικα εφαρμογής
  6. Βασικά σημεία

Αποφασίστε ποια αιτήματα καταναλώνουν τη χωρητικότητά σας

Η δέσμευση χωρητικότητας λύνει μόνο το μισό πρόβλημα: πρέπει ακόμη να επιλέξετε ποια αιτήματα ωφελούνται πραγματικά από αυτήν. Το δεσμευμένο εύρος ζώνης (provisioned throughput) δεν είναι μια μαζική αγορά που κάνετε μία φορά στην αρχή του μήνα· είναι ένας μηχανισμός τον οποίο ελέγχετε αίτημα προς αίτημα. Η xAI εκθέτει ειδικές κεφαλίδες HTTP για τον σκοπό αυτό, οι οποίες διαιτητεύουν, ανά αίτημα, μεταξύ της αποκλειστικής σας χωρητικότητας και του κοινόχρηστου συνόλου. Μια σταθερή κατανομή γίνεται έτσι ένας επιχειρησιακός μοχλός που οι ομάδες σας χειρίζονται απευθείας από τον κώδικα της εφαρμογής.

Παράκαμψη εκούσια της αποκλειστικής χωρητικότητας

Η πρώτη κεφαλίδα serves για να αποκλείσει ένα αίτημα από την κατανομή σας:

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."}]
  }'

Η παραίτηση από τη δική σας χωρητικότητα φαίνεται αντιδιαισθητική. Τέσσερις καταστάσεις τη δικαιολογούν στις καθημερινές λειτουργίες. Πρώτον, μη κρίσιμες εργασίες: μια ανάλυση παρτίδας που ξεκινά στις 10 μ.μ. ή μια εργασία επεξεργασίας με καθυστέρηση δεν χρειάζεται εγγύηση λανθάνουσας κατάστασης, και θα ήταν κρίμα να καταναλώσει την κατανομή για την οποία πληρώσατε για διαδραστική κίνηση. Δεύτερον, διατήρηση της χωρητικότητας κατά τις περιόδους αιχμής: απενεργοποιώντας το δεσμευμένο εύρος ζώνης στη δευτερεύουσα επεξεργασία, ελευθερώνετε κατανομή ακριβώς όταν φτάνουν αιτήματα προτεραιότητας σε μεγάλους όγκους. Η κεφαλίδα χρησιμεύει επίσης για δοκιμές A/B, όταν θέλετε να μετρήσετε το πραγματικό χάσμα επιδόσεων μεταξύ αποκλειστικής και κοινόχρηστης χωρητικότητας στο δικό σας φορτίο και όχι σε μια υπόσχεση προμηθευτή. Τέλος, είναι πολύτιμη για την αποσφαλμάτωση: η αναγκαστική διέλευση του αιτήματος μέσω του κοινόχρηστου συνόλου σας λέει αμέσως εάν η παρατηρούμενη ανωμαλία προέρχεται από τη δεσμευμένη χωρητικότητα ή από τον κώδικά σας.

Δρομολόγηση ενός αιτήματος σε συγκεκριμένο σύνολο

Η δεύτερη κεφαλίδα κατευθύνει την κλήση σε ένα αναγνωρισμένο σύνολο χωρητικότητας:

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?"}]
  }'

Αυτή η κεφαλίδα γίνεται απαραίτητη μόλις πολλαπλές εφαρμογές εντός του οργανισμού σας καλούν το Grok. Στη συνέχεια δημιουργείτε ξεχωριστά σύνολα—ένα pool-support για το chatbot εξυπηρέτησης πελατών, ένα pool-analysis για ανάλυση εγγράφων, ένα pool-internal για εργαλεία επιχειρήσεων—και το καθένα λειτουργεί ανεξάρτητα. Ο διαχωρισμός απομονώνει τις επιδόσεις: η καμπάνια ανάλυσης εγγράφων που ξεκινά ένα πρωί Δευτέρας δεν υποβαθμίζει πλέον τους χρόνους απόκρισης της υποστήριξης. Παράγει επίσης κατανάλωση αναλυόμενη ανά χρήση, παρέχοντας έτσι μια πραγματική βάση για εσωτερική χρέωση ή διαιτησία, εκεί όπου προηγουμένως βασίζεστε σε εικασίες. Και εγγενώς αποτρέπει μια μεμονωμένη εφαρμογή από το να μονοπωλεί τη χωρητικότητα εις βάρος των άλλων.

Τι συμβαίνει σε περίπτωση υπερχείλισης

Όταν η κίνηση υπερβαίνει τη δεσμευμένη χωρητικότητα, η εναλλακτική λύση είναι αυτόματη και αθόρυβη: το αίτημα μεταβαίνει στο κοινόχρηστο σύνολο με χρέωση κατά χρήση (pay-as-you-go), ισχύουν οι τυπικοί συντελεστές του μοντέλου και υπόκειται στα συνήθη όρια ρυθμού. Δεν επιστρέφεται σφάλμα· η εφαρμογή σας δεν βλέπει τίποτα να συμβαίνει.

Αυτή η διακριτικότητα έχει δύο όψεις. Από την πλευρά της διαθεσιμότητας, τα νέα είναι καλά: δεν θα συναντήσετε ποτέ σφάλμα 429 που προκαλείται από υπέρβαση της δεσμευμένης χωρητικότητας. Από την πλευρά των οικονομικών και της ποιότητας υπηρεσίας, είναι λιγότερο καλά. Το αίτημα χρεώνεται με τον συντελεστή κατά χρήση, πιθανώς υψηλότερο· οι χρόνοι απόκρισης μπορεί να ποικίλλουν καθώς η επεξεργασία λαμβάνει χώρα σε κοινόχρηστη υποδομή· και πάνω απ’ όλα, το SLA 99,9% καλύπτει μόνο αιτήματα που επεξεργάζονται εντός του δεσμευμένου εύρους ζώνης. Μια υπερχείλιση επομένως δεν σπάει τίποτα, απλώς σας κάνει να γλιστρήσετε ήσυχα έξω από το πεδίο εφαρμογής για το οποίο πληρώνετε. Το Management API εκθέτει την αναλογία των αιτημάτων που επεξεργάστηκαν σε δεσμευμένη λειτουργία έναντι της κατά χρήση: εξετάστε αυτή την αναλογία κάθε μήνα όπως ακριβώς έναν λογαριασμό. Ένα αυξανόμενο ποσοστό υπερχείλισης είναι το σήμα ότι πρέπει να αυξήσετε την κατανομή.

Μεταφράστε την προτεραιότητα σε κώδικα εφαρμογής

Αντί να πολλαπλασιάσετε τις συναρτήσεις κλήσης, η πιο στερεή πρακτική συνίσταται στον χαρακτηρισμό της προτεραιότητας τη στιγμή που εκδίδεται το αίτημα:

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()

Η παράμετρος priority γίνεται η μόνη απόφαση που εκτίθεται στην επιχειρηματική λογική, και η πολιτική δρομολόγησης παραμένει συγκεντρωμένη σε μια μοναδική συνάρτηση που εξελίσσετε χωρίς να αγγίξετε τα υπόλοιπα. Αναθεωρήστε τον δικό σας κώδικα κλήσης και ταξινομήστε κάθε σημείο εισόδου σε μία από τρεις κατηγορίες: η άσκηση δείχνει τακτικά ότι ένα solid μισό της κίνησης δεν είχε ανάγκη από αποκλειστική χωρητικότητα.

Βασικά σημεία

  • Η κεφαλίδα x-pt-disable: true παρακάμπτει τη δεσμευμένη χωρητικότητα για ένα αίτημα
  • Η κεφαλίδα x-pt-id δρομολογεί σε ένα συγκεκριμένο σύνολο χωρητικότητας
  • Οι υπερχείλισες επιστρέφουν αυτόματα στη χρέωση κατά χρήση χωρίς σφάλμα
  • Ο διαχωρισμός σε σύνολα επιτρέπει την απομόνωση των επιδόσεων και την παρακολούθηση της κατανάλωσης ανά εφαρμογή
  • Παρακολουθήστε το ποσοστό υπερχείλισης για να προσαρμόσετε την κατανομή σας εάν χρειάζεται