Azure u proizvodnji
Na ovoj stranici
Priprema robustnog Azure okruženja
Radni prototip na tvojem prijenosnom računalu i sustav u proizvodnji ne razlikuju se u kodu za pozivanje, koji ostaje identičan. Razlikuju se u svemu što okružuje taj kod: odakle dolaze tajne, kako promatraš što se događa, što se događa kada se promet udvostruči i kojim mrežnim putem putuju podaci. Ova lekcija pokriva ove četiri dimenzije za Mistral implementaciju na Azureu.
Arhitektura u proizvodnji
Tipična implementacija objedinjuje pet gradivnih blokova. Azure AI krajnja točka hosta Mistral model kao MaaS; Azure Key Vault pohranjuje API ključeve; Azure Monitor i Application Insights osiguravaju opservabilnost; Azure API Management djeluje kao gateway s ograničavanjem propusnosti i autentifikacijom ispred tvoje aplikacije; konačno, Azure Virtual Network osigurava izolaciju mreže, što je opcionalno, ali često potrebno za osjetljive podatke.
Tvoj prvi korak trebao bi biti izvlačenje tajni iz koda i varijabli okruženja, tako da aplikacija umjesto toga čita njihove vrijednosti iz Key Vaulta pri pokretanju.
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)
Prednost nadilazi jednostavnu povjerljivost. Kada rotiraš ključ, nije potrebno ponovno implementirati aplikaciju jer se vrijednost čita iz trezora, a nije hardkodirana u konfiguraciji.
Nadzor s Application Insights
Bez instrumentacije, jedino što ćeš znati o incidentu jest da korisnik smatra aplikaciju „sporom“. Praćenje svakog poziva s njegovim trajanjem, brojem tokena i modelom daje ti ono što ti je potrebno za reakciju unutar nekoliko minuta.
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
Ove metrike vrijede samo ako ih netko prati. Konfiguriraj odgovarajuća upozorenja u Azure Monitoru:
- P95 latencija > 5s — degradacija performansi
- Stopa pogrešaka 5xx > 1% — problemi na strani poslužitelja
- Pogreške 429 > 10/min — dosegnuto ograničenje stope
- Potrošnja tokena > 80% kvote — približavanje ograničenju
Skalabilnost
Kada volumen raste, prva je pogreška sinkrono pozivanje modela iz dolaznog HTTP zahtjeva: svako usporavanje prenosi se izravno na korisnika. Odvajanje pomoću Azure Service Busa omogućuje ti apsorpciju skokova u prometu — zahtjevi se gomilaju u redu čekanja i obrađuju tempom koji tvoja kvota dopušta.
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)
Ako usko grlo proizlazi iz same propusnosti, a ne iz trenutnog opterećenja, implementiraj više krajnjih točaka za isti model i raspodijeli pozive između njih.
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"])
Mrežna sigurnost
Za osjetljive podatke, Azure Private Link osigurava da promet između tvoje aplikacije i Mistral krajnje točke nikada ne prelazi javni internet. Konfiguracija se odvija u četiri koraka:
- Stvori privatnu krajnju točku u svom VNetu
- Poveži je sa svojim Azure AI resursom
- Onemogući javni pristup na krajnjoj točki
- Konfiguriraj privatni DNS za razlučivanje
Treći korak je onaj koji ljudi zaborave, a bez njega javni put ostaje otvoren paralelno: Private Link postoji, ali ništa ne sprječava njegovo zaobilaženje.
U istom duhu, Managed Identity uklanja API ključ iz jednadžbe: aplikacija dobiva svoje tokena od Microsoft Entra ID-a, pa nema tajne koju treba pohraniti ili rotirati. Međutim, vrijede dva uvjeta. MistralAzure klijent koji dokumentira Mistral autentificira se ključem; autentifikacija bez ključa koju opisuje Microsoft odvija se putem modela implementiranog u Microsoft Foundry resursu, koji se upituje na svojoj ruti kompatibilnoj s OpenAI-jem /openai/v1/, s tokenima izdanim za opseg https://ai.azure.com/.default. Identitetu se unaprijed mora dodijeliti uloga za zaključivanje na tom resursu. Davatelj tokena, umjesto tokena pročitanog jednom pri pokretanju, obnavlja pristup prije isteka:
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)
Izvor: Endpoints for Microsoft Foundry Models — keyless authentication.
Kontrolni popis spremnosti za proizvodnju
Prije nego proglasiš svoju implementaciju spremnom, prođi kroz lanac redoslijedom kojim je izgrađen. Varijable okruženja i tajne moraju biti migrirane u Key Vault, a tvoj kod za pozivanje mora biti zaštićen eksponencijalnim ponovnim pokušajima koji pokrivaju i pogreške 429 i 5xx. Nadzor putem Application Insightsa mora izvještavati o latenciji, pogreškama i tokenima, s odgovarajućim upozorenjima koja su zapravo konfigurirana na kritičnim metrikama — a ne samo planirana. Konačno, riješi ono što ljudi imaju običaj odgađati: testovi opterećenja su stvarno provedeni, pristup privatnoj mreži ako su podaci osjetljivi, te je rotacija API ključa zakazana s određenim datumom, a ne prepuštena općoj procjeni.
Ključne točke
- Koristi Azure Key Vault za pohranu API ključeva, a ne obične varijable okruženja
- Prati svaki poziv s Application Insightsom (latencija, tokeni, pogreške)
- Odvoji procese pomoću Service Busa za radna opterećenja velikog volumena
- Koristi Private Link i Managed Identity za sigurna okruženja
- Pokreni testove opterećenja i konfiguriraj upozorenja prije prelaska u proizvodnju