跳到主要內容

【Azure OpenAI】o1 模型與 2024-09-01-preview API

距離上篇在 Early Access Playground 試用 o1 模型後又過了兩週，今天終於等到 API 開放使用啦！本篇將紀錄如何使用 Python SDK 存取 o1 模型。 系列文章 【Azure OpenAI】快速試用 o1 模型 模型佈署 在先前開放的 Early Access Playground 中使用 o1 是不需要另外佈署模型的，不過回到使用 API 來存取 o1 模型，就需要像之前的模型一樣先進行佈署才能使用，相信大家都很熟悉了。 使用 Python SDK 一樣使用熟悉的 openai 套件： 2024-09-01-preview 初始化的方式與先前模型都一樣，需要注意的是 o1 模型目前只能使用最新的 API 版本 2024-09-01-preview 來訪問。 Chat Completions 將 model 填入 o1-preview ，或是你的模型佈署名稱， messages 也一樣是歷史對話堆疊的 List。 回應如下： 查看 Token 使用量 內建 Chain of Thought 的 o1 比起過往的模型會消耗較多的 Token，因此我們特別把 Token 使用量拉出來看。 回應如下： 其中 prompt_tokens 、 completion_tokens 、 total_tokens 在先前的 API 就已經存在了，分別代表Token 的 Input、Output 與總使用量，而在新的 completion_tokens_details 中可以看到  reasoning_tokens 使用了 320 個 Tokens，居然佔了總輸出 Token 的 80% 以上！ 控制 Token 成本 已往我們可以使用  max_tokens 參數來控制 Token 的用量，但在 o1 模型中棄用了 max_tokens ，取而代之的是使用  max_completion_tokens 參數，來看看這段程式碼： 回應如下： 沒東西？那再看一次 Token 量。 回應如下： Token 居然是有被使用的！ 這表示 max_completion_tokens 並不像過往使用  max_tokens 這麼簡單，先前在回應遇到...
張貼留言

【Azure Cosmos DB】如何在手動佈建輸送量時計算實體分割區數量

最近有個專案需要使用到 Azure Cosmos DB，並且在 POC 階段需要測試其寫入效能，當時使用相同的一包資料分別在以下環境寫入：

  • 容器 A：初始建立時直接設定 10000 RU
  • 容器 B：初始建立時設定 5000 RU 再手動修改至 10000 RU

表面上看起來容器 A 與容器 B 具有一樣的 10000 RU 效能，但實際的實驗結果卻是在寫入時的效能差了近一倍，原來是實體分割區在背後搞鬼。

基本概念

為了繼續討論這個問題，先快速理解幾個在 Azure Cosmos DB 中的基本概念。

  • RU 要求單位：衡量 Azure Cosmos DB 的效能單位，理論上配備越高的 RU 具有越好的效能，同時也是帳單的計費單位。

Azure Cosmos DB RU

  • 邏輯分割區：由分割區索引鍵決定，具有相同分割區索引鍵的資料會存在在同一個邏輯分割區中。

  • 實體分割區：由微軟維護的底層實際運算資源，相同邏輯分割區的資料會存放在同一個實體分割區中。

實體分割區與邏輯分割區的一對多關係

問題重現

為了快速重現環境，我們使用 Azure Cosmos DB 在 Portal 中的「資料總管」，透過 UI 點擊的方式來建立單獨的資料庫與容器。

首先建立稍早情境描述中的容器 A：建立名為 db_A 的資料庫，並在其中建立名為 container_A 的容器。

初始設定 10000 RU

建立完成後，任意寫一筆資料進到 container_A 中。

任意寫一筆資料

這時切換到左側「監視」→「深入解析」，上方的下拉選單選到剛剛建立的資料庫 db_A，再切換到「輸送量」頁籤，就會看到以下畫面：


其中的 partitionkeyrangeid 代表的是實體分割區，嗯..有兩個實體分割區？

問題分析

Azure Cosmos DB 中的實體分割區是由微軟維護，且無法觸及到的層級，但實際上在建立容器的當下，後台會自動判斷每 6000 RU 分配一個實體分割區到這個新建立的容器中，這代表我們使用 10000 RU 建立的 container_A  會被分配到兩個實體分割區，且每個分割區會平均拿到 5000 RU 的運算效能。

回想一下前面提到的實體分割區與邏輯分割區的一對多關係，所以當資料內的分割鍵不夠分散，亦或是未經過「洗牌」，這會造成資料是同時寫入同一個邏輯分割區，但邏輯分割區只會存在在同一個實體分割區中，最終導致我們只使用 5000 RU 的運算效能在執行該次寫入任務。

最佳做法

首先應該評估未來資料增長，以計算出需要的實體分割區數量，因為每個實體分割區只能存放 50 GB 的資料量，假設評估後的總資料量是 120 GB，這時就應該規劃使用 3 個實體分割區。

再來使用 6000 * 3 的 RU 量來建立新的容器，這樣會 100% 確保 Azure 在後台分配 3 個實體分割區供我們使用。

最後在首次大量資料倒入時，將 RU 調整至 3 個實體分割區的上限，也就是 10000 * 3 RU，以求最快速的消化資料寫入。待寫入完成後，再根據後續常態的讀取頻率降低容器的 RU 量，假設平時的讀取只會使用到 3000 RU，這時 3 個實體分割區各會分到 1000 RU 的運算效能，藉此達到資源與費用成本的最大化效益。

總結

最近 AI 相關的 AP 興起，同時也帶動了 Azure Cosmos DB 的使用量，NoSQL 的特點確實也在 AP 的設計上帶來了彈性與即時性。但其中標榜的微軟幫你管實體分割區，開發人員實際上又不想去了解背後的運作邏輯，反而會造成大半的資源閒置，看來要導入一個新服務沒有想像中的簡單😤。

標籤：
位置： 407台灣台中市西屯區

留言

張貼留言

這個網誌中的熱門文章

【Azure OpenAI】購買 PTU 時微軟不會告訴你的事

Provisioned Throughput Units 一直是目前在 Azure OpenAI 對於延遲問題的最有效解法，同時也是官方最推薦的方案。有別於基本的隨付即用，PTU 具有穩定、可預測的延遲等優勢，適合用於正式上線的生產環境。 但 PTU 的成本是一個不可忽視的問題，儘管選購最小單位量的 PTU，也是需要應用到達一定規模後才看得出使用效益。在確認是否購買 PTU 時，除了詳細閱讀官方文件並使用官方推出的計算機規劃額度外，以下幾點或許也是你該注意的。 不可自行購買 PTU 首先，是的，截自撰文當日 (2024/07/09) PTU 只能透過微軟業務窗口洽詢購買細節，這可能對於多數用戶是不友善的，但我相信這個過程很快就能得到優化。 相關連結： https://learn.microsoft.com/en-us/azure/ai-services/openai/concepts/provisioned-throughput#how-do-i-get-access-to-provisioned PTU 的可用區域僅供參考 在官方文件中記錄了下述表格，其中詳細的呈現各種模型的 PTU 在不同地區的可用性，但這張表只是一個參考，因為當你洽詢業務窗口時你會得到另一張不同的表格。 其中對於台灣用戶可能最有影響的，是我們沒辦法在日本東部購買 gpt-4o 模型的 PTU，對於想透過購買 PTU 以降低模型延遲的用戶來說這是一個矛盾的選擇，當然更不用提隨之產生的跨區傳輸量成本。 一樣截至撰文為止，為何在打勾區域✅無法購買的問題，官方並沒有給出任何理由，或許是我們採購量沒有達到官方需要解釋的程度😔 相關連結： https://learn.microsoft.com/en-us/azure/ai-services/openai/concepts/provisioned-throughput#what-models-and-regions-are-available-for-provisioned-throughput 有別於你認知的定價策略 承如前述，PTU 的成本絕對是導入時的重要考量點。 PTU 的售價到底是多少 事實上 PTU 的官方售價早就是公開的秘密，稱之為秘密是因為 PTU 的售價截至目前並沒有被列在官方文件或定價計算機中，但在最新的 Azure OpenAI S...
張貼留言
閱讀完整內容

【Azure OpenAI】o1 模型與 2024-09-01-preview API

距離上篇在 Early Access Playground 試用 o1 模型後又過了兩週，今天終於等到 API 開放使用啦！本篇將紀錄如何使用 Python SDK 存取 o1 模型。 系列文章 【Azure OpenAI】快速試用 o1 模型 模型佈署 在先前開放的 Early Access Playground 中使用 o1 是不需要另外佈署模型的，不過回到使用 API 來存取 o1 模型，就需要像之前的模型一樣先進行佈署才能使用，相信大家都很熟悉了。 使用 Python SDK 一樣使用熟悉的 openai 套件： 2024-09-01-preview 初始化的方式與先前模型都一樣，需要注意的是 o1 模型目前只能使用最新的 API 版本 2024-09-01-preview 來訪問。 Chat Completions 將 model 填入 o1-preview ，或是你的模型佈署名稱， messages 也一樣是歷史對話堆疊的 List。 回應如下： 查看 Token 使用量 內建 Chain of Thought 的 o1 比起過往的模型會消耗較多的 Token，因此我們特別把 Token 使用量拉出來看。 回應如下： 其中 prompt_tokens 、 completion_tokens 、 total_tokens 在先前的 API 就已經存在了，分別代表Token 的 Input、Output 與總使用量，而在新的 completion_tokens_details 中可以看到  reasoning_tokens 使用了 320 個 Tokens，居然佔了總輸出 Token 的 80% 以上！ 控制 Token 成本 已往我們可以使用  max_tokens 參數來控制 Token 的用量，但在 o1 模型中棄用了 max_tokens ，取而代之的是使用  max_completion_tokens 參數，來看看這段程式碼： 回應如下： 沒東西？那再看一次 Token 量。 回應如下： Token 居然是有被使用的！ 這表示 max_completion_tokens 並不像過往使用  max_tokens 這麼簡單，先前在回應遇到...
張貼留言
閱讀完整內容

【Document Intelligence】使用 Layout Model 實作 Semantic Chunking

在這個 LLM 時代 RAG 可說是一個非常熱的議題，其中來源資料的品質幾乎決定了整個 RAG 應用的成敗，而在一系列的資料處理流程中，又以 Chunking 做為一個重要的環節，像是常見的固定長度、重疊等等都是基本的 Chunking 策略。 Semantic Chunking 是一種進階的 Chunking 手法，比起基本的固定長度切分，Semantic Chunking 希望藉由語意分析劃分出更具有意義的 Chunk。本篇將使用在 Document Intelligence 中新推出的 Layout Model 文檔分析 API 來實作 Semantic Chunking。 Markdown 與 Semantic Chunking Markdown 是一種具有結構的標記語言，對於人類在閱讀上是非常友好的，而對於 LLM 來說當然也是如此，不過在現實上，我們提供給 RAG 的文件往往都不是 Markdown。 現在我們將使用 Layout Model 來解決這個問題，其提供的文檔分析 API 可以在一次呼叫中將傳入的 PDF、PPT 等常見格式文檔轉換成 Markdown 格式，這個轉換過程中包含了 OCR、文件結構分析等步驟，這也就代表轉換出的 Markdown 結構在某種程度上是蘊含文件語意的。 最後我們將使用這個 Markdown 結構做為 Chunking 的依據，以此來實現 Semantic Chunking。 建立 Document Intelligence 建立 AI 類服務時基本上都不用做太複雜的設定，這邊唯一要注意的是我們預計要使用的 Layout Model API 目前只有在美東、美西 2 與西歐三個地區提供，建議時需要留意選擇的地區。 Document Intelligence Studio 與其他 AI 服務一樣，Document Intelligence 也有提供 Studio 讓我們快速體驗功能，從 Studio 首頁進入「Layout」頁面，我們使用內建的範例文件來看看文檔分析 API 的能力。 首先選擇一篇範例文件，再調整「Output format style」為「Markdown 」後點擊上方的「Run an...
張貼留言
閱讀完整內容