subochev
0ba9b7d739
Повторяющиеся сбои апстрима (5xx/429/402 и сетевые ошибки) увязываются экспоненциальным откатом: первая ошибка — отдых 1s, далее 2s, 4s, … до потолка из конфига (ISO-8601: P1M, PT15M…); успешный запрос сбрасывает счётчик. Приоритет: upstreams[].backoff (свой счётчик на модель) над providers[].backoff (общий счётчик на все модели провайдера). - Backoff.kt: BackoffGuard (Mutex/@Volatile, kotlinx-datetime) + BackoffRegistry (скоупы провайдер/модель); - pickFreeUpstream пропускает апстримы в откате (лог «~Ns — пропускаю»); - все апстримы модели в откате → 503 «all upstreams cooling, retry in Ns» + заголовок Retry-After; - некорректный ISO-8601 в backoff — warn + игнор поля; - BackoffTest (8 тестов) + обновлённые тесты pickFreeUpstream; - CONFIG.md/README/TESTING.md. Проверено: jvmTest, compileKotlinLinuxX64, linuxX64Test.
llm-proxy
Прозрачная прослойка/роутер OpenAI API. Принимает /v1/chat/completions и
/v1/models, маршрутизирует между объявленными в YAML апстримами по внутреннему
учёту конкурентности и мержит patch-слои (provider → upstream → model) в
тело запроса. Подробная спецификация конфига — в CONFIG.md.
Конфиг
Конфигурация — в YAML-файле (по умолчанию config.yaml в каталоге проекта,
CWD; переопределяется env CONFIG_PATH). Блоки: server (интерфейс биндинга
host + port, дефолты 0.0.0.0 / 8100), providers, upstreams,
models. Старый механизм env-переменных (UPSTREAM_URL, ROUTER_API_KEY,
EXCLUDED_PROVIDERS, THINKING_MODELS, PORT) удалён — его поведение теперь
в декларативном patch и блоке upstreams, а порт/интерфейс — в блоке
server.
Лимит конкурентности max_concurrency можно задать и на провайдере (лимит по
умолчанию для его апстримов), и на апстриме (перекрывает провайдерский); без
обоих — безлимит.
Обработку think-тегов включает опциональный флажок think_tags у провайдера или
апстрима (off по умолчанию, split — рассуждения из think-тегов уходят
в reasoning_content, strip — выбрасываются); работает и в стриме, и в
non-stream.
Повторяющиеся сбои апстрима увязываются экспоненциальным backoff: поле
backoff (ISO-8601-потолок, напр. P1M) задаётся на провайдере (общий
счётчик на его модели) и/или на апстриме (приоритет). Первая ошибка — отдых
1s, далее 2s, 4s, … до потолка; успех сбрасывает. Все апстримы модели в откате
— 503 с Retry-After.
| Переменная | Default | Описание |
|---|---|---|
CONFIG_PATH |
config.yaml (CWD) |
Путь к YAML-конфигу |
| Ключ конфига | Default | Описание |
|---|---|---|
server.host |
0.0.0.0 |
Интерфейс/адрес биндинга |
server.port |
8100 |
Порт сервера |
Таймаут на запрос к нейронке (весь ответ, включая стриминг) — константа
UPSTREAM_REQUEST_TIMEOUT_MS = 5 минут; без неё дефолт CIO-движка Ktor — 15 секунд,
и длинные генерации обрываются. Значение логируется при старте.
Сборка и деплой
- CI (Gitea Actions, на release):
./gradlew fatJar→ образimages.binom.pw/llm-proxy:<tag>(zot). - Запуск на 76.179 (llm-router):
podman-compose up -dизpodman-compose.yaml(образ тянется изimages.binom.pw, сетьbifrost_default— туда же Bifrost ходит по имениllm-proxy). - Bifrost: в
config_providersпровайдераRouterainetwork_config_json.base_url=http://llm-proxy:8100(после смены — рестарт bifrost_gateway).