subochev
f70a9fdc9c
Build LLM Proxy / Build and push (release) Successful in 40s
- GET /metrics (Prometheus text 0.0.4): llm_proxy_requests_total{model,upstream,provider,result}
(ok/4xx/429/402/5xx/net_err/cancelled), llm_proxy_upstream_inflight,
llm_proxy_upstream_fail_streak, llm_proxy_upstream_cooling_seconds
- учёт исходов в handleChat (каждая фейловер-попытка — отдельно)
- parseIsoDuration: PnM≈n×30d, PnY≈n×365d (kotlin.time Duration.parse не принимает Y/M)
- remainingSeconds округляет остаток вверх (открытое окно ≥1s)
- доки (CONFIG.md/README/TESTING) + тесты (MetricsTest, BackoffTest)
60 lines
3.9 KiB
Markdown
60 lines
3.9 KiB
Markdown
# 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`.
|
||
|
||
Прокси отдаёт Prometheus-метрики по `GET /metrics` (запросы по
|
||
`model/upstream/provider/result`, занятые слоты, счётчик и окно backoff-отката) —
|
||
подключите скрейп в Prometheus и стройте дашборды/алерты в Grafana. Список
|
||
метрик — в CONFIG.md, раздел «Prometheus-метрики».
|
||
|
||
| 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` → образ
|
||
`images.binom.pw/llm-proxy:<tag>` (zot).
|
||
- Запуск на 76.179 (llm-router): `podman-compose up -d` из `podman-compose.yaml`
|
||
(образ тянется из `images.binom.pw`, сеть `bifrost_default` — туда же Bifrost
|
||
ходит по имени `llm-proxy`).
|
||
- Bifrost: в `config_providers` провайдера `Routerai` `network_config_json.base_url`
|
||
= `http://llm-proxy:8100` (после смены — рестарт bifrost_gateway).
|