63 lines
1.9 KiB
Markdown
63 lines
1.9 KiB
Markdown
# NVIDIA Sidecar 限流代理
|
||
|
||
为 NVIDIA API 提供**优先级排队 + 令牌桶限流**的透明代理层。
|
||
|
||
## 快速启动
|
||
|
||
```bash
|
||
pip install .
|
||
nvidia-sidecar
|
||
```
|
||
|
||
监听 `127.0.0.1:9190`，代理到 NVIDIA API。
|
||
|
||
## 环境变量
|
||
|
||
| 变量 | 默认值 | 说明 |
|
||
|------|--------|------|
|
||
| `SIDECAR_HOST` | `127.0.0.1` | 监听地址 |
|
||
| `SIDECAR_PORT` | `9190` | 监听端口 |
|
||
| `SIDECAR_METRICS_PORT` | `9191` | Metrics 端口 |
|
||
| `SIDECAR_UPSTREAM` | `https://integrate.api.nvidia.com/v1` | 上游 API 地址 |
|
||
| `SIDECAR_API_KEY` | — | NVIDIA API Key（必填） |
|
||
| `SIDECAR_RATE_RPM` | `40` | 每分钟请求数限制 |
|
||
| `SIDECAR_BUCKET_CAPACITY` | `40` | 令牌桶容量 |
|
||
| `SIDECAR_TIMEOUT` | `6000` | 上游请求超时（秒） |
|
||
| `SIDECAR_QUEUE_MAX` | `500` | 队列最大长度 |
|
||
| `SIDECAR_LOW_TIMEOUT` | `2.0` | 低优先级令牌等待超时（秒） |
|
||
| `SIDECAR_FALLBACK_PASSTHROUGH` | `true` | 队列满时是否直通上游 |
|
||
| `SIDECAR_LOG_LEVEL` | `INFO` | 日志级别 |
|
||
|
||
## YAML 配置
|
||
|
||
```yaml
|
||
listen_port: 9292
|
||
rate_rpm: 60
|
||
upstream_api_key: "nvapi-xxx"
|
||
```
|
||
|
||
```bash
|
||
nvidia-sidecar --config /etc/nvidia-sidecar.yaml
|
||
```
|
||
|
||
## API 端点
|
||
|
||
| 路径 | 方法 | 说明 |
|
||
|------|------|------|
|
||
| `/v1/chat/completions` | POST | OpenAI Chat Completions 代理 |
|
||
| `/v1/completions` | POST | OpenAI Completions 代理（legacy） |
|
||
| `/v1/embeddings` | POST | OpenAI Embeddings 代理 |
|
||
| `/v1/models` | GET | 模型列表代理 |
|
||
| `/health` | GET | 健康检查 |
|
||
| `/metrics` | GET | 指标查询 |
|
||
|
||
## 架构
|
||
|
||
```
|
||
请求 → 网关识别 → [NVIDIA: 优先级排队 → 令牌桶限流] → httpx → NVIDIA API
|
||
→ [非 NVIDIA: 直通] → httpx → 上游
|
||
```
|
||
|
||
- **四级优先级**: URGENT > HIGH > NORMAL > LOW（通过 `X-Priority` header 指定）
|
||
- **队列满策略**: PASSTHROUGH（直通）/ REJECT（503）/ DROP_LOWEST（丢弃最低优先级）
|
||
- **令牌桶**: 40 RPM，线程安全，支持阻塞/非阻塞消费 |