vincent
e829a4060b
新增文件: - metrics.py: Prometheus 指标端点 (:9191), 10+3 个指标 - health.py: /health (liveness) + /health/ready (readiness) - webui.py: WebUI 后端 API (SSE 实时推送 + 配置热重载) - static/dashboard.html: 仪表盘前端 (Chart.js, 令牌桶仪表+队列柱状图+吞吐折线图) 更新文件: - rate_limiter.py: 增加 AdaptiveTokenBucket 避退模式 (ADR-009) 状态机 NORMAL→RETREAT→RECOVER, 429 率滑动窗口监控 - server.py: structlog 结构化日志 + 避退反馈回路 挂载 metrics_server (:9191) + health/ready + webui + /status - pyproject.toml: 增加 prometheus-client, pydantic, types-PyYAML 依赖 验证: - mypy --strict: 0 issues in 7 source files - AdaptiveTokenBucket 运行时测试通过 - 所有语法检查通过 Co-authored-by: multica-agent <github@multica.ai>
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
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
listen_port: 9292
rate_rpm: 60
upstream_api_key: "nvapi-xxx"
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-Priorityheader 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