LangChain / RAG / Vector DBs · Pelajaran

Menangani Konkurensi dan Batas Laju

Jaga agar layanan RAG produksi tetap responsif saat menerima beban dengan panggilan asinkron, pengelompokan, percobaan ulang, dan tekanan balik.

Menangani Konkurensi dan Batas Laju adalah pelajaran LangChain / RAG / Vector DBs gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar LangChain / RAG / Vector DBs, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus LangChain / RAG / Vector DBs mencakup 4 pelajaran total.

Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.

Load in Production

A live RAG service faces many simultaneous requests, each making embedding and LLM calls. Without care you hit rate limits, time out, or exhaust memory.

Synchronous Bottleneck

Blocking on each API call serializes work. While one request waits on the LLM, the server cannot serve others, wasting capacity.

Async I/O

Async lets a single worker handle many in-flight calls. While awaiting one response, the event loop serves other requests.

import asyncio

async def answer(q):
    docs = await retriever.ainvoke(q)
    return await chain.ainvoke({"q": q, "docs": docs})

results = asyncio.run(asyncio.gather(*[answer(q) for q in queries]))

Batching Embeddings

Embedding APIs are far cheaper and faster per item when you send many texts in one request. Batch chunks instead of calling once per chunk.

vectors = embeddings.embed_documents(batch)  # one call, many texts

Respecting Rate Limits

Providers cap requests and tokens per minute. A limiter throttles outgoing calls so you stay under the cap and avoid 429 errors.

import asyncio

sem = asyncio.Semaphore(10)  # max 10 concurrent calls

async def limited(q):
    async with sem:
        return await answer(q)

Retry with Backoff

Transient errors and 429s should be retried with exponential backoff and jitter, not hammered immediately.

import time, random

def call_with_retry(fn, tries=5):
    for i in range(tries):
        try:
            return fn()
        except RateLimitError:
            time.sleep((2 ** i) + random.random())
    raise RuntimeError("exhausted retries")

Idempotency on Retry

Retries can duplicate side effects. Make write operations idempotent using keys or upserts so a repeated call is harmless.

Backpressure

When the queue grows faster than you can serve it, apply backpressure: reject or shed new requests early rather than letting latency balloon for everyone.

Connection Pooling

Reuse HTTP connections and database clients across requests. Creating a new client per request wastes time on handshakes and can exhaust file descriptors.

Caching Hot Queries

Many users ask the same things. Cache embeddings and final answers for frequent queries to cut both latency and API cost dramatically.

key = hashlib.sha256(query.encode()).hexdigest()
if key in cache:
    return cache[key]
ans = expensive_rag(query)
cache[key] = ans

Putting It Together

Combine async handling, a concurrency semaphore, batched embeddings, retries with backoff, and caching. The service stays fast and stable as traffic scales.

Quick Check

Test your understanding of scaling RAG.

Recap

You learned to handle production load:

Async for concurrent in-flight calls
Batch embeddings; pool connections
Throttle with a limiter; retry with backoff
Apply backpressure and cache hot queries

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Menangani Konkurensi dan Batas Laju” gratis?

Ya — teks lengkap “Menangani Konkurensi dan Batas Laju” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus LangChain / RAG / Vector DBs, upgrade ke CoddyKit PRO. Kursus LangChain / RAG / Vector DBs mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Menangani Konkurensi dan Batas Laju”?

Jaga agar layanan RAG produksi tetap responsif saat menerima beban dengan panggilan asinkron, pengelompokan, percobaan ulang, dan tekanan balik. Kamu berlatih LangChain / RAG / Vector DBs dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai LangChain / RAG / Vector DBs?

Tidak diperlukan pengalaman sebelumnya. LangChain / RAG / Vector DBs di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.

Berapa lama pelajaran “Menangani Konkurensi dan Batas Laju” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran LangChain / RAG / Vector DBs ini?

Ya. Setiap pelajaran LangChain / RAG / Vector DBs menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

Memantau dan Mencatat Aktivitas Aplikasi RAG
Caching dan Optimasi Kinerja
Strategi Deployment RAG di Cloud
Menangani Konkurensi dan Batas Laju

← Kembali ke LangChain / RAG / Vector DBs