Azure Container Apps com Suporte Nativo a GPUs NVIDIA H100 e Escalonamento Baseado em Fila KEDA

No dia 17 de julho de 2026, a Microsoft anunciou a Disponibilidade Geral (GA) do provisionamento de GPUs dedicadas NVIDIA H100 Tensor Core dentro do serviço serverless Azure Container Apps (ACA). Projetada para hospedar grandes modelos de linguagem (LLMs) e modelos de IA gerativa personalizados, a nova infraestrutura desonera a equipe de operações da complexidade de gerenciar clusters Kubernetes nativos (AKS), integrando-se nativamente com o escalonador KEDA (Kubernetes Event-driven Autoscaling).

Isso possibilita criar arquiteturas de processamento de inferência de IA que escalam automaticamente de acordo com o volume de mensagens pendentes em filas de serviços de mensageria (como Azure Queue Storage, RabbitMQ ou Apache Kafka). Dessa forma, quando a fila de requisições de inferência está vazia, o ACA pode reduzir a contagem de nós de GPUs H100 a zero, economizando milhares de dólares em hardware ocioso.

⟩_ Escalonamento por Eventos Baseado em Fila KEDA

Para evitar cobranças por ociosidade de GPUs H100 (que possuem alto custo de aluguel por hora), a arquitetura serverless deve ser guiada por demanda. Ao acoplar o escalonamento do Azure Container Apps a uma fila de mensagens, o KEDA monitora o número de mensagens acumuladas e ajusta as réplicas instantaneamente.

Quando novas tarefas de treinamento ou lotes de inferência são inseridas no Azure Queue Storage, o KEDA ativa as réplicas de contêineres conectadas às GPUs NVIDIA H100 de forma elástica, retornando a zero assim que a fila é processada por completo.

⟩_ Configuração IaC do Container App com GPU e KEDA

O template a seguir em linguagem declarativa Azure Bicep demonstra como configurar um Azure Container App com perfil de recursos habilitado para GPUs H100 e regras de autoscaling KEDA baseadas em Azure Queue Storage:

resource containerApp 'Microsoft.App/containerApps@2024-03-01' = {
  name: 'ca-vllm-inference-h100'
  location: resourceGroup().location
  properties: {
    environmentId: environmentId
    configuration: {
      activeRevisionsMode: 'Single'
    }
    template: {
      containers: [
        {
          name: 'vllm-server'
          image: 'vllm/vllm-openai:latest'
          resources: {
            cpu: '8.0'
            memory: '32Gi'
            // Configuração da GPU dedicada
            gpu: '1'
          }
        }
      ]
      // Regra de escalonamento KEDA baseada na fila do Azure Queue
      scale: {
        minReplicas: 0
        maxReplicas: 4
        rules: [
          {
            name: 'queue-trigger'
            custom: {
              type: 'azure-queue'
              metadata: {
                queueName: 'inference-tasks'
                queueLength: '10' // Escala 1 réplica extra a cada 10 mensagens
              }
              auth: [
                {
                  secretRef: 'queue-connection-string'
                  triggerParameter: 'connection'
                }
              ]
            }
          }
        ]
      }
    }
  }
}

⟩_ Conclusão: Eficiência e Foco no Negócio

A junção de GPUs de alta performance com a simplicidade serverless do Azure Container Apps elimina a barreira operacional para empresas de tecnologia que desejam criar inteligência artificial customizada. Engenheiros de dados e cientistas de IA podem focar estritamente no ajuste fino dos modelos e no código da API, deixando a escala, os patches de sistema e a orquestração física de hardware a cargo da plataforma Microsoft Azure.