Google Bigtable
Bigtable 是一个键值和宽列存储,适合快速访问结构化、半结构化或非结构化数据。扩展您的数据库应用程序,构建利用 Bigtable 的 LangChain 集成的 AI 驱动体验。
本笔记本介绍如何使用 Bigtable 保存、加载和删除 LangChain 文档 ,使用 BigtableLoader
和 BigtableSaver
。
在 GitHub 上了解更多关于该包的信息。
开始之前
要运行此笔记本,您需要执行以下操作:
在确认在此笔记本的运行时环境中访问数据库后,填写以下值并在运行示例脚本之前运行该单元。
# @markdown Please specify an instance and a table for demo purpose.
INSTANCE_ID = "my_instance" # @param {type:"string"}
TABLE_ID = "my_table" # @param {type:"string"}
🦜🔗 库安装
集成在其自己的 langchain-google-bigtable
包中,因此我们需要安装它。
%pip install -upgrade --quiet langchain-google-bigtable
仅限 Colab:取消注释以下单元以重启内核,或使用按钮重启内核。对于 Vertex AI Workbench,您可以使用顶部的按钮重启终端。
# # Automatically restart kernel after installs so that your environment can access the new packages
# import IPython
# app = IPython.Application.instance()
# app.kernel.do_shutdown(True)
☁ 设置您的 Google Cloud 项目
设置您的 Google Cloud 项目,以便您可以在此笔记本中利用 Google Cloud 资源。
如果您不知道您的项目 ID,请尝试以下方法:
- 运行
gcloud config list
。 - 运行
gcloud projects list
。 - 查看支持页面:查找项目 ID。
# @markdown Please fill in the value below with your Google Cloud project ID and then run the cell.
PROJECT_ID = "my-project-id" # @param {type:"string"}
# Set the project id
!gcloud config set project {PROJECT_ID}
🔐 认证
以当前登录此笔记本的IAM用户身份验证Google Cloud,以访问您的Google Cloud项目。
- 如果您使用Colab运行此笔记本,请使用下面的单元格并继续。
- 如果您使用Vertex AI Workbench,请查看这里的设置说明。
from google.colab import auth
auth.authenticate_user()
基本用法
使用saver
使用BigtableSaver.add_documents(<documents>)
保存langchain文档。要初始化BigtableSaver
类,您需要提供两个参数:
instance_id
- Bigtable的实例。table_id
- 在Bigtable中存储langchain文档的表名。
<!--IMPORTS:[{"imported": "Document", "source": "langchain_core.documents", "docs": "https://python.langchain.com/api_reference/core/documents/langchain_core.documents.base.Document.html", "title": "Google Bigtable"}]-->
from langchain_core.documents import Document
from langchain_google_bigtable import BigtableSaver
test_docs = [
Document(
page_content="Apple Granny Smith 150 0.99 1",
metadata={"fruit_id": 1},
),
Document(
page_content="Banana Cavendish 200 0.59 0",
metadata={"fruit_id": 2},
),
Document(
page_content="Orange Navel 80 1.29 1",
metadata={"fruit_id": 3},
),
]
saver = BigtableSaver(
instance_id=INSTANCE_ID,
table_id=TABLE_ID,
)
saver.add_documents(test_docs)
从Bigtable查询文档
有关连接到Bigtable表的更多详细信息,请查看Python SDK文档。
从表中加载文档
使用 BigtableLoader.load()
或 BigtableLoader.lazy_load()
加载 LangChain 文档。lazy_load
返回一个生成器,该生成器在迭代期间仅查询数据库。要初始化 BigtableLoader
类,您需要提供:
instance_id
- Bigtable 的一个实例。table_id
- 在 Bigtable 中存储 LangChain 文档的表名。
from langchain_google_bigtable import BigtableLoader
loader = BigtableLoader(
instance_id=INSTANCE_ID,
table_id=TABLE_ID,
)
for doc in loader.lazy_load():
print(doc)
break
删除文档
使用 BigtableSaver.delete(<documents>)
从 Bigtable 表中删除一组 LangChain 文档。
from langchain_google_bigtable import BigtableSaver
docs = loader.load()
print("Documents before delete: ", docs)
onedoc = test_docs[0]
saver.delete([onedoc])
print("Documents after delete: ", loader.load())
高级用法
限制返回的行数
有两种方法可以限制返回的行数: