在现代的AI技术中,查询引擎在处理和分析大数据时起着至关重要的作用。本文将介绍如何使用LlamaIndex创建一个自定义的路由查询引擎,该引擎能够在SQL数据库和向量数据库之间进行路由。我们将通过一个简单的例子来演示这个过程。
环境设置
首先,确保安装必要的Python包。如果你在使用Jupyter Notebook,可以使用以下命令来安装LlamaIndex和其他依赖项:
%pip install llama-index-readers-wikipedia
!pip install llama-index
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))
创建数据库模式和测试数据
我们将创建一个简单的SQL数据库,并插入一些测试数据。
from sqlalchemy import create_engine, MetaData, Table, Column, String, Integer, insert
# 创建内存中的SQLite数据库
engine = create_engine("sqlite:///:memory:", future=True)
metadata_obj = MetaData()
# 创建城市统计表
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)
# 验证插入的数据
with engine.connect() as connection:
cursor = connection.exec_driver_sql("SELECT * FROM city_stats")
print(cursor.fetchall())
加载数据
我们将使用WikipediaReader加载城市的维基百科数据。
!pip install wikipedia
from llama_index.readers.wikipedia import WikipediaReader
cities = ["Toronto", "Berlin", "Tokyo"]
wiki_docs = WikipediaReader().load_data(pages=cities)
构建SQL和向量索引
接下来,我们将分别为SQL数据库和向量数据构建索引。
from llama_index.core import VectorStoreIndex, SQLDatabase
from llama_index.core.query_engine import NLSQLTableQueryEngine
# SQL索引
sql_database = SQLDatabase(engine, include_tables=["city_stats"])
sql_query_engine = NLSQLTableQueryEngine(sql_database=sql_database, tables=["city_stats"])
# 向量索引
vector_indices = []
for wiki_doc in wiki_docs:
vector_index = VectorStoreIndex.from_documents([wiki_doc])
vector_indices.append(vector_index)
定义查询引擎工具
我们将定义查询引擎工具,并设置路由查询引擎。
from llama_index.core.tools import QueryEngineTool
from llama_index.core.query_engine import RouterQueryEngine
from llama_index.core.selectors import LLMSingleSelector
# SQL查询工具
sql_tool = QueryEngineTool.from_defaults(
query_engine=sql_query_engine,
description="适用于将自然语言查询转换为SQL查询,该表包含每个城市的人口/国家信息"
)
# 向量查询工具
vector_tools = []
for city, query_engine in zip(cities, vector_query_engines):
vector_tool = QueryEngineTool.from_defaults(
query_engine=query_engine,
description=f"适用于回答关于{city}的语义问题"
)
vector_tools.append(vector_tool)
# 路由查询引擎
query_engine = RouterQueryEngine(
selector=LLMSingleSelector.from_defaults(),
query_engine_tools=([sql_tool] + vector_tools),
)
查询示例
我们可以通过路由查询引擎执行一些示例查询。
# 查询哪个城市人口最多
response = query_engine.query("Which city has the highest population?")
print(str(response))
# 查询柏林的历史博物馆
response = query_engine.query("Tell me about the historical museums in Berlin")
print(str(response))
# 查询每个城市所属的国家
response = query_engine.query("Which countries are each city from?")
print(str(response))
可能遇到的错误
- 依赖安装错误: 确保所有依赖包都正确安装,并且版本兼容。
- 数据库连接错误: 如果使用的数据库连接字符串不正确,可能会导致连接失败。
- 数据加载错误: 确保WikipediaReader能够正确加载指定城市的维基百科页面。
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: