[利用Google Bigtable来构建高效AI应用：从存储到数据操作]-CSDN博客

本文链接：https://blog.csdn.net/tt_jishu/article/details/143197465

引言

Google Bigtable是一种键值和宽列存储数据库，适用于快速访问结构化、半结构化或非结构化数据。本文将指导您如何通过Bigtable的Langchain集成，实现AI驱动体验。我们将探讨如何在Bigtable中保存、加载和删除Langchain文档，并分享一些深入的见解。

主要内容

设置和库安装

环境准备

在开始之前，您需要：

创建Google Cloud项目
启用Bigtable API
创建Bigtable实例和表
设置Bigtable访问凭证

确保在运行时环境中填入以下示例值：

# 指定实例和表名
INSTANCE_ID = "my_instance"  # 自定义实例ID
TABLE_ID = "my_table"        # 自定义表ID

安装Langchain-Google-Bigtable包

该集成在独立的langchain-google-bigtable包中。您可以通过以下命令安装：

%pip install --upgrade --quiet langchain-google-bigtable

Google Cloud项目设置与认证

设置项目

设置Google Cloud项目，以便在笔记本中使用Google Cloud资源：

PROJECT_ID = "my-project-id"  # 自定义项目ID
!gcloud config set project {PROJECT_ID}

认证用户

通过以下代码在Colab中验证Google Cloud访问权限：

from google.colab import auth
auth.authenticate_user()

基本用法

保存Langchain文档

要保存文档，需初始化BigtableSaver类并使用add_documents方法：

from langchain_core.documents import Document
from langchain_google_bigtable import BigtableSaver

test_docs = [
    Document(page_content="Apple Granny Smith 150 0.99 1", metadata={"fruit_id": 1}),
    Document(page_content="Banana Cavendish 200 0.59 0", metadata={"fruit_id": 2}),
    Document(page_content="Orange Navel 80 1.29 1", metadata={"fruit_id": 3}),
]

saver = BigtableSaver(instance_id=INSTANCE_ID, table_id=TABLE_ID)
saver.add_documents(test_docs)

查询和加载文档

使用BigtableLoader类的load或lazy_load方法可以加载文档：

from langchain_google_bigtable import BigtableLoader

loader = BigtableLoader(instance_id=INSTANCE_ID, table_id=TABLE_ID)
for doc in loader.lazy_load():
    print(doc)
    break

删除文档

使用delete方法从表中删除文档：

docs = loader.load()
print("Documents before delete: ", docs)

onedoc = test_docs[0]
saver.delete([onedoc])
print("Documents after delete: ", loader.load())