【AI驱动 TDSQL-C Serverless 数据库技术实战营】AI赋能电商数据管理

于 2024-09-27 15:42:51 发布
阅读量695 收藏 18
点赞数 18
分类专栏： 人工智能 经验分享 AIGC 文章标签： serverless 云原生 数据库 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wypdao/article/details/142581012
版权
人工智能 同时被 3 个专栏收录
13 篇文章 0 订阅
订阅专栏
AIGC
10 篇文章 0 订阅
订阅专栏
经验分享
8 篇文章 0 订阅
订阅专栏

        随着大数据时代的到来，数据量的激增对数据库系统提出了更高的要求。传统的数据库管理方式已经难以满足现代企业对于灵活性、可扩展性以及成本控制的需求。在此背景下，Serverless架构因其按需分配资源、自动扩展等特性而受到广泛关注。本文将探讨如何利用TDSQL-C Serverless数据库，在电商场景下实现数据的高效管理和智能分析，并通过可视化手段展示数据分析结果，为企业决策提供有力支持。

        AI技术的应用极大地提升了运营效率，并为电商行业带来了个性化推荐、用户行为分析、库存管理和市场趋势预测等关键领域的数据分析能力，在这种背景下，构建一个高效、可靠的AI电商数据分析系统显得尤为关键。本文旨在详细指导开发者如何利用腾讯云的高性能应用服务HAI和TDSQL-C MySQL Serverless版构建AI电商数据分析系统。HAI作为一个面向AI和科学计算的GPU应用服务产品，提供了强大的计算能力，使得复杂AI模型如大型语言模型（LLM）的快速部署和运行成为可能，进而支持自然语言处理和图像生成等高级任务。与此同时，TDSQL-C MySQL版作为一款云原生关系型数据库，其100%的MySQL兼容性，以及极致的弹性、高性能和高可用性，使其成为电商业务中处理海量数据存储和查询的理想选择。

        本文将通过Python编程语言和基于Langchain的框架，逐步引导开发者完成系统的构建和部署，具体涵盖从数据采集、预处理、分析到最终结果的可视化展示等各个环节，帮助读者深入理解如何在电商环境中运用AI技术和Serverless数据库实现数据驱动的业务增长。

1、环境搭建

1.1、购买 TDSQL-C Mysql Serverless 实例

访问腾讯云官网申请 TDSQL-C Mysql 服务器

点击链接：https://cloud.tencent.com/product/tdsqlc

根据图表选择选定服务器

选定的服务器为 serverless 的服务器

网络下拉框如果为空的话，可以点击下面的新建私有网络创建

新建网络时，填入两个名称和选择可用区即可，其他可以保持默认，配置完毕后，回到购买页面，根据需求选择计费方式

选好计费方式后，点击下一步，进入数据库配置页面

此页面配置数据库的root口令和端口，往下拉

大小写选择不敏感，勾选协议条款，点击立即购买

费用明细提示，点击立即购买

购买后提示集群创建成功，点击前往管理页面

在管理页面上方，选择区域，选择后面有数字的区域

选好后开启外网

点击授权并创建

开启成功后，会显示主机域名和端口号，点击页面右上方的登录按钮，登录数据库

在登录页面中，输入数据库的账号口令

登录成功后，点击新建数据库，数据库名称填入shop，点击确定

从左上角的数据库列表中，选择刚创建的shop数据库

从页面上方的菜单中，选择SQL，打开SQL执行窗口，将准备好的SQL粘贴进去，点击执行，完成数据库初始化，SQL如下：

CREATE TABLE `ecommerce_sales_stats` (
  `category_id` int NOT NULL COMMENT '分类ID（主键）',
  `category_name` varchar(100) NOT NULL COMMENT '分类名称',
  `total_sales` decimal(15,2) NOT NULL COMMENT '总销售额',
  `steam_sales` decimal(15,2) NOT NULL COMMENT 'Steam平台销售额',
  `offline_sales` decimal(15,2) NOT NULL COMMENT '线下实体销售额',
  `official_online_sales` decimal(15,2) NOT NULL COMMENT '官方在线销售额',
  PRIMARY KEY (`category_id`)
) ENGINE=INNODB DEFAULT CHARSET=utf8mb4 AUTO_INCREMENT=1 COMMENT='电商分类销售统计表';
INSERT INTO `ecommerce_sales_stats` VALUES (1,'电子产品',150000.00,80000.00,30000.00,40000.00),(2,'服装',120000.00,20000.00,60000.00,40000.00),(3,'家居用品',90000.00,10000.00,50000.00,30000.00),(4,'玩具',60000.00,5000.00,30000.00,25000.00),(5,'书籍',45000.00,2000.00,20000.00,23000.00),(6,'运动器材',70000.00,15000.00,25000.00,30000.00),(7,'美容护肤',80000.00,10000.00,30000.00,40000.00),(8,'食品',50000.00,5000.00,25000.00,20000.00),(9,'珠宝首饰',30000.00,2000.00,10000.00,18000.00),(10,'汽车配件',40000.00,10000.00,15000.00,25000.00),(11,'手机配件',75000.00,30000.00,20000.00,25000.00),(12,'电脑配件',85000.00,50000.00,15000.00,20000.00),(13,'摄影器材',50000.00,20000.00,15000.00,15000.00),(14,'家电',120000.00,60000.00,30000.00,30000.00),(15,'宠物用品',30000.00,3000.00,12000.00,16800.00),(16,'母婴用品',70000.00,10000.00,30000.00,30000.00),(17,'旅行用品',40000.00,5000.00,15000.00,20000.00),(18,'艺术品',25000.00,1000.00,10000.00,14000.00),(19,'健康产品',60000.00,8000.00,25000.00,27000.00),(20,'办公用品',55000.00,2000.00,20000.00,33000.00);
CREATE TABLE `users` (
  `user_id` int NOT NULL AUTO_INCREMENT COMMENT '用户ID（主键，自增）',
  `full_name` varchar(100) NOT NULL COMMENT '用户全名',
  `username` varchar(50) NOT NULL COMMENT '用户名',
  `email` varchar(100) NOT NULL COMMENT '用户邮箱',
  `password_hash` varchar(255) NOT NULL COMMENT '用户密码的哈希值',
  `created_at` datetime DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  `updated_at` datetime DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  `is_active` tinyint(1) DEFAULT '1' COMMENT '是否激活',
  PRIMARY KEY (`user_id`),
  UNIQUE KEY `email` (`email`)
) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8mb4  COMMENT='用户表';
INSERT INTO `users` VALUES (1,'张伟','zhangwei','zhangwei@example.com','hashed_password_1','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(2,'李娜','lina','lina@example.com','hashed_password_2','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(3,'王芳','wangfang','wangfang@example.com','hashed_password_3','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(4,'刘洋','liuyang','liuyang@example.com','hashed_password_4','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(5,'陈杰','chenjie','chenjie@example.com','hashed_password_5','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(6,'杨静','yangjing','yangjing@example.com','hashed_password_6','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(7,'赵强','zhaoqiang','zhaoqiang@example.com','hashed_password_7','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(8,'黄丽','huangli','huangli@example.com','hashed_password_8','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(9,'周杰','zhoujie','zhoujie@example.com','hashed_password_9','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(10,'吴敏','wumin','wumin@example.com','hashed_password_10','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(11,'郑伟','zhengwei','zhengwei@example.com','hashed_password_11','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(12,'冯婷','fengting','fengting@example.com','hashed_password_12','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(13,'蔡明','caiming','caiming@example.com','hashed_password_13','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(14,'潘雪','panxue','panxue@example.com','hashed_password_14','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(15,'蒋磊','jianglei','jianglei@example.com','hashed_password_15','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(16,'陆佳','lujia','lujia@example.com','hashed_password_16','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(17,'邓超','dengchao','dengchao@example.com','hashed_password_17','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(18,'任丽','renli','renli@example.com','hashed_password_18','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(19,'彭涛','pengtao','pengtao@example.com','hashed_password_19','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(20,'方圆','fangyuan','fangyuan@example.com','hashed_password_20','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(21,'段飞','duanfei','duanfei@example.com','hashed_password_21','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(22,'雷鸣','leiming','leiming@example.com','hashed_password_22','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(23,'贾玲','jialing','jialing@example.com','hashed_password_23','2024-08-18 04:07:18','2024-08-18 04:07:18',1);
CREATE TABLE `orders` (
  `order_id` int NOT NULL AUTO_INCREMENT,
  `user_id` int DEFAULT NULL,
  `order_amount` decimal(10,2) DEFAULT NULL,
  `order_status` varchar(20) DEFAULT NULL,
  `order_time` datetime DEFAULT NULL,
  PRIMARY KEY (`order_id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8mb4 ;
INSERT INTO `orders` VALUES (1,3,150.50,'已支付','2024-08-23 10:01:00'),(2,7,89.20,'待支付','2024-08-23 10:03:15'),(3,12,230.00,'已支付','2024-08-23 10:05:30'),(4,2,99.90,'已发货','2024-08-23 10:07:45'),(5,15,120.00,'待发货','2024-08-23 10:10:00'),(6,21,180.50,'已支付','2024-08-23 10:12:15'),(7,4,105.80,'待支付','2024-08-23 10:14:30'),(8,18,210.00,'已支付','2024-08-23 10:16:45'),(9,6,135.20,'已发货','2024-08-23 10:19:00'),(10,10,160.00,'待发货','2024-08-23 10:21:15'),(11,1,110.50,'已支付','2024-08-23 10:23:30'),(12,22,170.80,'待支付','2024-08-23 10:25:45'),(13,8,145.20,'已发货','2024-08-23 10:28:00'),(14,16,190.00,'待发货','2024-08-23 10:30:15'),(15,11,125.50,'已支付','2024-08-23 10:32:30'),(16,19,165.20,'待支付','2024-08-23 10:34:45'),(17,5,130.00,'已发货','2024-08-23 10:37:00'),(18,20,175.80,'待发货','2024-08-23 10:39:15'),(19,13,140.50,'已支付','2024-08-23 10:41:30'),(20,14,155.20,'待支付','2024-08-23 10:43:45'),(21,9,135.50,'已发货','2024-08-23 10:46:00'),(22,23,185.80,'待发货','2024-08-23 10:48:15'),(23,17,160.50,'已支付','2024-08-23 10:50:30'),(24,12,145.20,'待支付','2024-08-23 10:52:45'),(25,3,130.00,'已发货','2024-08-23 10:55:00'),(26,8,115.50,'已支付','2024-08-23 10:57:15'),(27,19,120.20,'待支付','2024-08-23 10:59:30'),(28,6,145.50,'已发货','2024-08-23 11:01:45'),(29,14,130.20,'待支付','2024-08-23 11:04:00'),(30,5,125.50,'已支付','2024-08-23 11:06:15'),(31,21,135.20,'待支付','2024-08-23 11:08:30'),(32,7,140.50,'已发货','2024-08-23 11:10:45'),(33,16,120.20,'待支付','2024-08-23 11:13:00'),(34,10,135.50,'已支付','2024-08-23 11:15:15'),(35,2,140.20,'待支付','2024-08-23 11:17:30'),(36,12,145.20,'待支付','2024-08-23 12:00:00'),(37,15,130.20,'已支付','2024-08-23 12:02:15'),(38,20,125.50,'待发货','2024-08-23 12:04:30'),(39,17,135.20,'已支付','2024-08-23 12:06:45'),(40,4,140.50,'待支付','2024-08-23 12:09:00'),(41,10,120.20,'已发货','2024-08-23 12:11:15'),(42,13,135.50,'已支付','2024-08-23 12:13:30'),(43,18,145.20,'待支付','2024-08-23 12:15:45'),(44,6,130.20,'已发货','2024-08-23 12:18:00'),(45,11,125.50,'已支付','2024-08-23 12:20:15'),(46,19,135.20,'待支付','2024-08-23 12:22:30'),(47,5,140.50,'已发货','2024-08-23 12:24:45'),(48,20,120.20,'待支付','2024-08-23 12:27:00'),(49,17,135.50,'已支付','2024-08-23 12:29:15'),(50,4,145.20,'待支付','2024-08-23 12:31:30'),(51,10,130.20,'已发货','2024-08-23 12:33:45'),(52,13,125.50,'已支付','2024-08-23 12:36:00'),(53,18,135.20,'待支付','2024-08-23 12:38:15'),(54,6,140.50,'已发货','2024-08-23 12:40:30'),(55,11,120.20,'待支付','2024-08-23 12:42:45'),(56,19,135.50,'已支付','2024-08-23 12:45:00'),(57,5,145.20,'待支付','2024-08-23 12:47:15'),(58,20,130.20,'已发货','2024-08-23 12:49:30'),(59,17,125.50,'已支付','2024-08-23 13:01:45'),(60,4,135.20,'待支付','2024-08-23 13:04:00'),(61,10,140.50,'已发货','2024-08-23 13:06:15'),(62,13,120.20,'待支付','2024-08-23 13:08:30'),(63,18,135.50,'已支付','2024-08-23 13:10:45'),(64,6,145.20,'待支付','2024-08-23 13:13:00'),(65,11,130.20,'已发货','2024-08-23 13:15:15'),(66,19,125.50,'已支付','2024-08-23 13:17:30'),(67,5,135.20,'待支付','2024-08-23 13:19:45'),(68,20,140.50,'已发货','2024-08-23 13:22:00'),(69,17,120.20,'待支付','2024-08-23 13:24:15'),(70,4,135.50,'已支付','2024-08-23 13:26:30'),(71,10,145.20,'待支付','2024-08-23 13:28:45'),(72,13,130.20,'已发货','2024-08-23 13:31:00'),(73,18,125.50,'已支付','2024-08-23 13:33:15'),(74,6,135.20,'待支付','2024-08-23 13:35:30'),(75,11,140.50,'已发货','2024-08-23 13:37:45'),(76,19,120.20,'待支付','2024-08-23 13:40:00'),(77,5,135.50,'已支付','2024-08-23 13:42:15'),(78,20,145.20,'待支付','2024-08-23 13:44:30'),(79,17,130.20,'已发货','2024-08-23 13:46:45'),(80,4,125.50,'已支付','2024-08-23 13:49:00'),(81,10,135.20,'待支付','2024-08-23 13:51:15'),(82,13,140.50,'已发货','2024-08-23 13:53:30'),(83,18,120.20,'待支付','2024-08-23 13:55:45'),(84,6,135.50,'已支付','2024-08-23 13:58:00'),(85,11,145.20,'待支付','2024-08-23 14:00:15'),(86,19,130.20,'已发货','2024-08-23 14:02:30'),(87,5,125.50,'已支付','2024-08-23 14:04:45'),(88,20,135.20,'待支付','2024-08-23 14:07:00'),(89,17,140.50,'已发货','2024-08-23 14:09:15'),(90,4,120.20,'待支付','2024-08-23 14:11:30'),(91,10,135.50,'已支付','2024-08-23 14:13:45'),(92,13,145.20,'待支付','2024-08-23 14:16:00'),(93,18,130.20,'已发货','2024-08-23 14:18:15'),(94,6,125.50,'已支付','2024-08-23 14:20:30'),(95,11,135.20,'待支付','2024-08-23 14:22:45'),(96,19,140.50,'已发货','2024-08-23 14:25:00'),(97,5,120.20,'待支付','2024-08-23 14:27:15'),(98,20,135.50,'已支付','2024-08-23 14:29:30'),(99,17,145.20,'待支付','2024-08-23 14:31:45'),(100,4,130.20,'已发货','2024-08-23 14:34:00'),(101,10,125.50,'已支付','2024-08-23 14:36:15'),(102,13,135.20,'待支付','2024-08-23 14:38:30'),(103,18,140.50,'已发货','2024-08-23 14:40:45'),(104,16,120.20,'待支付','2024-08-23 14:43:00'),(105,12,135.50,'已支付','2024-08-23 14:45:15'),(106,3,145.20,'待支付','2024-08-23 14:47:30'),(107,8,130.20,'已发货','2024-08-23 14:49:45'),(108,19,125.50,'已支付','2024-08-23 14:52:00'),(109,6,135.20,'待支付','2024-08-23 14:54:15'),(110,14,140.50,'已发货','2024-08-23 14:56:30'),(111,10,120.20,'待支付','2024-08-23 14:58:45'),(112,13,135.50,'已支付','2024-08-23 15:01:00'),(113,18,145.20,'待支付','2024-08-23 15:03:15'),(114,6,130.20,'已发货','2024-08-23 15:05:30'),(115,11,125.50,'已支付','2024-08-23 15:07:45'),(116,19,135.20,'待支付','2024-08-23 15:10:00'),(117,5,140.50,'已发货','2024-08-23 15:12:15'),(118,20,120.20,'待支付','2024-08-23 15:14:30'),(119,17,135.50,'已支付','2024-08-23 15:16:45'),(120,4,145.20,'待支付','2024-08-23 15:19:00'),(121,10,130.20,'已发货','2024-08-23 15:21:15'),(122,13,125.50,'已支付','2024-08-23 15:23:30'),(123,18,135.20,'待支付','2024-08-23 15:25:45'),(124,6,140.50,'已发货','2024-08-23 15:28:00'),(125,11,120.20,'待支付','2024-08-23 15:30:15'),(126,19,135.50,'已支付','2024-08-23 15:32:30'),(127,5,145.20,'待支付','2024-08-23 15:34:45'),(128,20,130.20,'已发货','2024-08-23 15:37:00'),(129,17,125.50,'已支付','2024-08-23 15:39:15'),(130,4,135.20,'待支付','2024-08-23 15:41:30'),(131,10,140.50,'已发货','2024-08-23 15:43:45'),(132,13,120.20,'待支付','2024-08-23 15:46:00'),(133,18,135.50,'已支付','2024-08-23 15:48:15'),(134,6,145.20,'待支付','2024-08-23 15:50:30'),(135,11,130.20,'已发货','2024-08-23 15:52:45'),(136,19,125.50,'已支付','2024-08-23 15:55:00'),(137,5,135.20,'待支付','2024-08-23 15:57:15'),(138,20,140.50,'已发货','2024-08-23 15:59:30'),(139,17,120.20,'待支付','2024-08-23 16:01:45'),(140,4,135.50,'已支付','2024-08-23 16:04:00'),(141,10,145.20,'待支付','2024-08-23 16:06:15'),(142,13,130.20,'已发货','2024-08-23 16:08:30'),(143,18,125.50,'已支付','2024-08-23 16:10:45'),(144,6,135.20,'待支付','2024-08-23 16:13:00'),(145,11,140.50,'已发货','2024-08-23 16:15:15'),(146,19,120.20,'待支付','2024-08-23 16:17:30'),(147,5,135.50,'已支付','2024-08-23 16:19:45'),(148,20,145.20,'待支付','2024-08-23 16:22:00'),(149,17,130.20,'已发货','2024-08-23 16:24:15'),(150,4,125.50,'已支付','2024-08-23 16:26:30'),(151,10,135.20,'待支付','2024-08-23 16:28:45'),(152,13,140.50,'已发货','2024-08-23 16:31:00'),(153,18,120.20,'待支付','2024-08-23 16:33:15'),(154,6,135.50,'已支付','2024-08-23 16:35:30'),(155,11,145.20,'待支付','2024-08-23 16:37:45'),(156,19,130.20,'已发货','2024-08-23 16:40:00'),(157,5,125.50,'已支付','2024-08-23 16:42:15'),(158,20,135.20,'待支付','2024-08-23 16:44:30'),(159,17,140.50,'已发货','2024-08-23 16:46:45'),(160,4,120.20,'待支付','2024-08-23 16:49:00'),(161,10,135.50,'已支付','2024-08-23 16:51:15'),(162,13,145.20,'待支付','2024-08-23 16:53:30'),(163,18,130.20,'已发货','2024-08-23 16:55:45'),(164,6,125.50,'已支付','2024-08-23 16:58:00'),(165,11,135.20,'待支付','2024-08-23 17:00:15'),(166,19,140.50,'已发货','2024-08-23 17:02:30'),(167,5,120.20,'待支付','2024-08-23 17:04:45'),(168,20,135.50,'已支付','2024-08-23 17:07:00'),(169,17,145.20,'待支付','2024-08-23 17:09:15'),(170,4,130.20,'已发货','2024-08-23 17:11:30'),(171,10,125.50,'已支付','2024-08-23 17:13:45'),(172,13,135.20,'待支付','2024-08-23 17:16:00'),(173,18,140.50,'已发货','2024-08-23 17:18:15'),(174,6,120.20,'待支付','2024-08-23 17:20:30'),(175,11,135.50,'已支付','2024-08-23 17:22:45'),(176,19,145.20,'待支付','2024-08-23 17:25:00'),(177,5,130.20,'已发货','2024-08-23 17:27:15'),(178,20,125.50,'已支付','2024-08-23 17:29:30'),(179,17,135.20,'待支付','2024-08-23 17:31:45'),(180,4,140.50,'已发货','2024-08-23 17:34:00'),(181,10,120.20,'待支付','2024-08-23 17:36:15'),(182,13,135.50,'已支付','2024-08-23 17:38:30'),(183,18,145.20,'待支付','2024-08-23 17:40:45'),(184,6,130.20,'已发货','2024-08-23 17:43:00'),(185,11,125.50,'已支付','2024-08-23 17:45:15'),(186,19,135.20,'待支付','2024-08-23 17:47:30'),(187,5,140.50,'已发货','2024-08-23 17:49:45'),(188,20,120.20,'待支付','2024-08-23 17:52:00'),(189,17,135.50,'已支付','2024-08-23 17:54:15'),(190,4,145.20,'待支付','2024-08-23 17:56:30'),(191,10,130.20,'已发货','2024-08-23 17:58:45'),(192,13,125.50,'已支付','2024-08-23 18:01:00'),(193,18,135.20,'待支付','2024-08-23 18:03:15'),(194,6,140.50,'已发货','2024-08-23 18:05:30'),(195,11,120.20,'待支付','2024-08-23 18:07:45'),(196,19,135.50,'已支付','2024-08-23 18:10:00'),(197,5,145.20,'待支付','2024-08-23 18:12:15'),(198,20,130.20,'已发货','2024-08-23 18:14:30'),(199,17,125.50,'已支付','2024-08-23 18:16:45'),(200,4,135.20,'待支付','2024-08-23 18:19:00'),(201,10,140.50,'已发货','2024-08-23 18:21:15'),(202,13,120.20,'待支付','2024-08-23 18:23:30'),(203,18,135.50,'已支付','2024-08-23 18:25:45'),(204,6,145.20,'待支付','2024-08-23 18:28:00'),(205,11,130.20,'已发货','2024-08-23 18:30:15'),(206,19,125.50,'已支付','2024-08-23 18:32:30'),(207,5,135.20,'待支付','2024-08-23 18:34:45'),(208,20,140.50,'已发货','2024-08-23 18:37:00'),(209,17,120.20,'待支付','2024-08-23 18:39:15'),(210,4,135.50,'已支付','2024-08-23 18:41:30'),(211,10,145.20,'待支付','2024-08-23 18:43:45');

刷新数据库，查看导入的数据

1.2、部署HAI高算力服务器

官网地址：https://cloud.tencent.com/product/hai，点击立即使用

在算力管理中，点击新建

根据图中所示进行选择，区域选择就近的即可

选择合适自己的算力方案，输入实例名称，勾选协议，点击立即购买

需要等待几分钟，才能完成服务器创建，创建完成后点击实例名称

点击端口配置

在端口列表中，确认6399处于开启状态

从此处获得公网IP

浏览器地址栏中输入“公网IP:6399”,打开页面如下图所示，表示正常

1.3、本地python环境搭建

访问python官网，下载地址：https://www.python.org/downloads/release/python-31011/，根据自己的操作系统选择对应的下载包，我的是windows11-64位，因此选择如下图

下载完成后，双击安装，如下图所示，安装完成后自动加入环境变量

python安装完成后，打开命令行窗口，依次使用如下命令，安装依赖包

pip install openai 
pip install langchain 
pip install langchain-core 
pip install langchain-community 
pip install mysql-connector-python 
pip install streamlit 
pip install plotly 
pip install numpy
pip install pandas
pip install watchdog
pip install matplotlib
pip install kaleido


2、应用构建

2.1、搭建项目框架

在自己的windows电脑上，新创建一个workspace目录，打开vscode开发工具，如果没有安装请自行下载安装，打开vscode后，在vscode中打开创建的workspace文件夹

2.2、TDSQL-C 数据库&HAI云算力配置

新创建配置文件config.yaml，文件内容如下：

database: 
  db_user: root
  db_password: tencent_TDSQL
  db_host: sh-cynosdbmysql-grp-9d8prc9o.sql.tencentcdb.com
  db_port: 21919
  db_name: shop

hai:
  model: llama3.1:8b
  base_url: http://82.156.229.112:6399


2.3、应用开发

新创建python文件，文件名为text2sql2plotly.py，将以下代码复制进去

from langchain_community.utilities import SQLDatabase
from langchain_core.prompts import ChatPromptTemplate
from langchain_community.chat_models import ChatOllama
from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables import RunnablePassthrough
import yaml
import mysql.connector
from decimal import Decimal
import plotly.graph_objects as go
import plotly
import pkg_resources
import matplotlib

yaml_file_path = 'config.yaml'

with open(yaml_file_path, 'r') as file:
    config_data = yaml.safe_load(file)

#获取所有的已安装的pip包
def get_piplist(p):
    return [d.project_name for d in pkg_resources.working_set]


#获取llm用于提供AI交互
ollama = ChatOllama(model=config_data['hai']['model'],base_url=config_data['hai']['base_url'])

db_user = config_data['database']['db_user']
db_password = config_data['database']['db_password']
db_host = config_data['database']['db_host']
db_port= config_data['database']['db_port']
db_name = config_data['database']['db_name']
# 获得schema
def get_schema(db):
    
    schema = mysql_db.get_table_info()
    return schema
def getResult(content):
    global mysql_db
    # 数据库连接
    mysql_db = SQLDatabase.from_uri(f"mysql+mysqlconnector://{db_user}:{db_password}@{db_host}:{db_port}/{db_name}")
    # 获得 数据库中表的信息
    #mysql_db_schema = mysql_db.get_table_info()
    #print(mysql_db_schema)
    template = """基于下面提供的数据库schema, 根据用户提供的要求编写sql查询语句,要求尽量使用最优sql,每次查询都是独立的问题，不要收到其他查询的干扰:
    {schema}
    Question: {question}
    只返回sql语句，不要任何其他多余的字符，例如markdown的格式字符等:
    如果有异常抛出不要显示出来
    """
    prompt = ChatPromptTemplate.from_template(template)
    text_2_sql_chain = (
                RunnablePassthrough.assign(schema=get_schema)
                | prompt
                | ollama
                | StrOutputParser()
        )
    
    # 执行langchain 获取操作的sql语句
    sql = text_2_sql_chain.invoke({"question": content})

    print(sql)
    #连接数据库进行数据的获取
    # 配置连接信息
    conn = mysql.connector.connect(
    
        host=db_host,
        port=db_port,
        user=db_user,
        password=db_password,
        database=db_name
    )
    # 创建游标对象
    cursor = conn.cursor()
    # 查询数据
    cursor.execute(sql.strip("```").strip("```sql"))
    info = cursor.fetchall()
    # 打印结果
    #for row in info:
        #print(row)
    # 关闭游标和数据库连接
    cursor.close()
    conn.close()
    #根据数据生成对应的图表
    print(info)
    template2 = """
    以下提供当前python环境已经安装的pip包集合:
    {installed_packages};
    请根据data提供的信息，生成是一个适合展示数据的plotly的图表的可执行代码,要求如下：
        1.不要导入没有安装的pip包代码
        2.如果存在多个数据类别，尽量使用柱状图，循环生成时图表中对不同数据请使用不同颜色区分，
        3.图表要生成图片格式,保存在当前文件夹下即可，名称固定为：图表.png,
        4.我需要您生成的代码是没有 Markdown 标记的，纯粹的编程语言代码。
        5.生成的代码请注意将所有依赖包提前导入， 
        6.不要使用iplot等需要特定环境的代码
        7.请注意数据之间是否可以转换，使用正确的代码
        8.不需要生成注释
    data:{data}

    这是查询的sql语句与文本:

    sql:{sql}
    question:{question}
    返回数据要求:
    仅仅返回python代码，不要有额外的字符
    """
    prompt2 = ChatPromptTemplate.from_template(template2)
    data_2_code_chain = (
                RunnablePassthrough.assign(installed_packages=get_piplist)
                | prompt2
                | ollama
                | StrOutputParser()
        )
    
    # 执行langchain 获取操作的sql语句
    code = data_2_code_chain.invoke({"data": info,"sql":sql,'question':content})
    
    #删除数据两端可能存在的markdown格式
    print(code.strip("```").strip("```python"))
    exec(code.strip("```").strip("```python"))
    return {"code":code,"SQL":sql,"Query":info}


# 构建展示页面
import streamlit
# 设置页面标题
streamlit.title('AI驱动的数据库TDSQL-C 电商可视化分析小助手')
# 设置对话框
content = streamlit.text_area('请输入想查询的信息', value='', max_chars=None)
# 提问按钮 # 设置点击操作
if streamlit.button('提问'):
    #开始ai及langchain操作
    if content:
        #进行结果获取
        result = getResult(content)
        #显示操作结果
        streamlit.write('AI生成的SQL语句:')
        streamlit.write(result['SQL'])
        streamlit.write('SQL语句的查询结果:')
        streamlit.write(result['Query'])
        streamlit.write('plotly图表代码:')
        streamlit.write(result['code'])
        # 显示图表内容（生成在getResult中）
    streamlit.image('./图表.png', width=800) 

2.3、运行测试

打开终端执行以下命令

streamlit run text2sql2plotly.py

运行成功后，控制台会有以下提示

此时会自动打开浏览器页面

可以在输入框中输入自己想要查看的结果，比如：

  • 查询每个用户账号的名称和长度
  • 查询一下每类商品的名称和对应的销售总额
  • 查询出用户赵强的已支付订单的总额和未支付订单的总额数据

系统会自动进行分析汇总，并生成对应的SQL，将结果展示到浏览器中

并且最后会对数据进行图表展示

3、总结

        遥望当年，想对电商数据进行分析时，需要购买服务器、设计开发数据分析系统、绞尽脑汁编写SQL，这是需要一个团队才能完成的工作，现在有了AI和云的技术，一个普通开发人员半天时间就可以搞定，极大的节约了成本，极大的提高了开发效率。

        AI驱动的TDSQL-C Serverless数据库技术在电商数据分析中的应用，不仅克服了传统方法中的许多局限性，还为电商企业带来了新的发展机遇。未来，随着技术的不断进步，我们有理由相信，更多创新性的解决方案将会涌现出来，进一步推动电商行业的数字化转型与发展。

wypdao
关注
专栏目录
【 AI 驱动 TDSQL-C Serverless 数据库技术实战营】结合AI进行电商数据分析
redwwandhllwww的专栏
09-13 1077
TDSQL-C MySQL Serverless 是一款基于云原生的数据库产品，它在处理大规模数据时具有很好的弹性和高性能，这对于电商数据分析尤为重要。电商业务通常会面临高并发、海量数据的挑战，TDSQL-C Serverless 能够根据业务需求自动调整计算资源，确保在高并发场景下仍能保持稳定、高性能的数据处理能力，为电商业务的发展提供了强大的技术支持。此外，TDSQL-C Serverless 还具有灵活的计费模式，用户可以根据实际业务需求选择不同的资源规格，从而降低成本。
AI驱动TDSQL-C Serverless 数据库技术实战营-电商可视分析
最新发布
小程的博客
09-26 1281
详细指导开发者如何利用腾讯云的高性能应用服务 HAI 和TDSQL-C MySQL Serverless 版构建 AI电商数据分析系统。
【AI驱动 TDSOL-C Serverless 数据库技术实战营】打造高效的电商数据分析系统
hechuan28464的博客
09-25 763
在本次实验中，我们成功地利用了腾讯云的 TDSQL-C MySQL Serverless 和高性能应用服务HAI，构建了一个高效、可扩展的AI电商数据分析系统。以下是实验的关键成果和学习点：云原生数据库的优势：通过使用TDSQL-C MySQL Serverless，我们体验了云原生数据库在处理大规模数据时的弹性和高性能，这对于电商数据分析尤为重要。GPU加速的AI模型：HAI提供的GPU加速能力显著提升了AI模型的训练和推理速度，使得系统能够快速响应市场变化和用户需求。
极致效率，云原生数据库TDSQL-C安身立命的根本
weixin_43872058的博客
06-21 392
云原生时代需要什么样的数据库？如何构建数据库服务？腾讯云数据库技术负责人程彬认为，云数据库未来趋势会从以托管为核心升级到以极致效率为核心，助力业务降本增效。从数据库管理和应用角度来看，云厂商、资源、客户三角关系背后包含了三个维度的效率：系统效率、运营效率、业务效率，当这些效率都做到极致，成本会大幅下降。腾讯云数据库是如何围绕这三个纬度，打造极致效率来赋能业务的呢？ 本期带来腾讯云数据库技术负责人程彬在第四届云原生产业大会主论坛的分享实录： 视频完整版：《云原生时代的数据库技术沿革》 大家好，我是腾讯云
腾讯云数据库TDSQL-大咖论道 | 基础软件的过去、现在、未来
weixin_43872058的博客
06-10 648
近十年来，中国基础软件发展势头迅猛，市场前景看高，越来越多的企业也正在进行基础软件升级。那中国基础软件行业目前在国际市场上有什么优势，面临哪些困境，以及未来基础软件行业会如何发展呢？腾讯云数据库邀请沙利文中国高级分析师胡竣杰、华云中盛数据库事业部总经理杨光、中软国际数据库业务总监范利军及腾讯云数据库总经理王义成四位行业大咖，共话中国基础软件发展。 1. 中国基础软件在国际市场上有哪些优势？ 完整视频版：https://v.qq.com/x/page/d3341qkoxdj.html 胡竣杰 中国的人
华为云致力推进全域Serverless时代，引领技术创新，赋能行业实践
华为云官方博客
06-27 1202
2024年6月22日下午，华为开发者大会2024，“全域Serverless时代：技术创新引领，赋能行业实践”专题论坛上，企业嘉宾和专家齐聚一堂，围绕全域Serverless分享技术创新、交流行业实践，气氛热烈、干货满满。
【专题】2024AI人工智能体验营销行业研究报告合集PDF分享（附原数据表）
拓端研究室TRL
07-23 293
原文链接：https://tecdat.cn/?p=37084随着体验经济与智能新时代的双重浪潮席卷而来，既有的传统营销框架与初始体验营销理念逐渐显露出对快速膨胀的数字化生态及企业多元化需求的适应性不足（点击文末“阅读原文”获取专题报告合集PDF版本）。在此背景下，构建一个契合数智化时代脉搏的全新营销理论体系显得尤为迫切，旨在领航并精心策划针对未来用户的智能营销战略。阅读原文，获取专题报告合集全文...
【专题】2024年数据和AI人工智能趋势报告合集PDF分享（附原数据表）
拓端研究室TRL
06-25 302
原文链接：https://tecdat.cn/?p=36562在当今社会，AI技术的普及让每个人都有机会充分利用其潜力。无论您是否属于技术团队，通过将先进的大语言模型与您的业务数据相结合，您都可以轻松利用搜索技术，与数据展开“对话”（查看文末了解专题报告合集PDF版本免费获取方式）。更令人兴奋的是，借助对话式界面，您可以轻松创建报告、信息中心以及直观、智能的可视化图表，并轻松地将它们整合到您的日常...
【专题】2024年资产管理报告：AI人工智能与下一轮转型浪潮报告合集PDF分享（附原数据表）...
拓端研究室TRL
07-16 368
原文链接：https://tecdat.cn/?p=37004AI正深刻重塑资管界，不仅加速了投资决策与运营效率，更开辟了个性化服务蓝海与私募市场的新征途。在2023年的全球资管舞台上，资产规模虽跃升至近120万亿美元新高度，但行业亦面临收入增长迟滞与成本攀升的双重考验（点击文末“阅读原文”获取专题报告合集PDF版本）。阅读原文，获取专题报告合集全文，解锁文末432份AI、资产管理相关行业研究报告...
大规模游戏社交网络节点相似性算法及其应用-5-2 无服务器技术赋能大数据分析.zip
05-30
结合机器学习和人工智能，节点相似性算法可以进一步优化，实现更精准的用户画像，推动游戏社交网络的精细化运营。同时，无服务器架构将促进数据分析的实时性和智能化，为游戏行业带来更多的创新和商业价值。 综上所...
MATLAB算法实战应用案例精讲-【人工智能】边缘计算（最终篇）
qq_36130719的博客
09-28 1559
智能设备连接到网络最早出现在1982年， Carnegie Mellon University改进的Coke machine成了第一个网络连接的机器，它可以报告自己的库存并且能够检测饮料是否是冰镇的。身边的thing连接到网络的世界正式拉开帷幕。物联网（Internet of Things）这个词，国内外普遍公认的是MIT Auto-ID中心Ashton教授1999年在研究RFID时最早提出来的。
数禾科技 AI 模型服务 Serverless 容器化之旅
阿里云技术
03-20 231
使用阿里云容器服务 Knative 和 ECI 虚拟节点配合部署，在保证线上模型应对突发流量的稳定性大幅提升的同时，又使资源利用效率获得了显著的提高，极大的节约了资源成本。
使用 Azure Functions 开发 Serverless 应用：详解与实战
qq_43535970的博客
09-20 1283
Serverless并不意味着没有服务器，而是服务器的管理、扩展、维护都被云平台（如 Azure）自动化处理。开发者只需编写代码，其他由平台负责。按需付费：只为实际运行时间和资源消耗付费。自动扩展：无需手动管理服务器，自动根据请求负载扩展和缩减。减少运维工作：无需配置服务器或容器，只需专注于代码。是微软 Azure 平台中的一种 Serverless 计算服务，用于运行事件驱动的代码。
微服务的优点及在云原生时代的合理落地方式
m0_74885516的博客
09-23 981
微服务是当前软件开发领域的技术热点。不过，随着云原生技术的推广以及大量微服务的落地，反微服务的声音越来越响亮。特别是今年 Istio 1.5 版本发布
云原生虚拟化kubevirt安装
IT
09-23 1439
Kubevirt 是 Redhat 开源的一套以容器方式运行虚拟机的项目，通过 kubernetes 云原生方式来管理虚拟机生命周期。它通过使用自定义资源（CRD）和其它 Kubernetes 功能来无缝扩展现有的集群，以提供一组可用于管理虚拟机的虚拟化API。利用 KubeVirt 和 Kubernetes 可以管理不便于容器化且适合虚拟机的应用，将已有的虚拟化工作负载与新容器化的工作负载相结合共存于同一个平台，并支持在容器中与已有的虚拟化应用有交互的新微服务应用的开发。
低代码革命：加速云原生时代的端到端产品创新
sdgfafg_25的博客
09-20 1148
低代码开发平台是一种革命性的开发工具，它通过图形化界面和配置化手段，使得开发者能够在极低的代码量下快速构建应用程序。这些平台通常配备了拖放式界面、预构建的模板和组件，以及自动化的工作流，从而大幅降低开发门槛，缩短开发周期。低代码开发平台的核心优势在于其高效性和易用性，使得非专业开发人员也能参与到应用程序的开发过程中，极大地扩展了开发团队的范围。此外，这些平台还提供了丰富的功能模块和灵活的配置选项，使得开发者能够根据具体需求快速定制和调整应用程序。
计算机毕业设计之：基于微信小程序的诗词智能学习系统（源码+文档+解答）
程序员阿龙的博客
09-22 4377
博主介绍： ✌我是阿龙，一名专注于Java技术领域的程序员，全网拥有10W+粉丝。作为CSDN特邀作者、博客专家、新星计划导师，我在计算机毕业设计开发方面积累了丰富的经验。同时，我也是掘金、华为云、阿里云、InfoQ等平台的优质作者。通过长期分享和实战指导，我致力于帮助更多学生完成毕业项目和技术提升。 技术范围： 我熟悉的技术领域涵盖SpringBoot、Vue、SSM、HLMT、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、小程序、安卓app、大数据、物联网、机器学习等方
Online DDL (Data Definition Language)
09-23 246
是MySQL中的一个功能，允许在修改表结构（如添加、删除或修改列）的同时，允许对表进行并发读写操作。在传统的DDL操作中，对表结构的修改会导致整个表被锁定，从而阻止其他事务对该表进行读写操作，这可能导致长时间的锁定和性能问题。Online DDL的引入解决了这个问题，它允许在修改表结构的同时，保持对表的并发访问。MySQL从5.6版本开始引入了Online DDL的部分功能，而在8.0版本中对Online DDL进行了进一步的优化。
serverless数据库
08-18
Serverless数据库是一种无服务器的数据库服务，它解决了开发者在数据库选型上的难题。它的现为应用开发带来了很多改变。根据马丽丽的总结，Serverless数据库的应用场景可以概括为以下四种： 首先，Serverless数据库可以实现自动扩展容量，无需人为干预，从而提供了更高的弹性和可伸缩性。 其次，Serverless数据库可以根据应用的需求自动进行资源的管理和优化，从而减少了运维的工作量。 第三，Serverless数据库可以根据实际使用情况进行计费，只支付真正使用的资源，而不需要预先购买和维护硬件设备。 最后，Serverless数据库可以提供更高的可用性和容错性，通过多个数据中心的分布和自动备份，确保数据的安全与稳定。 虽然Serverless数据库的概念早在2004年就已经有了，但随着云时代和新技术的涌现，它的发展逐渐加速。Serverless数据库有望成为未来的趋势，并且可以通过将概念落地来实现应用开发的变革。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [数据库技术新版图 -Serverless 数据库](https://blog.csdn.net/uuqaz/article/details/123994066)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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