Apache Doris
Apache Doris 是一个用于实时分析的现代数据仓库。它能够在大规模实时数据上实现快速的分析。
通常情况下,Apache Doris
被归类为 OLAP,并且在 ClickBench — a Benchmark For Analytical DBMS 中展现出了出色的性能。由于它拥有超快的矢量化执行引擎,因此也可以用作快速的矢量数据库。
下面我们将展示如何使用 Apache Doris 矢量存储。
设置
%pip install --upgrade --quiet pymysql
在开始时设置 update_vectordb = False
。如果没有更新文档,则无需重建文档的嵌入。
!pip install sqlalchemy
!pip install langchain
from langchain.chains import RetrievalQA
from langchain_community.document_loaders import (
DirectoryLoader,
UnstructuredMarkdownLoader,
)
from langchain_community.vectorstores.apache_doris import (
ApacheDoris,
ApacheDorisSettings,
)
from langchain_openai import OpenAI, OpenAIEmbeddings
from langchain_text_splitters import TokenTextSplitter
update_vectordb = False
加载文档并将其拆分为标记
加载 docs
目录下的所有 markdown 文件
对于 Apache Doris 文档,您可以从 https://github.com/apache/doris 克隆存储库,其中包含其中的 docs
目录。
loader = DirectoryLoader(
"./docs", glob="**/*.md", loader_cls=UnstructuredMarkdownLoader
)
documents = loader.load()
将文档拆分为标记,并设置 update_vectordb = True
,因为有新的文档/标记。
# 加载文本拆分器并将文档拆分为文本片段
text_splitter = TokenTextSplitter(chunk_size=400, chunk_overlap=50)
split_docs = text_splitter.split_documents(documents)
# 告诉 vectordb 更新文本嵌入
update_vectordb = True
split_docs[-20]
print("# docs = %d, # splits = %d" % (len(documents), len(split_docs)))
创建 vectordb 实例
使用 Apache Doris 作为 vectordb
def gen_apache_doris(update_vectordb, embeddings, settings):
if update_vectordb:
docsearch = ApacheDoris.from_documents(split_docs, embeddings, config=settings)
else:
docsearch = ApacheDoris(embeddings, settings)
return docsearch
将标记转换为嵌入并放入 vectordb 中
这里我们使用 Apache Doris 作为 vectordb,您可以通过 ApacheDorisSettings
配置 Apache Doris 实例。
配置 Apache Doris 实例与配置 mysql 实例非常相似。您需要指定:
主机/端口
用户名(默认:'root')
密码(默认:'')
数据库(默认:'default')
表(默认:'langchain')
import os
from getpass import getpass
os.environ["OPENAI_API_KEY"] = getpass()
update_vectordb = True
embeddings = OpenAIEmbeddings()
# 配置 Apache Doris 设置(主机/端口/用户/密码/数据库)
settings = ApacheDorisSettings()
settings.port = 9030
settings.host = "172.30.34.130"
settings.username = "root"
settings.password = ""
settings.database = "langchain"
docsearch = gen_apache_doris(update_vectordb, embeddings, settings)
print(docsearch)
update_vectordb = False
构建 QA 并向其提问
llm = OpenAI()
qa = RetrievalQA.from_chain_type(
llm=llm, chain_type="stuff", retriever=docsearch.as_retriever()
)
query = "what is apache doris"
resp = qa.run(query)
print(resp)