Skip to main content
Open In ColabOpen on GitHub

Google Spanner

Spanner 是一个高度可扩展的数据库，它将无限的可扩展性与关系语义相结合，例如二级索引、强一致性、模式和SQL，在一个简单的解决方案中提供99.999%的可用性。

本笔记本介绍如何使用Spanner通过SpannerLoader和SpannerDocumentSaver来保存、加载和删除langchain文档。

了解更多关于该包的信息，请访问GitHub。

在Colab中打开

开始之前​

要运行此笔记本，您需要执行以下操作：

在确认可以访问此笔记本运行时环境中的数据库后，填写以下值并在运行示例脚本之前运行单元格。

# @markdown Please specify an instance id, a database, and a table for demo purpose.
INSTANCE_ID = "test_instance"  # @param {type:"string"}
DATABASE_ID = "test_database"  # @param {type:"string"}
TABLE_NAME = "test_table"  # @param {type:"string"}

🦜🔗 库安装​

集成位于其自己的langchain-google-spanner包中，因此我们需要安装它。

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

仅限Colab：取消注释以下单元格以重新启动内核，或使用按钮重新启动内核。对于Vertex AI Workbench，您可以使用顶部的按钮重新启动终端。

# # Automatically restart kernel after installs so that your environment can access the new packages
# import IPython

# app = IPython.Application.instance()
# app.kernel.do_shutdown(True)

☁ 设置您的Google Cloud项目​

设置您的Google Cloud项目，以便您可以在此笔记本中利用Google Cloud资源。

如果您不知道您的项目ID，请尝试以下操作：

  • 运行 gcloud config list。
  • 运行 gcloud projects list。
  • 查看支持页面：Locate the project ID。
# @markdown Please fill in the value below with your Google Cloud project ID and then run the cell.

PROJECT_ID = "my-project-id"  # @param {type:"string"}

# Set the project id
!gcloud config set project {PROJECT_ID}

🔐 认证​

以登录此笔记本的IAM用户身份验证到Google Cloud，以便访问您的Google Cloud项目。

  • 如果您正在使用Colab运行此笔记本，请使用下面的单元格并继续。
  • 如果您正在使用Vertex AI Workbench，请查看这里的设置说明。
from google.colab import auth

auth.authenticate_user()

基本用法​

保存文档​

使用SpannerDocumentSaver.add_documents()保存langchain文档。要初始化SpannerDocumentSaver类，你需要提供3样东西：

  1. instance_id - 一个Spanner实例，用于加载数据。
  2. database_id - 一个Spanner数据库实例，用于加载数据。
  3. table_name - 在Spanner数据库中存储langchain文档的表的名称。
from langchain_core.documents import Document
from langchain_google_spanner import SpannerDocumentSaver

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 = SpannerDocumentSaver(
    instance_id=INSTANCE_ID,
    database_id=DATABASE_ID,
    table_name=TABLE_NAME,
)
saver.add_documents(test_docs)
API Reference:Document

从Spanner查询文档​

有关连接到Spanner表的更多详细信息，请查看Python SDK文档。

从表中加载文档​

使用SpannerLoader.load()或SpannerLoader.lazy_load()加载langchain文档。lazy_load返回一个生成器，仅在迭代期间查询数据库。要初始化SpannerLoader类，您需要提供：

  1. instance_id - 一个用于加载数据的Spanner实例。
  2. database_id - 一个Spanner数据库实例，用于加载数据。
  3. query - 数据库方言的查询。
from langchain_google_spanner import SpannerLoader

query = f"SELECT * from {TABLE_NAME}"
loader = SpannerLoader(
    instance_id=INSTANCE_ID,
    database_id=DATABASE_ID,
    query=query,
)

for doc in loader.lazy_load():
    print(doc)
    break

删除文档​

从表中删除一系列langchain文档，使用SpannerDocumentSaver.delete()。

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

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

高级用法​

自定义客户端​

默认创建的客户端是默认客户端。要显式传入credentials和project，可以将自定义客户端传递给构造函数。

from google.cloud import spanner
from google.oauth2 import service_account

creds = service_account.Credentials.from_service_account_file("/path/to/key.json")
custom_client = spanner.Client(project="my-project", credentials=creds)
loader = SpannerLoader(
    INSTANCE_ID,
    DATABASE_ID,
    query,
    client=custom_client,
)

自定义文档页面内容与元数据​

加载器将返回一个包含来自特定数据列的页面内容的文档列表。所有其他数据列将被添加到元数据中。每一行成为一个文档。

自定义页面内容格式​

SpannerLoader 假设有一个名为 page_content 的列。这些默认值可以像这样更改：

custom_content_loader = SpannerLoader(
    INSTANCE_ID, DATABASE_ID, query, content_columns=["custom_content"]
)

如果指定了多个列，页面内容的字符串格式将默认为text（空格分隔的字符串连接）。用户还可以指定其他格式，包括text、JSON、YAML、CSV。

自定义元数据格式​

SpannerLoader 假设存在一个名为 langchain_metadata 的元数据列，用于存储 JSON 数据。元数据列将用作基础字典。默认情况下，所有其他列的数据将被添加，并可能覆盖原始值。这些默认设置可以像这样更改：

custom_metadata_loader = SpannerLoader(
    INSTANCE_ID, DATABASE_ID, query, metadata_columns=["column1", "column2"]
)

自定义JSON元数据列名​

默认情况下，加载器使用 langchain_metadata 作为基础字典。可以自定义以选择一个 JSON 列作为文档元数据的基础字典。

custom_metadata_json_loader = SpannerLoader(
    INSTANCE_ID, DATABASE_ID, query, metadata_json_column="another-json-column"
)

自定义陈旧性​

默认的staleness是15秒。这可以通过指定一个较弱的时间界限来自定义（可以是执行所有读取操作的时间戳），或者指定过去的一个时间段。

import datetime

timestamp = datetime.datetime.utcnow()
custom_timestamp_loader = SpannerLoader(
    INSTANCE_ID,
    DATABASE_ID,
    query,
    staleness=timestamp,
)
duration = 20.0
custom_duration_loader = SpannerLoader(
    INSTANCE_ID,
    DATABASE_ID,
    query,
    staleness=duration,
)

开启数据加速​

默认情况下，加载器不会使用data boost，因为它有额外的成本，并且需要额外的IAM权限。但是，用户可以选择开启它。

custom_databoost_loader = SpannerLoader(
    INSTANCE_ID,
    DATABASE_ID,
    query,
    databoost=True,
)

自定义客户端​

默认创建的客户端是默认客户端。要显式传入credentials和project，可以将自定义客户端传递给构造函数。

from google.cloud import spanner

custom_client = spanner.Client(project="my-project", credentials=creds)
saver = SpannerDocumentSaver(
    INSTANCE_ID,
    DATABASE_ID,
    TABLE_NAME,
    client=custom_client,
)

SpannerDocumentSaver的自定义初始化​

SpannerDocumentSaver 允许自定义初始化。这允许用户指定如何将文档保存到表中。

content_column: 这将用作文档页面内容的列名。默认为 page_content。

metadata_columns: 如果键存在于文档的元数据中，这些元数据将被保存到特定的列中。

metadata_json_column: 这将是特殊JSON列的列名。默认为 langchain_metadata。

custom_saver = SpannerDocumentSaver(
    INSTANCE_ID,
    DATABASE_ID,
    TABLE_NAME,
    content_column="my-content",
    metadata_columns=["foo"],
    metadata_json_column="my-special-json-column",
)

为Spanner初始化自定义模式​

SpannerDocumentSaver 将有一个 init_document_table 方法来创建一个新表，以存储具有自定义模式的文档。

from langchain_google_spanner import Column

new_table_name = "my_new_table"

SpannerDocumentSaver.init_document_table(
    INSTANCE_ID,
    DATABASE_ID,
    new_table_name,
    content_column="my-page-content",
    metadata_columns=[
        Column("category", "STRING(36)", True),
        Column("price", "FLOAT64", False),
    ],
)

这个页面有帮助吗？