Rockset
Rockset 是一个实时分析数据库，可以在没有操作负担的情况下对海量的半结构化数据进行查询。使用 Rockset，摄取的数据可以在一秒钟内查询，针对该数据的分析查询通常在毫秒内执行。Rockset 进行了计算优化，使其适合在 100TB 以下范围内（或使用汇总时大于 100TB）为高并发应用程序提供服务。
此笔记本演示了如何在 langchain 中使用 Rockset 作为文档加载器。要开始使用，请确保您拥有 Rockset 帐户和可用的 API 密钥。
设置环境
- 转到 Rockset 控制台 并获取 API 密钥。从 API 参考中查找您的 API 区域。就本笔记本而言，我们将假设您正在从
俄勒冈州（美国西部-2）使用 Rockset。 - 设置您的环境变量
ROCKSET_API_KEY。 - 安装 Rockset python 客户端，langchain 将使用它来与 Rockset 数据库交互。
%pip install --upgrade --quiet rockset
加载文档
Rockset 与 LangChain 的集成允许您使用 SQL 查询从 Rockset 集合加载文档。为此，您必须构造一个 RocksetLoader 对象。以下是一个初始化 RocksetLoader 的示例代码段。
from langchain_community.document_loaders import RocksetLoader
from rockset import Regions, RocksetClient, models
loader = RocksetLoader(
RocksetClient(Regions.usw2a1, "<api key>"),
models.QueryRequestSql(query="SELECT * FROM langchain_demo LIMIT 3"), # SQL query
["text"], # content columns
metadata_keys=["id", "date"], # metadata columns
)
在这里，您可以看到运行了以下查询
SELECT * FROM langchain_demo LIMIT 3
集合中的 text 列用作页面内容，记录的 id 和 date 列用作元数据（如果您不将任何内容传递到 metadata_keys 中，则整个 Rockset 文档将用作元数据）。
要执行查询并访问生成的 Document 的迭代器，请运行
loader.lazy_load()
要执行查询并一次性访问所有生成的 Document，请运行
loader.load()
这是 loader.load() 的示例响应
[
Document(
page_content="Lorem ipsum dolor sit amet, consectetur adipiscing elit. Maecenas a libero porta, dictum ipsum eget, hendrerit neque. Morbi blandit, ex ut suscipit viverra, enim velit tincidunt tellus, a tempor velit nunc et ex. Proin hendrerit odio nec convallis lobortis. Aenean in purus dolor. Vestibulum orci orci, laoreet eget magna in, commodo euismod justo.",
metadata={"id": 83209, "date": "2022-11-13T18:26:45.000000Z"}
),
Document(
page_content="Integer at finibus odio. Nam sit amet enim cursus lacus gravida feugiat vestibulum sed libero. Aenean eleifend est quis elementum tincidunt. Curabitur sit amet ornare erat. Nulla id dolor ut magna volutpat sodales fringilla vel ipsum. Donec ultricies, lacus sed fermentum dignissim, lorem elit aliquam ligula, sed suscipit sapien purus nec ligula.",
metadata={"id": 89313, "date": "2022-11-13T18:28:53.000000Z"}
),
Document(
page_content="Morbi tortor enim, commodo id efficitur vitae, fringilla nec mi. Nullam molestie faucibus aliquet. Praesent a est facilisis, condimentum justo sit amet, viverra erat. Fusce volutpat nisi vel purus blandit, et facilisis felis accumsan. Phasellus luctus ligula ultrices tellus tempor hendrerit. Donec at ultricies leo.",
metadata={"id": 87732, "date": "2022-11-13T18:49:04.000000Z"}
)
]
使用多个列作为内容
您可以选择使用多个列作为内容
from langchain_community.document_loaders import RocksetLoader
from rockset import Regions, RocksetClient, models
loader = RocksetLoader(
RocksetClient(Regions.usw2a1, "<api key>"),
models.QueryRequestSql(query="SELECT * FROM langchain_demo LIMIT 1 WHERE id=38"),
["sentence1", "sentence2"], # TWO content columns
)
假设 "sentence1" 字段为 "This is the first sentence."，"sentence2" 字段为 "This is the second sentence."，则生成的 Document 的 page_content 将是
This is the first sentence.
This is the second sentence.
您可以通过设置 RocksetLoader 构造函数中的 content_columns_joiner 参数来定义自己的函数以连接内容列。content_columns_joiner 是一种方法，它接收一个 List[Tuple[str, Any]] 作为参数，表示一个 (列名, 列值) 元组的列表。默认情况下，这是一种使用新行连接每个列值的方法。
例如，如果您想用空格而不是新行连接 sentence1 和 sentence2，您可以像这样设置 content_columns_joiner
RocksetLoader(
RocksetClient(Regions.usw2a1, "<api key>"),
models.QueryRequestSql(query="SELECT * FROM langchain_demo LIMIT 1 WHERE id=38"),
["sentence1", "sentence2"],
content_columns_joiner=lambda docs: " ".join(
[doc[1] for doc in docs]
), # join with space instead of /n
)
生成的 Document 的 page_content 将是
This is the first sentence. This is the second sentence.
通常，您希望在 page_content 中包含列名。您可以这样做
RocksetLoader(
RocksetClient(Regions.usw2a1, "<api key>"),
models.QueryRequestSql(query="SELECT * FROM langchain_demo LIMIT 1 WHERE id=38"),
["sentence1", "sentence2"],
content_columns_joiner=lambda docs: "\n".join(
[f"{doc[0]}: {doc[1]}" for doc in docs]
),
)
这将导致以下 page_content
sentence1: This is the first sentence.
sentence2: This is the second sentence.