AirbyteLoader
Airbyte 是一个用于将 API、数据库和文件中的数据提取、转换和加载到数据仓库和数据湖中的数据集成平台。它拥有连接到数据仓库和数据库的最大 ELT 连接器目录。
本文介绍如何将 Airbyte 中的任何来源加载到 LangChain 文档中
安装
为了使用 AirbyteLoader，您需要安装 langchain-airbyte 集成包。
% pip install -qU langchain-airbyte
注意：目前，airbyte 库不支持 Pydantic v2。请降级到 Pydantic v1 以使用此包。
注意：此包目前也需要 Python 3.10 及更高版本。
加载文档
默认情况下，AirbyteLoader 将加载流中的任何结构化数据并输出 yaml 格式的文档。
from langchain_airbyte import AirbyteLoader
loader = AirbyteLoader(
source="source-faker",
stream="users",
config={"count": 10},
)
docs = loader.load()
print(docs[0].page_content[:500])
```yaml
academic_degree: PhD
address:
city: Lauderdale Lakes
country_code: FI
postal_code: '75466'
province: New Jersey
state: Hawaii
street_name: Stoneyford
street_number: '1112'
age: 44
blood_type: "O\u2212"
created_at: '2004-04-02T13:05:27+00:00'
email: [email protected]
gender: Fluid
height: '1.62'
id: 1
language: Belarusian
name: Moses
nationality: Dutch
occupation: Track Worker
telephone: 1-467-194-2318
title: M.Sc.Tech.
updated_at: '2024-02-27T16:41:01+00:00'
weight: 6
您还可以指定自定义提示模板来格式化文档
from langchain_core.prompts import PromptTemplate
loader_templated = AirbyteLoader(
source="source-faker",
stream="users",
config={"count": 10},
template=PromptTemplate.from_template(
"My name is {name} and I am {height} meters tall."
),
)
docs_templated = loader_templated.load()
print(docs_templated[0].page_content)
API 参考：PromptTemplate
My name is Verdie and I am 1.73 meters tall.
延迟加载文档
AirbyteLoader 的强大功能之一是它能够从上游源加载大型文档。在处理大型数据集时，默认的 .load() 行为可能会很慢且占用大量内存。为了避免这种情况，您可以使用 .lazy_load() 方法以更节省内存的方式加载文档。
import time
loader = AirbyteLoader(
source="source-faker",
stream="users",
config={"count": 3},
template=PromptTemplate.from_template(
"My name is {name} and I am {height} meters tall."
),
)
start_time = time.time()
my_iterator = loader.lazy_load()
print(
f"Just calling lazy load is quick! This took {time.time() - start_time:.4f} seconds"
)
Just calling lazy load is quick! This took 0.0001 seconds
并且您可以迭代生成文档。
for doc in my_iterator:
print(doc.page_content)
My name is Andera and I am 1.91 meters tall.
My name is Jody and I am 1.85 meters tall.
My name is Zonia and I am 1.53 meters tall.
您还可以使用 .alazy_load() 以异步方式延迟加载文档。
loader = AirbyteLoader(
source="source-faker",
stream="users",
config={"count": 3},
template=PromptTemplate.from_template(
"My name is {name} and I am {height} meters tall."
),
)
my_async_iterator = loader.alazy_load()
async for doc in my_async_iterator:
print(doc.page_content)
My name is Carmelina and I am 1.74 meters tall.
My name is Ali and I am 1.90 meters tall.
My name is Rochell and I am 1.83 meters tall.
配置
AirbyteLoader 可以使用以下选项进行配置
source（str，必填）：要从中加载的 Airbyte 源的名称。stream（str，必填）：要从中加载的流的名称（Airbyte 源可以返回多个流）config（dict，必填）：Airbyte 源的配置template（PromptTemplate，可选）：用于格式化文档的自定义提示模板include_metadata（bool，可选，默认为 True）：是否在输出文档中包含所有字段作为元数据
大部分配置将位于 config 中，您可以在每个源的“配置字段参考”中找到特定的配置选项，请参阅 Airbyte 文档。