Google Spanner
Spanner 是一种高度可扩展的数据库，它将无限的可扩展性与关系语义（例如辅助索引、强一致性、模式和 SQL）相结合，在一个简单的解决方案中提供 99.999% 的可用性。
此笔记本介绍了如何使用 Spanner 通过 SpannerLoader 和 SpannerDocumentSaver 来保存、加载和删除 LangChain 文档。
在 GitHub 上了解有关该软件包的更多信息。
开始之前
要运行此笔记本，您需要执行以下操作
在确认已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。 - 请参阅支持页面：查找项目 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}
🔐 身份验证
以登录到此笔记本的 IAM 用户身份对 Google Cloud 进行身份验证，以便访问您的 Google Cloud 项目。
- 如果您使用 Colab 运行此笔记本，请使用下面的单元格并继续。
- 如果您使用 Vertex AI Workbench，请查看此处的设置说明。
from google.colab import auth
auth.authenticate_user()
基本用法
保存文档
使用 SpannerDocumentSaver.add_documents(<documents>) 保存 LangChain 文档。要初始化 SpannerDocumentSaver 类，您需要提供 3 个内容
instance_id- 要从中加载数据的 Spanner 实例。database_id- 要从中加载数据的 Spanner 数据库实例。table_name- Spanner 数据库中用于存储 LangChain 文档的表名。
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)
从 Spanner 中查询文档
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，该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
instance_id- 要从中加载数据的 Spanner 实例。database_id- 要从中加载数据的 Spanner 数据库实例。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
使用 SpannerDocumentSaver.delete(<documents>) 从表中删除 LangChain 文档列表。
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和元数据
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。所有其他数据列都将添加到元数据中。每一行都成为一个文档。
自定义页面内容格式
SpannerLoader 假设存在一个名为 page_content 的列。这些默认值可以这样更改
custom_content_loader = SpannerLoader(
INSTANCE_ID, DATABASE_ID, query, content_columns=["custom_content"]
)
如果指定了多个列，则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。元数据列将用作基本字典。默认情况下，将添加所有其他列数据，并且可能会覆盖原始值。这些默认值可以这样更改
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 作为基本字典。这可以自定义为选择一个 JSON 列用作文档元数据的基字典。
custom_metadata_json_loader = SpannerLoader(
INSTANCE_ID, DATABASE_ID, query, metadata_json_column="another-json-column"
)
自定义陈旧性
默认陈旧性 为 15 秒。这可以通过指定较弱的边界（可以是执行所有读取，截至给定时间戳）或截至过去的给定持续时间来自定义。
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,
)
启用数据加速
默认情况下，加载器不会使用数据加速，因为它会产生额外的成本，并且需要额外的 IAM 权限。但是，用户可以选择将其打开。
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。这允许用户指定文档如何保存到表中。
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，则这些元数据将保存到特定列中。
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 Schema
SpannerDocumentSaver 将包含一个 init_document_table 方法，用于创建一个新的表格来存储具有自定义 Schema 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),
],
)