AI驱动TDSQL-C Serverless 数据库技术实战营-颠覆传统分析模式：智能体与TDSQL-C结合实现人才的可视化数据分析

news2024/12/23 16:52:58

文章目录

  • 前言
    • 云数据库的对比
        • 传统云数据库：
        • TDSQL-C Serverless:
      • 智能体与TDSQL-C的结合思路
    • 算力服务器与数据库服务器申请与部署
      • 购买 TDSQL-C Mysql Serverless 实例
      • 购买HAI高算力服务器
    • 准备工作
      • 准备数据
      • 下载依赖
    • 案例开发
      • 创建数据库
      • 开启智能体与TDSQL-C结合
    • 总结

前言

TDSQL-C MySQL 版（TDSQL-C for MySQL）是腾讯云自研的新一代云原生关系型数据库。融合了传统数据库、云计算与新硬件技术的优势，为用户提供具备高弹性、高性能、海量存储、安全可靠的数据库服务。TDSQL-C MySQL 版100%兼容 MySQL 5.7、8.0。实现超百万级 QPS 的高吞吐，最高 PB 级智能存储，保障数据安全可靠。


TDSQL-C MySQL 版采用存储和计算分离的架构，所有计算节点共享一份数据，提供秒级的配置升降级、秒级的故障恢复，单节点可支持百万级 QPS，自动维护数据和备份，最高以GB/秒的速度并行回档。
TDSQL-C MySQL 版既融合了商业数据库稳定可靠、高性能、可扩展的特征，又具有开源云数据库简单开放、高效迭代的优势。TDSQL-C MySQL 版引擎完全兼容原生 MySQL，您可以在不修改应用程序任何代码和配置的情况下，将 MySQL 数据库迁移至 TDSQL-C MySQL 版引擎。

本篇文章我们将一步一步的实现 如何利用腾讯云的高性能应用服务 HAI 和TDSQL-C MySQL Serverless 版构建人才可视化数据分析

云数据库的对比

传统云数据库：
  1. 同机部署计算和存储，剩余资源难以利用
  2. 存算一体,较易产生碎片
  3. 规格固定,需提前扩缩容
  4. Binlog同步,主从易延迟
  5. 进程常驻,无使用也计费
  6. 横向扩展耗时长
TDSQL-C Serverless:
  1. 解耦计算与存储，资源利用率高，跨机扩容快 存算分离,不会产生碎片
  2. 纵向弹性规格,无需提前扩缩容
  3. Redolog 同步,主从延迟极低
  4. 自动启停,无使用不计费
  5. 秒级横向扩容

智能体与TDSQL-C的结合思路

算力服务器与数据库服务器申请与部署

购买 TDSQL-C Mysql Serverless 实例

  1. 访问腾讯云官网申请 TDSQL-C Mysql 服务器， 点击链接 进行访问， 如下图所示，点击立即选购

  1. 选购

如下图所示，选购我们所需的Serverless

  1. 设置数据库密码与配置信息

按照上述操作完成之后点击立即购买即可

购买HAI高算力服务器

  1. 点击链接 访问腾讯云 HAI 官网，如下图所示点击立即使用

  1. 点击新建按钮，新建服务器（费用会在新建服务器并使用后才开始计费）

  1. 根据配置需求选择算力服务器

  1. 查看HAI算力服务器的llama对外端口

检查是否已经默认开放 6399端口，如果没有开放的话需要手动点击端口配置在入站规则中添加协议端口

配置完成之后可以在浏览器中输入 ip:6399 进行访问，查看浏览器页面中是否有 ollama is running 的输出， 如果有输出的话，则表示此时的配置没有问题，外部链接是可以访问的。

准备工作

准备数据

如下图所示我们准备的是部分人原型信息的csv数据， 目前准备了155条数据，用于我们本次的测试使用

下载依赖

如下图所示在终端输入指令,下载所需的依赖

pip install openai 
pip install langchain 
pip install langchain-core 
pip install langchain-community 
pip install mysql-connector-python 
pip install streamlit 
pip install plotly 
pip install numpy
pip install pandas
pip install watchdog
pip install matplotlib
pip install kaleido
pip install wordcloud

安装的插件作用：

以下是对每个插件的作用描述：

  1. pip install openai
    • 作用：用于安装OpenAI的Python SDK，这个库允许开发者使用OpenAI的API来访问各种AI模型和服务，如GPT-3、文本生成、文本分类等。
  2. pip install langchain
    • 作用：langchain是一个可能用于构建语言模型链的库，但具体的细节可能因项目而异。它可能提供构建复杂对话系统或语言处理任务的工具。
  3. pip install langchain-core
    • 作用：类似于langchain，这个库可能是langchain的核心组件或扩展，用于处理更高级的语言模型链构建。
  4. pip install langchain-community
    • 作用：这个库可能是针对社区或特定领域定制的langchain扩展，提供了特定用途的工具或功能。
  5. pip install mysql-connector-python
    • 作用：用于安装MySQL连接器，这是一个用于Python语言与MySQL数据库进行通信的库。
  6. pip install streamlit
    • 作用：用于安装Streamlit，这是一个开源的Python库，可以快速构建和共享数据应用。
  7. pip install plotly
    • 作用：用于安装Plotly，这是一个开源的图表库，可以创建交互式图表。
  8. pip install numpy
    • 作用：用于安装NumPy，这是一个强大的Python库，用于进行科学计算，特别是涉及大型数组和矩阵的操作。
  9. pip install pandas
    • 作用：用于安装Pandas，这是一个Python数据分析库，提供了高性能、易用的数据结构和数据分析工具。
  10. pip install watchdog
    • 作用：用于安装Watchdog，这是一个Python库和shell工具，用于监控文件系统事件。
  11. pip install matplotlib
    • 作用：用于安装Matplotlib，这是一个Python的2D绘图库，可以生成高质量的图形和图表。
  12. pip install kaleido
    • 作用：用于安装Kaleido，这是一个Plotly的依赖库，用于将Plotly图表导出为静态图像文件。
  13. pip install wordcloud
    • 作用：用于安装WordCloud，这是一个Python库，用于生成词云图像，可以直观地展示文本数据中的关键词频率。

案例开发

创建数据库

登录云数据库，创建tdsql 数据库如下图所示

点击SQL窗口，在窗口中输入框中选择tdsql 数据库，然后创建users 数据表，如下图所示

sql语句如下：

CREATE TABLE users (
    id INT AUTO_INCREMENT PRIMARY KEY,
    name VARCHAR(255) NOT NULL,
    age INT,
    gender CHAR(1),
    political_status VARCHAR(100),
    ethnicity VARCHAR(100),
    education_level VARCHAR(100),
    marital_status VARCHAR(50),
    major VARCHAR(255),
    work_experience_years VARCHAR(100),
    personal_profile TEXT
);

将csv 数据插入到数据库中py语法如下：

import mysql.connector
import csv
# 数据库连接信息
config = {
    'user': 'root',
    'password': 'Pytosql123',
    'host': 'bj-cynosdbmysql-grp-7a0yrx5e.sql.tencentcdb.com',
    'database': 'tdsql',
    'port': 23893,
    'raise_on_warnings': True
}
file_path = "users.csv"


def insert_csv_data_to_db(config, file_path):
    # 创建连接
    creatConnector = mysql.connector.connect(**config)
    # 获取游标
    cursor = creatConnector.cursor()

    try:
        # 读取csv 数据, 并将数据插入到数据库
        with open(file_path, mode='r', encoding='utf-8') as csv_file:
            reader = csv.DictReader(csv_file)
            rows = list(reader)  # 将CSV行转换为列表，以便批量插入

        # 定义SQL插入语句模板
        query_template = """
        INSERT INTO users (
            name,
            age,
            gender,
            political_status,
            ethnicity,
            education_level,
            marital_status,
            major,
            work_experience_years,
            personal_profile
        ) VALUES (
          %s, %s, %s, %s, %s, %s, %s, %s, %s, %s
            )
        """

        # 将每行数据转换成元组格式，并处理空字段
        values_tuples = []
        for row in rows:
            # 将空字符串转换为None
            values = [None if value == '' or value == '暂无数据' else value for value in row.values()]
            values_tuples.append(tuple(values))

        # 打印前几个元组进行调试
        # print(values_tuples[:5])
        cursor.executemany(query_template, values_tuples)

        # 提交事务
        creatConnector.commit()

    except mysql.connector.Error as err:
        print(f"Database error: {err}")
    except Exception as e:
        print(f"An error occurred: {e}")
    finally:
        # 关闭游标
        cursor.close()
        # 关闭连接
        creatConnector.close()


if __name__ == '__main__':
    insert_csv_data_to_db(config, file_path)

执行完上述代码后，云数据库表内容如下：

开启智能体与TDSQL-C结合

示例代码如下：

import csv
from langchain_community.utilities import SQLDatabase
from langchain_core.prompts import ChatPromptTemplate
from langchain_community.chat_models import ChatOllama
from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables import RunnablePassthrough
import streamlit as st
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import yaml
import mysql.connector
from decimal import Decimal
import plotly.graph_objects as go
import plotly
import pkg_resources
import matplotlib
import streamlit as st
import mysql.connector
import csv
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
#指定字体文件路径
font_path = 'wendaoshouyuanti.ttf'
# 加载自定义字体文件
custom_font = FontProperties(fname=font_path)

yaml_file_path = 'config.yaml'

with open(yaml_file_path, 'r') as file:
  config_data = yaml.safe_load(file)


# 获取所有的已安装的pip包
def get_piplist(p):
  return [d.project_name for d in pkg_resources.working_set]


# 获取llm用于提供AI交互
ollama = ChatOllama(model=config_data['hai']['model'], base_url=config_data['hai']['base_url'])

db_user = config_data['database']['db_user']
db_password = config_data['database']['db_password']
db_host = config_data['database']['db_host']
db_port = config_data['database']['db_port']
db_name = config_data['database']['db_name']


# 获得schema
def get_schema(db):
  schema = mysql_db.get_table_info()
  return schema


def getResult(content):
  global mysql_db
  # 数据库连接
  mysql_db = SQLDatabase.from_uri(f"mysql+mysqlconnector://{db_user}:{db_password}@{db_host}:{db_port}/{db_name}")
  # 获得 数据库中表的信息
  # mysql_db_schema = mysql_db.get_table_info()
  # print(mysql_db_schema)
  template = """基于下面提供的数据库schema, 根据用户提供的要求编写sql查询语句,要求尽量使用最优sql,每次查询都是独立的问题，不要收到其他查询的干扰:
    {schema}
    Question: {question}
    只返回sql语句，不要任何其他多余的字符，例如markdown的格式字符等:
    如果有异常抛出不要显示出来
    """
  prompt = ChatPromptTemplate.from_template(template)
  text_2_sql_chain = (
    RunnablePassthrough.assign(schema=get_schema)
    | prompt
    | ollama
    | StrOutputParser()
  )

  # 执行langchain 获取操作的sql语句
  sql = text_2_sql_chain.invoke({"question": content})

  print(sql)
  # 连接数据库进行数据的获取
  # 配置连接信息
  conn = mysql.connector.connect(

    host=db_host,
    port=db_port,
    user=db_user,
    password=db_password,
    database=db_name
  )
  # 创建游标对象
  cursor = conn.cursor()
  # 查询数据
  cursor.execute(sql.strip("```").strip("```sql"))
  info = cursor.fetchall()
  # 打印结果
  # for row in info:
  # print(row)
  # 关闭游标和数据库连接
  cursor.close()
  conn.close()
  # 根据数据生成对应的图表
  print(info)
  template2 = """
    以下提供当前python环境已经安装的pip包集合:
    {installed_packages};
    请根据data提供的信息，生成是一个适合展示数据的plotly的图表的可执行代码,要求如下：
        1.不要导入没有安装的pip包代码
        2.如果存在多个数据类别，尽量使用柱状图，循环生成时图表中对不同数据请使用不同颜色区分，
        3.图表要生成图片格式,保存在当前文件夹下即可，名称固定为：图表.png,
        4.我需要您生成的代码是没有 Markdown 标记的，纯粹的编程语言代码。
        5.生成的代码请注意将所有依赖包提前导入，
        6.不要使用iplot等需要特定环境的代码
        7.请注意数据之间是否可以转换，使用正确的代码
        8.不需要生成注释
        9.自定义字体使用指定字体文件路径: font_path = 'wendaoshouyuanti.ttf';
    data:{data}

    这是查询的sql语句与文本:

    sql:{sql}
    question:{question}
    返回数据要求:
    仅仅返回python代码，不要有额外的字符
    """
  prompt2 = ChatPromptTemplate.from_template(template2)
  data_2_code_chain = (
    RunnablePassthrough.assign(installed_packages=get_piplist)
    | prompt2
    | ollama
    | StrOutputParser()
  )

  # 执行langchain 获取操作的sql语句
  code = data_2_code_chain.invoke({"data": info, "sql": sql, 'question': content})

  # 删除数据两端可能存在的markdown格式
  print(code.strip("```").strip("```python"))
  exec(code.strip("```").strip("```python"))
  return {"code": code, "SQL": sql, "Query": info}


# 构建展示页面
import streamlit

# 设置页面标题
streamlit.title('智能体与TDSQL-C结合实现人才的可视化数据分析')
# 设置对话框
content = streamlit.text_area('请输入想查询的信息', value='', max_chars=None)
# 提问按钮 # 设置点击操作
if streamlit.button('提问'):
  # 开始ai及langchain操作
  if content:
    # 进行结果获取
    result = getResult(content)
    # 显示操作结果
    streamlit.write('AI生成的SQL语句:')
    streamlit.write(result['SQL'])
    streamlit.write('SQL语句的查询结果:')
    streamlit.write(result['Query'])
    streamlit.write('plotly图表代码:')
    streamlit.write(result['code'])
    # 显示图表内容（生成在getResult中）
  streamlit.image('./图表.png', width=800)

运行效果如图：

效果如下：

到目前为止我们就已经完整的开发完成啦，赶快去尝试一下吧

总结

本篇博客我们主要通过HAI 与tdsql-c 结合实现了智能化的数据查询以及数据图表的生成，在py中核心的思路如下：

  1. 成功对接了Llama3.1大型模型，为数据库查询提供了强大的AI支持；
  2. 构建了SQL-Chain，将TDSQL-C数据库架构信息融入大型语言模型，实现了智能化的数据处理；
  3. 构建了User-Chain，有效地将用户的查询需求转化为模型可理解的指令，进而生成精确的SQL查询语句。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2172986.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

智能新宠：BabyAlpha A2开启家庭机器人新时代

智能新宠：BabyAlpha A2开启家庭机器人新时代

具身智能领域的“疯狂”，已经迈入了全新的阶段！让我们一起来看看这段视频：一个人形机器人在前面奔跑，一群机器狗紧随其后；接着是人追赶机器狗，随后机器狗又追逐人……视频最后，那个机器人似乎还…
阅读更多...
【Python】Daphne：Django 异步服务的桥梁

【Python】Daphne：Django 异步服务的桥梁

Daphne 是 Django Channels 项目的一部分，专门用于为 Django 提供支持 HTTP、WebSocket、HTTP2 和 ASGI 协议的异步服务器。Daphne 是一个开源的 Python 异步服务器，它可以帮助开发者运行异步应用程序，并且非常适合与 Django Channels 一起使…
阅读更多...
回家啦回家啦

回家啦回家啦

耒阳也有茶颜月色了，没忍住喝了一杯！ 衡阳卤粉，想出来的味道👅，一般般 但一个粉店能做到24小时不打烊，应该也还行哈 银行竟然支持扫脸取钱了！！
阅读更多...
【微服务即时通讯系统】——etcd一致性键值存储系统、etcd的介绍、etcd的安装、etcd使用和功能测试

【微服务即时通讯系统】——etcd一致性键值存储系统、etcd的介绍、etcd的安装、etcd使用和功能测试

文章目录 etcd1. etcd的介绍1.1 etcd的概念 2. etcd的安装2.1 安装etcd2.2 安装etcd客户端C/C开发库 3. etcd使用3.1 etcd接口介绍 4. etcd使用测试4.1 原生接口使用测试4.2 封装etcd使用测试 etcd 1. etcd的介绍 1.1 etcd的概念 Etcd 是一个基于GO实现的 分布式、高可用、一致…
阅读更多...
通过OpenScada在ARMxy边缘计算网关上实现数字化转型

通过OpenScada在ARMxy边缘计算网关上实现数字化转型

随着工业4.0概念的普及，数字化转型已成为制造业升级的关键路径之一。在此背景下，边缘计算技术因其能够有效处理大量数据、减少延迟并提高系统响应速度而受到广泛关注。ARMxy边缘计算网关，特别是BL340系列，凭借其强大的性能和灵活的…
阅读更多...
--杂项2--

--杂项2--

将之前实现的顺序表、栈、队列都更改成模板类 #include <iostream> #include <string.h> using namespace std;template <typename T> class Stack { private:T* a;int top;int size1;public:Stack(int c) : a(new T[c]), top(-1), size1(c) {}~Stack() { de…
阅读更多...
IDEA 系列产品 下载

IDEA 系列产品 下载

准备工作 下载 下载链接&#xff1a;https://www.123865.com/ps/EF7OTd-mbHnH 仅供参考 环境 演示环境&#xff1a; 操作系统&#xff1a;windows10 产品&#xff1a;IntelliJ IDEA 版本&#xff1a;2024.1.2 注意&#xff1a;如果需要其他产品或者版本可以自行下载&#xff0…
阅读更多...
ArcEngine C#二次开发图层处理：根据属性分割图层（Split）

ArcEngine C#二次开发图层处理：根据属性分割图层（Split）

需求&#xff1a;仅根据某一属性&#xff0c;分割图层&#xff0c;并以属性值命名图层名称保存。 众所周知&#xff0c;ArcGIS ArcToolbox中通过Split可以实现图形分割一个图层&#xff0c;以属性值命名图层&#xff0c;如下图所示。 本文仅仅依据属性值&#xff0c;将一个shp…
阅读更多...
Android界面控件概述

Android界面控件概述

节选自《Android应用开发项目式教程》&#xff0c;机械工业出版社&#xff0c;2024年7月出版 做最简单的安卓入门教程&#xff0c;手把手视频、代码、答疑全配齐 控件是Android界面的重要组成单元&#xff0c;Android应用主要通过控件与用户交互&#xff0c;Android提供了非常…
阅读更多...
YUView：YUV查看工具

YUView：YUV查看工具

文章目录 引言安装步骤使用YUView查看YUV数据播放与分析功能亮点注意事项 YUView的架构设计 引言 本文将介绍如何在Ubuntu 20.04上安装YUView&#xff0c;并分享其基本使用方法。 安装步骤 安装依赖项 在开始安装YUView前&#xff0c;先确保安装了所有必需的依赖包。打开终…
阅读更多...
VGA/HDMI/DP接口和USB、串口通信协议

VGA/HDMI/DP接口和USB、串口通信协议

1、视频接口 开始之前我们先聊一聊数字信号和模拟信号&#xff0c;模拟信号和数字信号的不同之处在于它们所传输的信息的形式。模拟信号是一个连续的信号&#xff0c;可以以在无限小的时间内进行测量。数字信号则是以离散的形式进行传输&#xff0c;它的数值只能是离散的、有限…
阅读更多...
每日一题学习笔记

每日一题学习笔记

给你单链表的头结点 head &#xff0c;请你找出并返回链表的中间结点。 如果有两个中间结点&#xff0c;则返回第二个中间结点。 示例 1&#xff1a; 输入&#xff1a;head [1,2,3,4,5] 输出&#xff1a;[3,4,5] 解释&#xff1a;链表只有一个中间结点&#xff0c;提示&…
阅读更多...
Unity中的GUIStyle错误：SerializedObject of SerializedProperty has been Disposed.

Unity中的GUIStyle错误：SerializedObject of SerializedProperty has been Disposed.

一运行就循环打印这个报错&#xff0c; 解决办法&#xff0c;每次改参数之后在HIerarchy中手动保存&#xff0c;就会停止循环打印&#xff0c;style中的字体也显示出来了&#xff0c; 或者 直接换个低版本的
阅读更多...
如何使用C语言接入Doris数据库

如何使用C语言接入Doris数据库

如何使用C语言接入Doris数据库 一、环境准备1. 安装MySQL C API2. Doris数据库环境二、编写C语言接入代码1. 包含必要的头文件2. 编写连接和查询函数3. 编译和运行程序三、注意事项1. 安全性2. 错误处理3. 性能优化4. 兼容性5. 调试和日志记录四、结论Doris（之前称为Palo或Apa…
阅读更多...
SQL高可用优化-优化SQL中distinct和Where条件对索引字段进行非空检查语句

SQL高可用优化-优化SQL中distinct和Where条件对索引字段进行非空检查语句

最近做一个需求&#xff0c;关于SQL高可用优化&#xff0c;需要优化项目中的SQL&#xff0c;提升查询效率。 SQL高可用优化 一、优化SQL包含distinct场景二、优化SQL中Where条件中索引字段是否为NULL三、代码验证1. NodeMapper2. NodeService3. NodeController4.数据库数据5.项…
阅读更多...
《西安交通大学学报》

《西安交通大学学报》

投稿须知 感谢你对本刊的信任和支持。为了更好地为你服务&#xff0c;保证你的稿件能够顺利通过专家审稿&#xff0c;乃至及时录用发表&#xff0c;现将向本刊投稿时需要注意的事项罗列如下。   &#xff08;1&#xff09;本刊面向国内外公开征稿&#xff0c;校外作者的稿件要…
阅读更多...
Linux系统文件的基础IO

Linux系统文件的基础IO

目录 一、C语言的文件IO操作 二、系统调用的文件IO操作 1.open打开文件 2.close关闭文件 3.write写入文件 4.read读取文件 三、文件描述符 四、文件描述符的分配规则 五、终端文件 六、C语言中的文件IO对比系统调用文件IO 文件I/O&#xff08;Input/Output&#xff0…
阅读更多...
信安 实验2,3 使用Gpg4win进行数字签名、发送加密电子邮件

信安 实验2,3 使用Gpg4win进行数字签名、发送加密电子邮件

我发现了有些人喜欢静静看博客不聊天呐&#xff0c; 但是ta会点赞。 这样的人呢帅气低调有内涵&#xff0c; 美丽大方很优雅。 说的就是你&#xff0c; 不用再怀疑哦 实验2 使用Gpg4win进行数字签名 实验目的 通过实验&#xff0c;让学生掌握使用RSA算法实施数字签名的…
阅读更多...
【1米C-SAR卫星】

【1米C-SAR卫星】

1米C-SAR卫星 1米C-SAR卫星是我国自主研发的重要遥感卫星&#xff0c;主要用于海洋、陆地等观测任务&#xff0c;具备高分辨率、宽覆盖、多极化、多模式等特点。以下是对1米C-SAR卫星的详细介绍&#xff1a; 一、基本概况 发射时间&#xff1a;首颗1米C-SAR卫星于2021年11月2…
阅读更多...
谁能给我一个ai现在无法替代画师的理由？

谁能给我一个ai现在无法替代画师的理由？

小白可做&#xff01;全自动AI影视解说一键成片剪辑工具https://docs.qq.com/doc/DYnl6d0FLdHp0V2ll 如何看待现如今的AI绘画 哎呀玫瑰花来了&#xff0c;所有花式都要玩完了。 我相信大家在网上已经看过了太多惊为天人的AI绘画作品&#xff0c;有人抵制&#xff0c;有人支持&a…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023