Unlocking the Power of Azure Cosmos DB with Apache Gremlin for Graph Databases

使用 Azure Cosmos DB 操作图数据库

最新推荐文章于 2025-12-01 18:34:47 发布

原创最新推荐文章于 2025-12-01 18:34:47 发布 · 457 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#azure #数据库 #apache #python

引言

在现代数据处理中，图数据库因其特殊的结构化数据查询能力而受到广泛关注。Azure Cosmos DB 的 Apache Gremlin 提供了一个高效的图数据库服务，能够轻松存储和查询数十亿的顶点和边。本文将深入探讨如何使用 Azure Cosmos DB 的 Gremlin API，以及如何通过自然语言接口查询图数据库。

主要内容

安装和设置环境

首先，确保您的环境安装了 gremlinpython 包，以便与 Gremlin API 进行交互。

!pip3 install gremlinpython

在 Azure 中设置一个 Cosmos DB 实例。您可以创建一个免费的 Cosmos DB Graph 数据库实例。创建账户和图形时，建议使用 /type 作为分区键。

cosmosdb_name = "mycosmosdb"
cosmosdb_db_id = "graphtesting"
cosmosdb_db_graph_id = "mygraph"
cosmosdb_access_Key = "longstring=="

初始化图数据库

导入必要的库，并设置 Gremlin 图数据库连接。

import nest_asyncio
from langchain.chains.graph_qa.gremlin import GremlinQAChain
from langchain_community.graphs import GremlinGraph
from langchain_community.graphs.graph_document import GraphDocument, Node, Relationship
from langchain_core.documents import Document
from langchain_openai import AzureChatOpenAI

graph = GremlinGraph(
    url=f"=wss://{cosmosdb_name}.gremlin.cosmos.azure.com:443/",
    username=f"/dbs/{cosmosdb_db_id}/colls/{cosmosdb_db_graph_id}",
    password=cosmosdb_access_Key,  # 使用API代理服务提高访问稳定性
)

向数据库中添加数据

使用 GraphDocument 向图数据库中插入数据节点和关系。

source_doc = Document(
    page_content="Matrix is a movie where Keanu Reeves, Laurence Fishburne and Carrie-Anne Moss acted."
)
movie = Node(id="The Matrix", properties={"label": "movie", "title": "The Matrix"})
actor1 = Node(id="Keanu Reeves", properties={"label": "actor", "name": "Keanu Reeves"})
actor2 = Node(id="Laurence Fishburne", properties={"label": "actor", "name": "Laurence Fishburne"})
actor3 = Node(id="Carrie-Anne Moss", properties={"label": "actor", "name": "Carrie-Anne Moss"})

relationships = [
    Relationship(id=5, type="ActedIn", source=actor1, target=movie),
    Relationship(id=6, type="ActedIn", source=actor2, target=movie),
    Relationship(id=7, type="ActedIn", source=actor3, target=movie),
]

graph_doc = GraphDocument(
    nodes=[movie, actor1, actor2, actor3],
    relationships=relationships,
    source=source_doc,
)

nest_asyncio.apply()
graph.add_graph_documents([graph_doc])

刷新与查询图形

当数据库的结构发生变化时，更新数据库模式非常重要。

graph.refresh_schema()
print(graph.schema)

使用 Gremlin QA Chain 自然语言询问图形中的数据。

chain = GremlinQAChain.from_llm(
    AzureChatOpenAI(
        temperature=0,
        azure_deployment="gpt-4-turbo",
    ),
    graph=graph,
    verbose=True,
)

response = chain.invoke("Who played in The Matrix?")
print(response)

response_count = chain.run("How many people played in The Matrix?")
print(response_count)