NebulaGraph

NebulaGraph 是一个开源的、分布式的、可扩展的、快速的图数据库，专为超大规模图形构建，延迟为毫秒级。它使用 nGQL 图查询语言。

nGQL 是用于 NebulaGraph 的声明式图查询语言。它允许表达丰富且高效的图模式。nGQL 旨在服务于开发人员和运维专业人员。nGQL 是一种类似 SQL 的查询语言。

本笔记本展示了如何使用 LLM 提供自然语言接口来访问 NebulaGraph 数据库。

设置

您可以通过运行以下脚本以 Docker 容器的形式启动 NebulaGraph 集群：

curl -fsSL nebula-up.siwei.io/install.sh | bash

其他选项包括：

• 作为 Docker Desktop 扩展 安装。请参见 这里
• NebulaGraph 云服务。请参见 这里
• 从包、源代码或通过 Kubernetes 部署。请参见 这里

一旦集群运行，我们可以为数据库创建 SPACE 和 SCHEMA。

%pip install --upgrade --quiet  ipython-ngql
%load_ext ngql

# 连接 ngql jupyter 扩展到 nebulagraph
%ngql --address 127.0.0.1 --port 9669 --user root --password nebula
# 创建一个新空间
%ngql CREATE SPACE IF NOT EXISTS langchain(partition_num=1, replica_factor=1, vid_type=fixed_string(128));

# 等待几秒钟以创建空间。
%ngql USE langchain;

创建模式，完整数据集请参考 这里。

%%ngql
CREATE TAG IF NOT EXISTS movie(name string);
CREATE TAG IF NOT EXISTS person(name string, birthdate string);
CREATE EDGE IF NOT EXISTS acted_in();
CREATE TAG INDEX IF NOT EXISTS person_index ON person(name(128));
CREATE TAG INDEX IF NOT EXISTS movie_index ON movie(name(128));

等待模式创建完成，然后我们可以插入一些数据。

%%ngql
INSERT VERTEX person(name, birthdate) VALUES "Al Pacino":("Al Pacino", "1940-04-25");
INSERT VERTEX movie(name) VALUES "The Godfather II":("The Godfather II");
INSERT VERTEX movie(name) VALUES "The Godfather Coda: The Death of Michael Corleone":("The Godfather Coda: The Death of Michael Corleone");
INSERT EDGE acted_in() VALUES "Al Pacino"->"The Godfather II":();
INSERT EDGE acted_in() VALUES "Al Pacino"->"The Godfather Coda: The Death of Michael Corleone":();

from langchain.chains import NebulaGraphQAChain
from langchain_community.graphs import NebulaGraph
from langchain_openai import ChatOpenAI

graph = NebulaGraph(
    space="langchain",
    username="root",
    password="nebula",
    address="127.0.0.1",
    port=9669,
    session_pool_size=30,
)

刷新图形模式信息

如果数据库的模式发生变化，您可以刷新生成 nGQL 语句所需的模式信息。

# graph.refresh_schema()

print(graph.get_schema)

Node properties: [{'tag': 'movie', 'properties': [('name', 'string')]}, {'tag': 'person', 'properties': [('name', 'string'), ('birthdate', 'string')]}]
Edge properties: [{'edge': 'acted_in', 'properties': []}]
Relationships: ['(:person)-[:acted_in]->(:movie)']

查询图形

我们现在可以使用图形 cypher QA 链来询问图形

chain = NebulaGraphQAChain.from_llm(
    ChatOpenAI(temperature=0), graph=graph, verbose=True
)

chain.run("Who played in The Godfather II?")

> 进入新的 NebulaGraphQAChain 链...
生成的 nGQL:
MATCH (p:`person`)-[:acted_in]->(m:`movie`) WHERE m.`movie`.`name` == 'The Godfather II'
RETURN p.`person`.`name`
完整上下文:
{'p.person.name': ['Al Pacino']}

> 完成链。

'Al Pacino played in The Godfather II.'