鸿蒙开发者社区

本文目录Text2Cypher传统的Text2Cypher用LLM做Text2CypherNebulaGraph上的Text2Cypher使用LlamaIndex使用LangChainDemo结论话接上文​​​《图技术在LLM下的应用：知识图谱驱动的大语言模型LlamaIndex》​​🔗同大家简单介绍过LLM和图、知识图谱相关的结合，现在我来和大家分享下最新的成果。毕竟，从GPT3开始展现出超出预期的”理解能力“开始，我一直在做Graph+LLM技术组合、互补的研究、探索和分享，截止到现在NebulaGraph已...

因为线上图数据库目前为单集群，数据量比较大，有以下缺点：单点风险，一旦集群崩溃或者因为某些查询拖垮整个集群，就会导致所有图操作受影响很多优化类但会影响读写的操作不好执行，比如：compact、balanceleader等；双集群在升级的时候也非常有优势，完全可以做到不影响业务运行，比如先升级备集群再升级主集群。总之，为了线上数据库更加稳定和高可用需要搭建双集群。选择BR目前我这边了解到复制集群方案有：新集群重新写入...

本文整理自NebulaGraphPD方扬在「NebulaGraphxKubeBlocks」meetup上的演讲，主要包括以下内容：NebulaGraph3.x的发展历程稳定性性能提升易用性NebulaGraph的最佳实践数据建模数据膨胀超级节点数据导入查询指南内存保护试试MemoryTracker语句调试得用PROFILE某个功能不支持array功能更强了UDF待解决的问题其他问题交流NebulaGraph3.x的发展历程NebulaGraph自2019年5月开源发布第一个alpha版本以来，陆陆续续发布了2.0GA，到现在v...

编者按：在前文​​《以NoSQL和NewSQL为例，讲解如何分析数据模型和考量查询语言》​​中，木鸟同大家讲解了SQL、NoSQL、NewSQL的数据模型及查询语言。在本文中，他将会同大家分享图数据库特殊的数据模型及查询语言。上文提过的文档型数据库，和本文所说的图数据库，有什么区别？文档模型的适用场景？你的数据集中存在着大量一对多（onetomany）的关系。图模型的适用场景？你的数据集中存在大量的多对多（manytomany）的关系。...

本文仅供参考，不推荐在生产环境使用。K8s集群安装NebulaGraph部署一、集群环境准备二、Docker部署配置DockerYUM源安装DockerCE启动Docker服务配置Docker容器镜像加速器三、DockerCompose安装四、添加Rancher用户五、生成SSH证书用于部署集群生成SSH证书复制证书到集群中所有主机验证SSH证书是否可用六、RKE工具下载七、初始化RKE配置文件八、集群部署九、安装kubectl客户端kubectl客户端安装kubectl客户端配置集群管理文件及应...

LLM应用的范式LlamaIndex：数据与LLM之间的接口上下文学习嵌入（Embedding）LlamaIndex文档分割和嵌入的问题知识图谱嵌入和知识图谱的结合LlamaIndex中的知识图谱进展LLM如火如荼地发展了大半年，各类大模型和相关框架也逐步成型，可被大家应用到业务实际中。在这个过程中，我们可能会遇到一类问题是：现有的哪些数据，如何更好地与LLM对接上。像是大家都在用的知识图谱，现在的图谱该如何借助大模型，发挥更大的价值呢？在本文...

本文整理自NebulaGraph布道师wey在「夜谈LLM」主题分享上的演讲，主要包括以下内容：背景LLMRAGGraph知识抽取Text2CypherGraphRAG未来规划Part.01技术背景LLM是什么WHATISLLM这里简单、快速地介绍下大语言模型：从GPT2开始，到后来流行的GPT3，人们逐渐意识到语言模型达到一定规模，借助部分技术手段之后，程序好像可以变得和人一样，去理解人类复杂的思想表达。与此同时，一场技术变革也悄然发生了，曾经我们需要用复杂代码、...

本文整理自社区用户陈卓见在「夜谈LLM」主题分享上的演讲，主要包括以下内容：利用大模型构建知识图谱利用大模型操作结构化数据利用大模型使用工具Part01利用大模型构建知识图谱上图是之前，我基于大语言模型构建知识图谱的成品图，主要是将金融相关的股票、人物、涨跌幅之类的基金信息抽取出来。之前，我们要实现这种信息抽取的话，一般是用Bert+NER来实现，要用到几千个样本，才能开发出一个效果相对不错的模型。而到了大语言...

BOSS直聘和NebulaGraphUDF的萌生UDF设计和实现原理UDF使用方法UDF尚未解决的问题开发UDF的意外收获大家好，我是来自BOSS直聘的赵俊南，主要负责安全方面的图存储相关工作。作为一个从v1.x用到v3.x版本的忠实用户，在见证NebulaGraph发展的同时，也和它一起成长。BOSS直聘和NebulaGraph关于NebulaGraph在BOSS直聘的应用场景，大家可以看看之前文洲老师的文章（图数据库NebulaGraph在BOSS直聘的应用），从那时候文洲老师构建的行...

什么是JupyterNotebookipythonngql的安装数据查询单行查询多行查询渲染结果高阶用法操作查询结果为pandasDF返回原始ResultSet查询模板未来在之前的《​​手把手教你用NebulaGraphAI全家桶跑图算法​​🔗》中，除了介绍了ngai这个小工具之外，还提到了一件事有了JupyterNotebook插件:​​https:github.comweyguipythonngql​​，可以更便捷地操作NebulaGraph。本文就手把手教你咋在JupyterNotebook中，愉快地玩图数据库。只要你...

·NebulaGraphArtificialIntelligenceSuite·ngai是什么·ngai的特点·你可以这么用ngai·跑分布式PageRank算法·写回算法结果到NebulaGraph·通过nGQL调用算法·单机运行算法·可视化图算法结果·更方便的Notebook操作NebulaGraph·未来工作·试玩ngai·ngai的架构NebulagraphArtificialIntelligenceSuite前段时间​​NebulaGraph3.5.0发布​​🔗，whitewum吴老师建议我把前段时间NebulaGraph社区里开启的新项目ngai公开给大家...

AG9311是单芯片TYPEC转HDMI+PD+U3拓展坞转换芯片，主要用在TypeC拓展坞或者TypeC扩展器上，任何带有USBTYPEC的设备上都可以用到AG9311芯片轻松实现视频转换器应用功能。只是市场竞争下，AG9311目前的性价比已经不比从前了，像瑞奇达Capstone厂商现已改名ASL集睿致远，厂商进入内地生产化，研发出CS5266对标AG9366芯片.CS5266也是单芯片集成TypeC转HDMI+PD+USB3.0三合一扩展。CS5266可以实现三合一、不带PD二合一拓展坞，根据不...

现在市面上有很多APP，都或多或少对图片有模糊上的设计，所以，图片模糊效果到底怎么实现的呢？首先，我们来了解下模糊效果的对比从视觉上，两张图片，有一张是模糊的，那么，在实现图片模糊效果之前，我们首先需要了解图片模糊的本质是什么？在此介绍模糊本质之前，我们来了解下当前主流的两个移动端平台（Android与iOS）的实现。对Android开发者而言，比较熟悉且完善的图片变换三方库以glidetransformations(https:github.com...

查询带边属性count​​GO{}STEPFROM{}OVERKNOWSyieldKNOWS.creationDatereturncount();​​一跳·吞吐率一跳·服务端耗时（ms）一跳·客户端耗时（ms）二跳·吞吐率二跳·服务端耗时（ms）二跳·客户端耗时（ms）三跳·吞吐率三跳·服务端耗时（ms）三跳·客户端耗时（ms）查询带目的点属性count​​GO1STEPFROM{}OVERKNOWSyield$$.Person.firstNamereturncount()​​一跳·吞吐率一跳·服务端耗时（ms）一跳·客户端耗时（ms）...

仅以此文纪念下我和NebulaGraph的相遇故事。我第一次听说NebulaGraph是老板开完会回来跟我讲的。老板告诉我，我有一周的时间，学习NebulaGraph，包括库搭建、配套工具使用、项目整合、SQL编写以及其他相关文档等等。老板还说，如果以后谁有了与这方面相关的问题，他们都会来问我。我回答道：“好的。”虽然之前我没有听过这个产品，但对于新技术，我一直都很感兴趣，所以我决定干起来。新手初试：搞定安装第一步，我在官网的Neb...

本文系NebulaGraph社区版v3.5.0的性能测试报告。在v3.5.0版本中，NebulaGraph优化了相关的FINDALLPATH性能，支持了免索引查询等功能。具体的v3.5.0的releasenote参见：​​https:discuss.nebulagraph.com.cnttopic13139​​而本次性能概述如下：​​FINDALLPATH​​的深度性能有大约50500%的提升，其中1to5steps大约有600%的提升；Match2HOPcount的性能有15%幅度的提升；解决​​GO​​使用属性过滤时，返回结果不正确问题。部...

人之初，性本鸽。大家好，我叫储惠龙（实名上网），你可以叫我小龙人，00后一枚。目前从事后端开发工作。今天给大家带来一个简单的为NebulaGraph提供GraphQL查询支持的DEMO，为什么是简单的，因为本来想完成更多工作再给大家介绍的，但是上个月太忙加上下个月更忙，但是我又很想白嫖一下NebulaGraph官方的奖品，所以就赶紧端上来了。体验NebulaGraphQL先上项目地址：​​https:github.comDragonchuNebulaGraphQL​​GraphQL是什...

GPT4写的第一版程序增加需求调试程序再次增加定制需求后续支线任务：Slack的开发者工具GPT4最近风头正劲，作为NebulaGraph的研发人员的我自然是跟进新技术步伐。恰好，现在有一个将Slackchannel消息同步到其他IM的需求，看看GPT4能不能帮我完成这次的信息同步工具的代码编写工作。本文记录了我同GPT主要的交互过程，中间删减了部分非主线对话。在开始同GPT4谈App需求之前，先让他它科普下什么是OutgoingWebhook，和IncomingWebh...

本文目录可用内存进程可用内存MemoryTracker可用内存MemoryTracker的设计与实现方案ThreadMemoryStatsGlobalMemoryStats·Globalnewdeleteoperator·MemoryStatsCatchstd::bacalloc算子的内存检测RPC的内存检测错误码延伸阅读数据库的内存管理是数据库内核设计中的重要模块，内存的可度量、可管控是数据库稳定性的重要保障。同样的，内存管理对图数据库NebulaGraph也至关重要。图数据库的多度关联查询特性，往往使图数据库执行...

邻接矩阵AdjacencyMatrix压缩稀疏矩阵CSRCSC邻接链表AdjacencyListTree基于CSR的变种PCSR和VCSRPCSRVCSRCSR++小结延伸阅读图算法中的图操作AIGC小课堂参考文献在进行各种图处理、图计算、图查询的时候，内存或是硬盘中如何存储图结构是一个影响性能的关键因素。本文主要分析了几种常见的内存图结构，及其时间、空间复杂度，希望对你有所启发。通常来说，对于图结构的几种常见的基础操作：插入一个点插入一个边删除一个边删除一...