腾讯云AI 驱动的数据库 TDSQL-C 操作与电商可视分析---实战体验历险记

腾讯云AI 驱动的数据库 TDSQL-C 操作与电商可视分析---实战体验历险记

一、背景介绍

二、实验介绍

三、效果展示

四、实操指导

4.1 系统设计

4.2 环境搭建

4.2.1 购买 TDSQL-C Mysql Serverless 实例

4.2.2 部署HAI高算力服务器

4.2.3 本地python环境搭建

4.3 应用构建

4.3.1 搭建项目框架

4.3.2 TDSQL-C 数据库&HAI云算力配置

4.3.3 应用开发

4.3.4 运行程序并测试效果

4.4 效果展示

五、清理资源

5.1 删除TDSQL-C Serverless

5.2 删除 HAI 算力

六、实验小结

一、背景介绍

2024年9月25日获邀参加腾讯云的AI驱动的TDSQL-Cserverless实战营活动。云服务，云电脑等概念都只是停留在了解的层面，并没有什么实际的实践操作，一直都想尝试体验下，这次机会难得，果断决定试试！

参阅主办方提供的样例之后，就着手实战操练体验AI驱动的TDSQL-Cserverless数据库的具体使用。

首先说说活动背景吧。AI 技术的应用极大地提升了运营效率，并为电商行业带来了个性化推荐、用户行为分析、库存管理和市场趋势预测等关键领域的数据分析能力，在这种背景下，构建一个高效、可靠的AI电商数据分析系统显得尤为关键。

本次活动就是想通过详细细致的指导，让像我们的初级开发者学会如何利用腾讯云的高性能应用服务HAI和TDSQL-C MySQL Serverless版构建AI电商数据分析系统，这只是一个范例，开发者可以更换示例中的数据文件内容，创建自己的数据库。HAI作为一个面向AI和科学计算的GPU应用服务产品，提供了强大的计算能力，使得复杂AI模型如LLM的快速部署和运行成为可能，进而支持自然语言处理和图像生成等高级任务。与此同时，TDSQL-C MySQL版作为一款云原生关系型数据库，其100%的MySQL兼容性，以及极致的弹性、高性能和高可用性，使其成为电商业务中处理海量数据存储和查询的理想选择。

接下来开发者将通过Python编程语言和基于Langchain的框架，逐步引导开发者完成系统的构建和部署。

二、实验介绍

本次实验我们将在腾讯云中快速搭建TDSQL-C Mysql Serverless服务器的 AI电商数据分析系统，参加活动营的开发者需要完成下面五项任务:

1、程序流程图设计

2、TDSQL-C Mysql Serverless 搭建

3、HAI llama 大模型部署

4、开发环境搭建

5、AI电商数据分析系统构建

三、效果展示

当我们搭建成功后，运行python程序时就会打开浏览器出现这个窗口，等待用户输入查询内容。小tips就是需要同时使用Ctrl 和Enter两键，等待结果出现。

4.1 系统设计

我们需要完成上述任务，工作的思路就是按照下面的流程图，一步一步来实现。

程序流程图

4.2 环境搭建

1. 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：https://cloud.tencent.com/product/tdsqlc

温馨提示：在购买前需要注册腾讯云账号，后面要用到的，最好是实名制，可以免费试用和使用某些产品的体验。

2.根据图表选择选定服务器

选定的服务器Serverless的服务器

点击上面的链接，就会跳转到当前页面，如下图所示：依次选定自己想要的配置，其中位置选择离你物理位置最近的为最佳，当然你家网络超级好而且家里有矿，可以随意选择，因为这些云服务器需要你按小时或包月包年付费使用的。

如果网络流畅的话直接选择系统默认的网络就行，否则就需要自己动手创建了。

蓝色按钮就是我的最佳选择，这里有一难点就是私有网络的创建。选择蓝色小字中的新建私有网络，跳转出如下界面。

选择新建，跳转出下面的表格，主要是网络名称和子网名称不要设置相同就好，IPV4 CIDR选择192开头的较好。其他的选择默认状态，最后点击确定。

创建完毕，返回到刚才的页面，对数据库进行选定。

点击下一步，进入到数据库基本信息填写页面。

3.设置数据库密码与配置信息

如上图所示，设定登录密码，记住账号名为root，端口选择默认即可。

接着点击高级设置，表名大小写选择不敏感选项。

勾选同意复选框，点击立即购买按钮，跳转到付费为页面。

4.点击立即购买，支付成功后，进入到此页面，点击前往管理页面。

1. 5.前往数据库管理界面

6.管理页面中选择指定区域的 TDSQL-C Mysql 服务器

在管理页面，首先选定你刚才创建的那个服务器，点击右上角的启动，读写实例中，将外网开启，这里的服务器主机名和端口复制备用。

7.开启实例公网访问

8.登录在线管理工具

点击上面页面中的授权并创建，就进入到登录在线管理页面。

输入账号名，密码，点击登录进入下一页面。

可以看到实例的基本信息。

9.新建数据库 shopping

数据库的名称可以自定义，一定要记牢，后面有用。

先点击库管理，再点击新建数据库，输入库名

10.导入数据表

将下面的数据复制到SQL执行窗口中，即“执行”下面的“1”后面的方框中，确保当前数据库选中shopping。

CREATE TABLE `ecommerce_sales_stats` (

`category_id` int NOT NULL COMMENT '分类ID（主键）',

`category_name` varchar(100) NOT NULL COMMENT '分类名称',

`total_sales` decimal(15,2) NOT NULL COMMENT '总销售额',

`steam_sales` decimal(15,2) NOT NULL COMMENT 'Steam平台销售额',

`offline_sales` decimal(15,2) NOT NULL COMMENT '线下实体销售额',

`official_online_sales` decimal(15,2) NOT NULL COMMENT '官方在线销售额',

PRIMARY KEY (`category_id`)

) ENGINE=INNODB DEFAULT CHARSET=utf8mb4 AUTO_INCREMENT=1 COMMENT='电商分类销售统计表';

INSERT INTO `ecommerce_sales_stats` VALUES (1,'电子产品',150000.00,80000.00,30000.00,40000.00),(2,'服装',120000.00,20000.00,60000.00,40000.00),(3,'家居用品',90000.00,10000.00,50000.00,30000.00),(4,'玩具',60000.00,5000.00,30000.00,25000.00),(5,'书籍',45000.00,2000.00,20000.00,23000.00),(6,'运动器材',70000.00,15000.00,25000.00,30000.00),(7,'美容护肤',80000.00,10000.00,30000.00,40000.00),(8,'食品',50000.00,5000.00,25000.00,20000.00),(9,'珠宝首饰',30000.00,2000.00,10000.00,18000.00),(10,'汽车配件',40000.00,10000.00,15000.00,25000.00),(11,'手机配件',75000.00,30000.00,20000.00,25000.00),(12,'电脑配件',85000.00,50000.00,15000.00,20000.00),(13,'摄影器材',50000.00,20000.00,15000.00,15000.00),(14,'家电',120000.00,60000.00,30000.00,30000.00),(15,'宠物用品',30000.00,3000.00,12000.00,16800.00),(16,'母婴用品',70000.00,10000.00,30000.00,30000.00),(17,'旅行用品',40000.00,5000.00,15000.00,20000.00),(18,'艺术品',25000.00,1000.00,10000.00,14000.00),(19,'健康产品',60000.00,8000.00,25000.00,27000.00),(20,'办公用品',55000.00,2000.00,20000.00,33000.00);

CREATE TABLE `users` (

`user_id` int NOT NULL AUTO_INCREMENT COMMENT '用户ID（主键，自增）',

`full_name` varchar(100) NOT NULL COMMENT '用户全名',

`username` varchar(50) NOT NULL COMMENT '用户名',

`email` varchar(100) NOT NULL COMMENT '用户邮箱',

`password_hash` varchar(255) NOT NULL COMMENT '用户密码的哈希值',

`created_at` datetime DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',

`updated_at` datetime DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',

`is_active` tinyint(1) DEFAULT '1' COMMENT '是否激活',

PRIMARY KEY (`user_id`),

UNIQUE KEY `email` (`email`)

) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8mb4 COMMENT='用户表';

INSERT INTO `users` VALUES (1,'张伟','zhangwei','zhangwei@example.com','hashed_password_1','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(2,'李娜','lina','lina@example.com','hashed_password_2','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(3,'王芳','wangfang','wangfang@example.com','hashed_password_3','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(4,'刘洋','liuyang','liuyang@example.com','hashed_password_4','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(5,'陈杰','chenjie','chenjie@example.com','hashed_password_5','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(6,'杨静','yangjing','yangjing@example.com','hashed_password_6','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(7,'赵强','zhaoqiang','zhaoqiang@example.com','hashed_password_7','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(8,'黄丽','huangli','huangli@example.com','hashed_password_8','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(9,'周杰','zhoujie','zhoujie@example.com','hashed_password_9','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(10,'吴敏','wumin','wumin@example.com','hashed_password_10','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(11,'郑伟','zhengwei','zhengwei@example.com','hashed_password_11','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(12,'冯婷','fengting','fengting@example.com','hashed_password_12','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(13,'蔡明','caiming','caiming@example.com','hashed_password_13','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(14,'潘雪','panxue','panxue@example.com','hashed_password_14','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(15,'蒋磊','jianglei','jianglei@example.com','hashed_password_15','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(16,'陆佳','lujia','lujia@example.com','hashed_password_16','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(17,'邓超','dengchao','dengchao@example.com','hashed_password_17','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(18,'任丽','renli','renli@example.com','hashed_password_18','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(19,'彭涛','pengtao','pengtao@example.com','hashed_password_19','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(20,'方圆','fangyuan','fangyuan@example.com','hashed_password_20','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(21,'段飞','duanfei','duanfei@example.com','hashed_password_21','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(22,'雷鸣','leiming','leiming@example.com','hashed_password_22','2024-08-18 04:07:18','2024-08-18 04:07:18',1),(23,'贾玲','jialing','jialing@example.com','hashed_password_23','2024-08-18 04:07:18','2024-08-18 04:07:18',1);

CREATE TABLE `orders` (

`order_id` int NOT NULL AUTO_INCREMENT,

`user_id` int DEFAULT NULL,

`order_amount` decimal(10,2) DEFAULT NULL,

`order_status` varchar(20) DEFAULT NULL,

`order_time` datetime DEFAULT NULL,

PRIMARY KEY (`order_id`)

) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8mb4 ;

INSERT INTO `orders` VALUES (1,3,150.50,'已支付','2024-08-23 10:01:00'),(2,7,89.20,'待支付','2024-08-23 10:03:15'),(3,12,230.00,'已支付','2024-08-23 10:05:30'),(4,2,99.90,'已发货','2024-08-23 10:07:45'),(5,15,120.00,'待发货','2024-08-23 10:10:00'),(6,21,180.50,'已支付','2024-08-23 10:12:15'),(7,4,105.80,'待支付','2024-08-23 10:14:30'),(8,18,210.00,'已支付','2024-08-23 10:16:45'),(9,6,135.20,'已发货','2024-08-23 10:19:00'),(10,10,160.00,'待发货','2024-08-23 10:21:15'),(11,1,110.50,'已支付','2024-08-23 10:23:30'),(12,22,170.80,'待支付','2024-08-23 10:25:45'),(13,8,145.20,'已发货','2024-08-23 10:28:00'),(14,16,190.00,'待发货','2024-08-23 10:30:15'),(15,11,125.50,'已支付','2024-08-23 10:32:30'),(16,19,165.20,'待支付','2024-08-23 10:34:45'),(17,5,130.00,'已发货','2024-08-23 10:37:00'),(18,20,175.80,'待发货','2024-08-23 10:39:15'),(19,13,140.50,'已支付','2024-08-23 10:41:30'),(20,14,155.20,'待支付','2024-08-23 10:43:45'),(21,9,135.50,'已发货','2024-08-23 10:46:00'),(22,23,185.80,'待发货','2024-08-23 10:48:15'),(23,17,160.50,'已支付','2024-08-23 10:50:30'),(24,12,145.20,'待支付','2024-08-23 10:52:45'),(25,3,130.00,'已发货','2024-08-23 10:55:00'),(26,8,115.50,'已支付','2024-08-23 10:57:15'),(27,19,120.20,'待支付','2024-08-23 10:59:30'),(28,6,145.50,'已发货','2024-08-23 11:01:45'),(29,14,130.20,'待支付','2024-08-23 11:04:00'),(30,5,125.50,'已支付','2024-08-23 11:06:15'),(31,21,135.20,'待支付','2024-08-23 11:08:30'),(32,7,140.50,'已发货','2024-08-23 11:10:45'),(33,16,120.20,'待支付','2024-08-23 11:13:00'),(34,10,135.50,'已支付','2024-08-23 11:15:15'),(35,2,140.20,'待支付','2024-08-23 11:17:30'),(36,12,145.20,'待支付','2024-08-23 12:00:00'),(37,15,130.20,'已支付','2024-08-23 12:02:15'),(38,20,125.50,'待发货','2024-08-23 12:04:30'),(39,17,135.20,'已支付','2024-08-23 12:06:45'),(40,4,140.50,'待支付','2024-08-23 12:09:00'),(41,10,120.20,'已发货','2024-08-23 12:11:15'),(42,13,135.50,'已支付','2024-08-23 12:13:30'),(43,18,145.20,'待支付','2024-08-23 12:15:45'),(44,6,130.20,'已发货','2024-08-23 12:18:00'),(45,11,125.50,'已支付','2024-08-23 12:20:15'),(46,19,135.20,'待支付','2024-08-23 12:22:30'),(47,5,140.50,'已发货','2024-08-23 12:24:45'),(48,20,120.20,'待支付','2024-08-23 12:27:00'),(49,17,135.50,'已支付','2024-08-23 12:29:15'),(50,4,145.20,'待支付','2024-08-23 12:31:30'),(51,10,130.20,'已发货','2024-08-23 12:33:45'),(52,13,125.50,'已支付','2024-08-23 12:36:00'),(53,18,135.20,'待支付','2024-08-23 12:38:15'),(54,6,140.50,'已发货','2024-08-23 12:40:30'),(55,11,120.20,'待支付','2024-08-23 12:42:45'),(56,19,135.50,'已支付','2024-08-23 12:45:00'),(57,5,145.20,'待支付','2024-08-23 12:47:15'),(58,20,130.20,'已发货','2024-08-23 12:49:30'),(59,17,125.50,'已支付','2024-08-23 13:01:45'),(60,4,135.20,'待支付','2024-08-23 13:04:00'),(61,10,140.50,'已发货','2024-08-23 13:06:15'),(62,13,120.20,'待支付','2024-08-23 13:08:30'),(63,18,135.50,'已支付','2024-08-23 13:10:45'),(64,6,145.20,'待支付','2024-08-23 13:13:00'),(65,11,130.20,'已发货','2024-08-23 13:15:15'),(66,19,125.50,'已支付','2024-08-23 13:17:30'),(67,5,135.20,'待支付','2024-08-23 13:19:45'),(68,20,140.50,'已发货','2024-08-23 13:22:00'),(69,17,120.20,'待支付','2024-08-23 13:24:15'),(70,4,135.50,'已支付','2024-08-23 13:26:30'),(71,10,145.20,'待支付','2024-08-23 13:28:45'),(72,13,130.20,'已发货','2024-08-23 13:31:00'),(73,18,125.50,'已支付','2024-08-23 13:33:15'),(74,6,135.20,'待支付','2024-08-23 13:35:30'),(75,11,140.50,'已发货','2024-08-23 13:37:45'),(76,19,120.20,'待支付','2024-08-23 13:40:00'),(77,5,135.50,'已支付','2024-08-23 13:42:15'),(78,20,145.20,'待支付','2024-08-23 13:44:30'),(79,17,130.20,'已发货','2024-08-23 13:46:45'),(80,4,125.50,'已支付','2024-08-23 13:49:00'),(81,10,135.20,'待支付','2024-08-23 13:51:15'),(82,13,140.50,'已发货','2024-08-23 13:53:30'),(83,18,120.20,'待支付','2024-08-23 13:55:45'),(84,6,135.50,'已支付','2024-08-23 13:58:00'),(85,11,145.20,'待支付','2024-08-23 14:00:15'),(86,19,130.20,'已发货','2024-08-23 14:02:30'),(87,5,125.50,'已支付','2024-08-23 14:04:45'),(88,20,135.20,'待支付','2024-08-23 14:07:00'),(89,17,140.50,'已发货','2024-08-23 14:09:15'),(90,4,120.20,'待支付','2024-08-23 14:11:30'),(91,10,135.50,'已支付','2024-08-23 14:13:45'),(92,13,145.20,'待支付','2024-08-23 14:16:00'),(93,18,130.20,'已发货','2024-08-23 14:18:15'),(94,6,125.50,'已支付','2024-08-23 14:20:30'),(95,11,135.20,'待支付','2024-08-23 14:22:45'),(96,19,140.50,'已发货','2024-08-23 14:25:00'),(97,5,120.20,'待支付','2024-08-23 14:27:15'),(98,20,135.50,'已支付','2024-08-23 14:29:30'),(99,17,145.20,'待支付','2024-08-23 14:31:45'),(100,4,130.20,'已发货','2024-08-23 14:34:00'),(101,10,125.50,'已支付','2024-08-23 14:36:15'),(102,13,135.20,'待支付','2024-08-23 14:38:30'),(103,18,140.50,'已发货','2024-08-23 14:40:45'),(104,16,120.20,'待支付','2024-08-23 14:43:00'),(105,12,135.50,'已支付','2024-08-23 14:45:15'),(106,3,145.20,'待支付','2024-08-23 14:47:30'),(107,8,130.20,'已发货','2024-08-23 14:49:45'),(108,19,125.50,'已支付','2024-08-23 14:52:00'),(109,6,135.20,'待支付','2024-08-23 14:54:15'),(110,14,140.50,'已发货','2024-08-23 14:56:30'),(111,10,120.20,'待支付','2024-08-23 14:58:45'),(112,13,135.50,'已支付','2024-08-23 15:01:00'),(113,18,145.20,'待支付','2024-08-23 15:03:15'),(114,6,130.20,'已发货','2024-08-23 15:05:30'),(115,11,125.50,'已支付','2024-08-23 15:07:45'),(116,19,135.20,'待支付','2024-08-23 15:10:00'),(117,5,140.50,'已发货','2024-08-23 15:12:15'),(118,20,120.20,'待支付','2024-08-23 15:14:30'),(119,17,135.50,'已支付','2024-08-23 15:16:45'),(120,4,145.20,'待支付','2024-08-23 15:19:00'),(121,10,130.20,'已发货','2024-08-23 15:21:15'),(122,13,125.50,'已支付','2024-08-23 15:23:30'),(123,18,135.20,'待支付','2024-08-23 15:25:45'),(124,6,140.50,'已发货','2024-08-23 15:28:00'),(125,11,120.20,'待支付','2024-08-23 15:30:15'),(126,19,135.50,'已支付','2024-08-23 15:32:30'),(127,5,145.20,'待支付','2024-08-23 15:34:45'),(128,20,130.20,'已发货','2024-08-23 15:37:00'),(129,17,125.50,'已支付','2024-08-23 15:39:15'),(130,4,135.20,'待支付','2024-08-23 15:41:30'),(131,10,140.50,'已发货','2024-08-23 15:43:45'),(132,13,120.20,'待支付','2024-08-23 15:46:00'),(133,18,135.50,'已支付','2024-08-23 15:48:15'),(134,6,145.20,'待支付','2024-08-23 15:50:30'),(135,11,130.20,'已发货','2024-08-23 15:52:45'),(136,19,125.50,'已支付','2024-08-23 15:55:00'),(137,5,135.20,'待支付','2024-08-23 15:57:15'),(138,20,140.50,'已发货','2024-08-23 15:59:30'),(139,17,120.20,'待支付','2024-08-23 16:01:45'),(140,4,135.50,'已支付','2024-08-23 16:04:00'),(141,10,145.20,'待支付','2024-08-23 16:06:15'),(142,13,130.20,'已发货','2024-08-23 16:08:30'),(143,18,125.50,'已支付','2024-08-23 16:10:45'),(144,6,135.20,'待支付','2024-08-23 16:13:00'),(145,11,140.50,'已发货','2024-08-23 16:15:15'),(146,19,120.20,'待支付','2024-08-23 16:17:30'),(147,5,135.50,'已支付','2024-08-23 16:19:45'),(148,20,145.20,'待支付','2024-08-23 16:22:00'),(149,17,130.20,'已发货','2024-08-23 16:24:15'),(150,4,125.50,'已支付','2024-08-23 16:26:30'),(151,10,135.20,'待支付','2024-08-23 16:28:45'),(152,13,140.50,'已发货','2024-08-23 16:31:00'),(153,18,120.20,'待支付','2024-08-23 16:33:15'),(154,6,135.50,'已支付','2024-08-23 16:35:30'),(155,11,145.20,'待支付','2024-08-23 16:37:45'),(156,19,130.20,'已发货','2024-08-23 16:40:00'),(157,5,125.50,'已支付','2024-08-23 16:42:15'),(158,20,135.20,'待支付','2024-08-23 16:44:30'),(159,17,140.50,'已发货','2024-08-23 16:46:45'),(160,4,120.20,'待支付','2024-08-23 16:49:00'),(161,10,135.50,'已支付','2024-08-23 16:51:15'),(162,13,145.20,'待支付','2024-08-23 16:53:30'),(163,18,130.20,'已发货','2024-08-23 16:55:45'),(164,6,125.50,'已支付','2024-08-23 16:58:00'),(165,11,135.20,'待支付','2024-08-23 17:00:15'),(166,19,140.50,'已发货','2024-08-23 17:02:30'),(167,5,120.20,'待支付','2024-08-23 17:04:45'),(168,20,135.50,'已支付','2024-08-23 17:07:00'),(169,17,145.20,'待支付','2024-08-23 17:09:15'),(170,4,130.20,'已发货','2024-08-23 17:11:30'),(171,10,125.50,'已支付','2024-08-23 17:13:45'),(172,13,135.20,'待支付','2024-08-23 17:16:00'),(173,18,140.50,'已发货','2024-08-23 17:18:15'),(174,6,120.20,'待支付','2024-08-23 17:20:30'),(175,11,135.50,'已支付','2024-08-23 17:22:45'),(176,19,145.20,'待支付','2024-08-23 17:25:00'),(177,5,130.20,'已发货','2024-08-23 17:27:15'),(178,20,125.50,'已支付','2024-08-23 17:29:30'),(179,17,135.20,'待支付','2024-08-23 17:31:45'),(180,4,140.50,'已发货','2024-08-23 17:34:00'),(181,10,120.20,'待支付','2024-08-23 17:36:15'),(182,13,135.50,'已支付','2024-08-23 17:38:30'),(183,18,145.20,'待支付','2024-08-23 17:40:45'),(184,6,130.20,'已发货','2024-08-23 17:43:00'),(185,11,125.50,'已支付','2024-08-23 17:45:15'),(186,19,135.20,'待支付','2024-08-23 17:47:30'),(187,5,140.50,'已发货','2024-08-23 17:49:45'),(188,20,120.20,'待支付','2024-08-23 17:52:00'),(189,17,135.50,'已支付','2024-08-23 17:54:15'),(190,4,145.20,'待支付','2024-08-23 17:56:30'),(191,10,130.20,'已发货','2024-08-23 17:58:45'),(192,13,125.50,'已支付','2024-08-23 18:01:00'),(193,18,135.20,'待支付','2024-08-23 18:03:15'),(194,6,140.50,'已发货','2024-08-23 18:05:30'),(195,11,120.20,'待支付','2024-08-23 18:07:45'),(196,19,135.50,'已支付','2024-08-23 18:10:00'),(197,5,145.20,'待支付','2024-08-23 18:12:15'),(198,20,130.20,'已发货','2024-08-23 18:14:30'),(199,17,125.50,'已支付','2024-08-23 18:16:45'),(200,4,135.20,'待支付','2024-08-23 18:19:00'),(201,10,140.50,'已发货','2024-08-23 18:21:15'),(202,13,120.20,'待支付','2024-08-23 18:23:30'),(203,18,135.50,'已支付','2024-08-23 18:25:45'),(204,6,145.20,'待支付','2024-08-23 18:28:00'),(205,11,130.20,'已发货','2024-08-23 18:30:15'),(206,19,125.50,'已支付','2024-08-23 18:32:30'),(207,5,135.20,'待支付','2024-08-23 18:34:45'),(208,20,140.50,'已发货','2024-08-23 18:37:00'),(209,17,120.20,'待支付','2024-08-23 18:39:15'),(210,4,135.50,'已支付','2024-08-23 18:41:30'),(211,10,145.20,'待支付','2024-08-23 18:43:45');

上面三幅图分别是数据库里的三大项内容。到这里TDSQL-C Mysql Serverless 数据库服务器搭建完毕！

4.2.2 部署HAI高算力服务器

1.访问腾讯云HAI官网

官网地址：https://cloud.tencent.com/product/hai

2.点击立即使用，进入到同意授权页面。

3.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）

4.根据配置需求选择算力服务器

购买成功后进入此页面，稍等片刻即可创建完成。

5.查看并设置HAI算力服务器的llama对外端口

检查灰色地方，是否已经默认开放 6399端口，如未开放点击新建配置进行协议配置，入站规则来源选择 all，协议输入 tcp:6399，如下图设置即可。

创建成功后，会在下面有两行小字，其中有llama is running,表明llama大模型服务准备完毕！

4.2.3 本地python环境搭建

1.访问python官网，并下载符合自己服务器的python版本（推荐3.10.11），我是Windows系统，以此为例。

下载地址：https://www.python.org/downloads/release/python-31011/

温馨小提示:注意版本选择。我开始是2024年4月3.12.5版，下一步中需要的安装包也能够成功安装，但测试就是不能通过，折腾了整整一天，换成推荐版本，才成功出现提问窗口。

安装包安装时选择国内镜像源，速度快，成功率高。在这里要感谢网名是程序儒、码银、时光流动、雾岛听雨等热心大佬们的倾力相助，才找到问题的根源。

2.双击安装包安装python，window版本，需要勾选add python to PATH选项

3.使用pip安装程序使用的依赖包文件

等待python安装完成，进行需要的库安装。

第一步打开电脑终端：

window系统：右键点击开始图标，选择运行，输入cmd，回车后打开终端

运行pip命令安装依赖包,请分别运行以下pip命令逐个安装

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

到此，我们的开发环境准备完毕！

4.3 应用构建

1. 搭建项目框架

1.新建名为workspace文件夹用来保存项目代码，最好建在python文件运行的信任位置，否则会出现意想不到的的麻烦，尤其对新手如此。我用的开发工具是Pycharm，其他类似工具也可以，如VS Code。

2.在项目文件夹（workspace）中新建配置文件 config.yaml，具体方法是新建一个文本文件，重命名为config.yaml。

3.在项目文件夹（workspace）中新建应用主文件 text2sql2plotly.py，方法同上。

4.3.2 TDSQL-C 数据库&HAI云算力配置

打开 config.yaml 文件，复制以下内容到配置文件中：

database:

db_user: root

db_password: 修改为之前设定的密码

db_host: sh-cynosdbmysql-grp-9d8prc9o.sql.tencentcdb.com

db_port: 21919

db_name: shop

hai:

model: llama3.1:8b

base_url: http://82.156.229.112:6399

这里主要分为database配置和HAI的配置

database的配置详解：

db_user: 数据库账号，默认为 root

db_password: 创建数据库时的密码

db_host: 数据库连接地址

db_port: 数据库公网端口

db_name 创建的数据库名称，如我的数据库名称是shopping

HAI配置详解：

model使用的大模型

base_url 模型暴露的 API 地址，是公网 ip 和端口的组合，默认 llama端口是6399。

database 中填入 TDSQL-C 的相关配置，db_host、db_port可以在集群列表中找到

HAI base_url将实例的ip进行替换，ip可以在HAI的控制台中的算力管理中找到。

4.3.3 应用开发

将以下程序代码复制并保存到text2sql2plotly.py文件中

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 yaml

import mysql.connector

from decimal import Decimal

import plotly.graph_objects as go

import plotly

import pkg_resources

import matplotlib

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

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('AI驱动的数据库TDSQL-C 电商可视化分析小助手')

# 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)

4.3.4 运行程序并测试效果

打开终端，执行以下命令 streamlit run text2sql2plotly.py，

命令运行后，会在浏览器中打开UI界面

4.4 效果展示

输入：查询一下每类商品的名称和对应的销售总额 测试效果。

友情小提示：目前不可能做到每次查询都完全没问题，这个取决于多方面的因素：

例如：大语言模型(llama)的模型大小、查询描述的准确性等。

查询每个用户账号的名称和长度，例如：潘雪。

查询一下每类商品的名称和对应的销售总额，例如：珠宝首饰。

查询出用户吴敏的已支付订单的总额和未支付订单的总额数据。

五、清理资源

5.1 删除TDSQL-C Serverless

点击退还实例，退还后，实例会在回收站中。

点击回收站即可看到已被退还的实例，为了数据安全，实例默认会在回收站中保留3天，如不需要可以进行立即释放。

5.2 删除 HAI 算力

六、实验小结

在本次体验活动中，我成功地利用了腾讯云TDSQL-C MySQL Serverless和高性能应用服务HAI，构建了一个高效、可扩展的AI电商数据分析系统。以下是提验的关键成果和学习点：

云原生数据库的优势：通过使用TDSQL-C MySQL Serverless，我体验到了云原生数据库在处理大规模数据时的弹性和高性能，这对于电商数据分析尤为重要。

GPU加速的AI模型：HAI提供的GPU加速能力显著提升了AI模型的训练和推理速度，使得系统能够快速响应市场变化和用户需求。

实战演练的价值：通过具体的案例研究，我不仅理解了理论知识，还通过实际操作加深了对系统功能的认识。

持续学习与改进：实验的总结也指出了系统可能存在的局限性和改进空间，鼓励大家持续学习最新的技术和方法，以不断优化和升级系统。

通过这几天的学习体验，感觉作为开发入门者学习的难度，遇到问题，有时候不能得到有效快速的解决，让我感到很无助。尝试多次无果，网上查询失败，一度准备放弃，幸亏有像码银，程序儒等大佬们的及时帮助，才得以完成本次体验任务，由于自己电脑的配置，有些场景还没有体验出来，期待下次有更精彩表现。初级开发者在开发过程中遇到的一个小问题，可能需要很多知识和经验来解决，更需要有热心大佬们的画龙点睛之语来开悟问道。

最后欢迎大家一起来探寻腾讯云的TDSQL-C Serverless+AI更多的场景应用，为提高大家的技术和能力而奋力前行！