Hızlı Başlangıç: Python için Apache Gremlin istemci kitaplığı için Azure Cosmos DB

Important

99,999% kullanılabilirlik hizmet düzeyi sözleşmesi (SLA), anında otomatik ölçeklendirme ve birden çok bölgede otomatik yük devretme ile yüksek ölçekli senaryolar için bir veritabanı çözümü mü arıyorsunuz? NoSQL için Azure Cosmos DB'yi göz önünde bulundurun.

Çevrimiçi analitik işleme (OLAP) grafı uygulamak mı yoksa mevcut bir Apache Gremlin uygulamasını geçirmek mi istiyorsunuz? Graph in Microsoft Fabric'ı göz önünde bulundurun.

Yapılandırılmamış verileri depolamak, yönetmek ve sorgulamak için Python için Apache Gremlin için Azure Cosmos DB istemci kitaplığını kullanmaya başlayın. Yeni bir hesap oluşturmak, Python istemci kitaplığı yüklemek, hesaba bağlanmak, yaygın işlemler gerçekleştirmek ve son örnek verilerinizi sorgulamak için bu kılavuzdaki adımları izleyin.

Kütüphane kaynak kodu | PyPi Paketi

Prerequisites

  • Azure aboneliği

  • Azure Cloud Shell'deAzure CLI'nın en son sürümü.

    • CLI başvuru komutlarını yerel olarak çalıştırmayı tercih ediyorsanız, az login komutunu kullanarak Azure CLI oturum açın.
  • Python 3.12 veya üzeri

Kurulum

İlk olarak, bu kılavuz için hesap ve geliştirme ortamını ayarlayın. Bu bölümde hesap oluşturma, kimlik bilgilerini alma ve geliştirme ortamınızı hazırlama işlemi boyunca size yol gösterilir.

Hesap oluştur

Apache Gremlin hesabı için bir API oluşturarak başlayın. Hesap oluşturulduktan sonra veritabanı ve grafik kaynaklarını oluşturun.

  1. Henüz bir hedef kaynak grubunuz yoksa, aboneliğinizde yeni bir kaynak grubu oluşturmak için komutunu kullanın az group create .

    az group create \
        --name "<resource-group-name>" \
        --location "<location>"
    
  2. Varsayılan ayarlarla Apache Gremlin hesabı için yeni bir Azure Cosmos DB oluşturmak için az cosmosdb create komutunu kullanın.

    az cosmosdb create \
        --resource-group "<resource-group-name>" \
        --name "<account-name>" \
        --locations "regionName=<location>" \
        --capabilities "EnableGremlin"
    
  3. az cosmosdb gremlin database create kullanarak cosmicworks adlı yeni bir veritabanı oluşturun.

    az cosmosdb gremlin database create \
        --resource-group "<resource-group-name>" \
        --account-name "<account-name>" \
        --name "cosmicworks"
    
  4. az cosmosdb gremlin graph create adlı productsyeni bir grafik oluşturmak için komutunu kullanın.

    az cosmosdb gremlin graph create \
        --resource-group "<resource-group-name>" \
        --account-name "<account-name>" \
        --database-name "cosmicworks" \
        --name "products" \
        --partition-key-path "/category"
    

Kimlik bilgilerini alma

Şimdi, son oluşturulan hesaba bağlantı oluşturmak için kullanılacak istemci kitaplığının parolasını alın.

  1. az cosmosdb show kullanarak hesabın ana bilgisayarını alın.

    az cosmosdb show \
        --resource-group "<resource-group-name>" \
        --name "<account-name>" \
        --query "{host:name}"
    
  2. Önceki komutların çıkışından host özelliğinin değerini kaydedin. Bu özelliğin değeri, bu kılavuzun ilerleyen bölümlerinde kütüphaneye bağlantı kurmak için kullandığınız ana bilgisayardır.

  3. az cosmosdb keys list, hesabın anahtarlarını almak için kullanın.

    az cosmosdb keys list \
        --resource-group "<resource-group-name>" \
        --name "<account-name>" \
        --type "keys"
    
  4. Önceki komutların çıkışından primaryMasterKey özelliğinin değerini kaydedin. Bu özelliğin değeri, bu kılavuzun ilerleyen bölümlerinde kitaplığa bağlanmak için kullandığınız anahtardır .

Geliştirme ortamını hazırlama

Ardından geliştirme ortamınızı yeni bir proje ve istemci kitaplığıyla yapılandırın. Bu adım, bu kılavuzun geri kalanına geçmeden önce gereken son önkoşuldur.

  1. Boş bir klasörden başlayın.

  2. gremlinpython Paketi Python Paket Dizini'nden (PyPI) içeri aktarın.

    pip install gremlinpython
    
  3. app.py dosyasını oluşturun.

Nesne modeli

Description
GremlinClient Gremlin sunucusuna bağlanmak ve sunucuyla etkileşim kurmak için kullanılan istemciyi temsil eder
GraphTraversalSource Gremlin geçişlerini oluşturmak ve yürütmek için kullanılır

Kod örnekleri

İstemcinin kimliğini doğrulama

Bu kılavuzda daha önce toplanan kimlik bilgilerini kullanarak istemcinin kimliğini doğrulayarak başlayın.

  1. tümleşik geliştirme ortamınızda (IDE) app.py dosyasını açın.

  2. gremlin_python.driver kütüphanesinden aşağıdaki türleri içeri aktarın:

    • gremlin_python.driver.client
    • gremlin_python.driver.serializer
    from gremlin_python.driver import client, serializer
    
  3. Bu kılavuzun önceki bölümlerinde toplanan kimlik bilgileri için dize değişkenleri oluşturun. Değişkenleri hostname ve primary_key olarak adlandırın.

    hostname = "<host>"
    primary_key = "<key>"
    
  4. Önceki adımlarda oluşturulan kimlik bilgilerini ve yapılandırma değişkenlerini kullanarak bir Client nesne oluşturun. değişkenini clientolarak adlandırın.

    client = client.Client(
        url=f"wss://{hostname}.gremlin.cosmos.azure.com:443/",
        traversal_source="g",
        username="/dbs/cosmicworks/colls/products",
        password=f"{primary_key}",
        message_serializer=serializer.GraphSONSerializersV2d0()
    )
    

Veri ekleme

Ardından, grafiğe yeni köşe ve kenar verileri ekleyin. Yeni verileri oluşturmadan önce mevcut verilerin grafiğini temizleyin.

  1. Graftan g.V().drop() tüm köşeleri ve kenarları temizlemek için sorguyu çalıştırın.

    client.submit("g.V().drop()").all().result()
    
  2. Bir düğüm ekleyen bir Gremlin sorgusu oluşturun.

    insert_vertex_query = (
        "g.addV('product')"
        ".property('id', prop_id)"
        ".property('name', prop_name)"
        ".property('category', prop_category)"
        ".property('quantity', prop_quantity)"
        ".property('price', prop_price)"
        ".property('clearance', prop_clearance)"
    )
    
  3. Tek bir ürün için bir düğüm noktası ekleyin.

    client.submit(
        message=insert_vertex_query,
        bindings={
            "prop_id": "aaaaaaaa-0000-1111-2222-bbbbbbbbbbbb",
            "prop_name": "Yamba Surfboard",
            "prop_category": "gear-surf-surfboards",
            "prop_quantity": 12,
            "prop_price": 850.00,
            "prop_clearance": False,
        },
    ).all().result()
    
  4. İki ekstra ürün için iki köşe daha ekleyin.

    client.submit(
        message=insert_vertex_query,
        bindings={
            "prop_id": "bbbbbbbb-1111-2222-3333-cccccccccccc",
            "prop_name": "Montau Turtle Surfboard",
            "prop_category": "gear-surf-surfboards",
            "prop_quantity": 5,
            "prop_price": 600.00,
            "prop_clearance": True,
        },
    ).all().result()
    
    client.submit(
        message=insert_vertex_query,
        bindings={
            "prop_id": "cccccccc-2222-3333-4444-dddddddddddd",
            "prop_name": "Noosa Surfboard",
            "prop_category": "gear-surf-surfboards",
            "prop_quantity": 31,
            "prop_price": 1100.00,
            "prop_clearance": False,
        },
    ).all().result()
    
  5. Kenar ekleyen başka bir Gremlin sorgusu oluşturun.

    insert_edge_query = (
        "g.V([prop_partition_key, prop_source_id])"
        ".addE('replaces')"
        ".to(g.V([prop_partition_key, prop_target_id]))"
    )
    
  6. İki kenar ekleyin.

    client.submit(
        message=insert_edge_query,
        bindings={
            "prop_partition_key": "gear-surf-surfboards",
            "prop_source_id": "bbbbbbbb-1111-2222-3333-cccccccccccc",
            "prop_target_id": "aaaaaaaa-0000-1111-2222-bbbbbbbbbbbb",
        },
    ).all().result()
    
    client.submit(
        message=insert_edge_query,
        bindings={
            "prop_partition_key": "gear-surf-surfboards",
            "prop_source_id": "bbbbbbbb-1111-2222-3333-cccccccccccc",
            "prop_target_id": "cccccccc-2222-3333-4444-dddddddddddd",
        },
    ).all().result()
    

Veriyi oku

Ardından, daha önce grafiğe eklenmiş olan verileri okuyun.

  1. Benzersiz tanımlayıcıyı ve bölüm anahtarı değerini kullanarak bir düğümü okuyan bir sorgu oluşturun.

    read_vertex_query = "g.V([prop_partition_key, prop_id])"
    
  2. Ardından, gerekli parametreleri sağlayarak bir düğüm noktası okuyun.

    matched_item = client.submit(
        message=read_vertex_query,
        bindings={
            "prop_partition_key": "gear-surf-surfboards",
            "prop_id": "aaaaaaaa-0000-1111-2222-bbbbbbbbbbbb"
        }
    ).one()
    

Sorgu verileri

Son olarak, grafikteki belirli bir dolaşma veya filtreyle eşleşen tüm verileri bulmak için sorgu kullanın.

  1. Belirli bir düğümden dışarıya doğru giden tüm düğümleri bulan bir sorgu oluşturun.

    find_vertices_query = (
        "g.V().hasLabel('product')"
        ".has('category', prop_partition_key)"
        ".has('name', prop_name)"
        ".outE('replaces').inV()"
    )
    
  2. Montau Turtle Surfboard ürününü belirten sorguyu yürütün.

    find_results = client.submit(
        message=find_vertices_query,
        bindings={
            "prop_partition_key": "gear-surf-surfboards",
            "prop_name": "Montau Turtle Surfboard",
        },
    ).all().result()
    
  3. Sorgu sonuçları üzerinde yineleme yapın.

    for result in find_results:
        # Do something here with each result
    

Kodu çalıştır

Uygulama dizininizde bir terminal kullanarak yeni oluşturulan uygulamayı çalıştırın.

python app.py

Kaynakları temizle

Hesaba artık ihtiyacınız kalmadığında, kaynağı silerek hesabı Azure aboneliğinizden kaldırın.

az cosmosdb delete \
    --resource-group "<resource-group-name>" \
    --name "<account-name>"