Tüm Ürünler
Search
Belge Merkezi

PolarDB:Natural language to SQL with an LLM

Son Güncelleme:Oct 08, 2026

SQL konusunda deneyimi olmayan kullanıcıların veri analizini kolayca yapabilmesi için PolarDB for AI özelliği, büyük dil modellerine dayalı Doğal Dilden SQL'e (LLM tabanlı NL2SQL) işlevi için özel olarak geliştirilmiş yerleşik bir yapay zeka modeli sunar. Geleneksel NL2SQL yöntemleriyle karşılaştırıldığında LLM tabanlı NL2SQL modeli daha güçlü bir dil anlama yeteneğine sahiptir ve tarih aritmetiği gibi daha fazla işlevi destekleyen SQL deyimleri oluşturur. Model, valid->isValid=1 gibi basit eşleme ilişkilerini bile anlayabilir. Uygun şekilde ince ayar yapıldığında, datastatus=1 gibi koşulları otomatik olarak uygulayan yaygın SQL kalıplarınızı öğrenebilir.

Örnek

/*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2sql, SELECT 'List the names and leave counts of the 2 students with the most leave requests, sorted in descending order.') WITH (basic_index_name='schema_index');
output: SELECT s.student_name, COUNT(sc.id) AS leave_count FROM students s JOIN student_courses sc ON s.id = sc.student_id WHERE sc.status = 0 GROUP BY s.student_name ORDER BY leave_count DESC LIMIT 2;

NL2SQL iş akışı

NL2SQL uygulamalarını hayata geçirmenize yardımcı olmak için süreci hızlı başlangıç, optimizasyon ve ince ayar ile üretim ortamına dağıtım olmak üzere üç aşamaya ayırdık.

  • Hızlı başlangıç aşaması: Bu aşama, temel NL2SQL yeteneklerini sıfırdan hızla oluşturmanıza yardımcı olur.

  • Optimizasyon ve ince ayar aşaması: Bu aşama, belirli iş senaryolarınız için derinlemesine optimizasyona odaklanır.

  • Üretim ortamına dağıtım aşaması: Bu aşama, NL2SQL sisteminizi üretim ortamına dağıtmayı içerir.

image

Ön koşullar

  • Bir AI düğümü ekleyin ve bunun için bir veritabanı hesabı oluşturun. Daha fazla bilgi için bkz. PolarDB for AI özelliğini etkinleştirme.

    Not
    • Kümeyi satın alırken bir AI düğümü eklediyseniz AI düğümü için doğrudan bir veritabanı hesabı oluşturabilirsiniz.

    • AI düğümü için oluşturulan veritabanı hesabının hedef veritabanından okuma ve yazma işlemi yapabilmesi için Read/Write iznine sahip olması gerekir.

  • PolarDB kümesine Cluster Endpoint kullanarak bağlanın. Daha fazla bilgi için bkz. PolarDB for AI'da oturum açma.

    Önemli
    • Komut satırından kümeye bağlanırken -c seçeneğini ekleyin.

    • Data Management (DMS) içinde PolarDB for AI kullanırken DMS, PolarDB kümesine varsayılan olarak Primary address üzerinden bağlanır. Bu durum SQL deyimlerinin AI düğümüne yönlendirilmesini engeller. Bağlantı adresini manuel olarak Cluster Endpoint olarak değiştirmeniz gerekir.

Notlar

  • Soru ifade etme yöntemi: İyi ifade edilmiş bir soru bir koşul, hedef sütun değerleri ve olası bir sütun adı içerir. Örneğin:

    SELECT 'What is the property name of a "house" or "apartment" with more than one room?'

    Bu örnekte 'with more than one room' koşul, 'house' ve 'apartment' sütun değerleri, 'property name' ise olası bir sütun adıdır.

  • Sorgu sonucu doğruluğu: LLM tabanlı NL2SQL modelinin performansı birkaç faktörden etkilenir. Sorgu sonuçlarının beklentilerinizi karşıladığından emin olmak için aşağıdaki hususları göz önünde bulundurun:

    • Tablo ve sütun açıklamalarının zenginliği: Her tablo ve sütuna ayrıntılı açıklamalar eklemek sorgu doğruluğunu artırır.

    • Sorunuz ile sütun açıklamaları arasındaki uyum: Sorunuzdaki anahtar kelimeler ile sütun açıklamaları arasındaki anlamsal eşleşme ne kadar yakın olursa sorgu doğruluğu o kadar yüksek olur.

    • Oluşturulan SQL deyiminin uzunluğu: İlgili sütun sayısı ne kadar az ve koşullar ne kadar basit olursa sorgu o kadar doğru olur.

    • Oluşturulan SQL deyiminin mantıksal karmaşıklığı: Deyim ne kadar az gelişmiş sözdizimi kullanırsa sorgu o kadar doğru olur.

Kullanım

Veri tablolarını standartlaştırma

LLM tabanlı NL2SQL işlevinin çalışması için modelin veri tablolarınızı ve sütunlarınızı anlaması gerekir. Bu nedenle başlamadan önce en sık kullandığınız veri tablolarına ve sütunlara açıklamalar ekleyin.

  • Tablo açıklamaları

    Tablo açıklamaları LLM tabanlı NL2SQL modelinin bir tablonun içeriğini anlamasına yardımcı olur. Bu sayede model, bir sorgu için gereken tabloları doğru şekilde konumlandırabilir. İyi bir açıklama, tablodaki verileri (örneğin "siparişler" veya "envanter") kısaca özetlemeli, on kelimeden az olmalı ve aşırı ayrıntıdan kaçınmalıdır.

  • Sütun açıklamaları

    Sütun açıklamaları, sütundaki verileri doğru bir şekilde tanımlayan yaygın isimler veya ifadeler olmalıdır. Örnekler: "Sipariş Kimliği", "Tarih" veya "Mağaza Adı". Sütun açıklamasına örnek veriler veya değer eşlemeleri de dahil edebilirsiniz. Örneğin, isValid adlı bir sütun için açıklama şu şekilde olabilir: Indicates whether the item is valid. 0: No. 1: Yes..

Not

Mevcut açıklamaları değiştiremiyorsanız özel tablo ve sütun açıklama özelliğini kullanarak bunları geçersiz kılabilirsiniz. Daha fazla bilgi için bkz. Gelişmiş kullanım - Özel tablo ve sütun açıklamaları.

Veri hazırlama

Not

İş senaryonuzu yansıtan test verileri hazırlayabilirsiniz. Bu konudaki örneklerde aşağıdaki test veri kümesi kullanılmaktadır: Test Dataset.sql.

  1. Alındı dizini tablosu oluşturma

    Bir veri tablosundan veri çıkarmak için bu tabloya ait bir alındı dizini tablosu oluşturmanız gerekir. Veritabanı adlandırma kurallarına uyan özel bir tablo adı belirtebilirsiniz. Bu konuda örnek olarak schema_index kullanılmıştır. Aşağıdaki SQL deyimi bir alındı dizini tablosu oluşturur:

    /*polar4ai*/CREATE TABLE schema_index(id integer, table_name varchar, table_comment text_ik_max_word, table_ddl text_ik_max_word, column_names text_ik_max_word, column_comments text_ik_max_word, sample_values text_ik_max_word, vecs vector_768, ext text_ik_max_word, PRIMARY KEY (id));
    Not
    • Alındı dizini tablosu standart tablo listesinde görünmez. Bilgilerini görüntülemek için /*polar4ai*/SHOW TABLES; deyimini çalıştırın.

    • schema_index gibi bir alındı dizini tablosunu silmek için /*polar4ai*/DROP TABLE IF EXISTS schema_index; deyimini çalıştırın.

  2. Veri tablosu bilgilerini alındı dizini tablosuna aktarma

    Aşağıdaki deyim, PolarDB for AI özelliğinin mevcut veritabanındaki tüm tablolar üzerinde vektörleştirme yapmasını sağlar. Varsayılan olarak sütun değeri örnekleme devre dışı bırakılır.

    /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_text2vec, SELECT '') WITH (mode='async', resource='schema') INTO schema_index;

    Parametreler

    • _polar4ai_text2vec metin yerleştirme modelidir.

    • INTO ifadesinden sonra 1. Adım: Alındı dizini tablosu oluşturma bölümünde oluşturduğunuz alındı dizini tablosunun adını belirtin.

    • WITH() yan tümcesinde aşağıdaki parametreleri yapılandırabilirsiniz:

      Parametre

      Gerekli

      Açıklama

      mode

      Evet

      Veri yazma modu. Bu parametre asenkron modu belirten async olarak ayarlanmalıdır.

      resource

      Evet

      Kaynak türü. Bu parametre, veri tablosu bilgilerinde vektörleştirme yapılacağını belirten schema olarak ayarlanmalıdır.

      tables_included

      Hayır

      Vektörleştirilecek tabloları belirtir.

      Varsayılan değer '' olup tüm tabloların vektörleştirildiği anlamına gelir. Birden çok tablo belirtmek için adlarını virgülle ayrılmış tek bir dize olarak sağlayın.

      to_sample

      Hayır

      Sütun değerlerinin örneklenip örneklenmeyeceğini belirler. Örnekleme, veri içe aktarma süresini artırır ancak 15'ten az sütunu olan tablolar için oluşturulan SQL kalitesini iyileştirebilir. Geçerli değerler:

      • 0 (varsayılan): Sütun değerlerini örneklemez.

      • 1: Sütun değerlerini örnekleme yapar.

      columns_excluded

      Hayır

      LLM tabanlı NL2SQL işlemlerinden hariç tutulacak sütunları belirtir.

      Varsayılan değer '' olup vektör dönüştürme işlemine dahil edilen tüm tablolardaki tüm sütunların sonraki LLM tabanlı NL2SQL işleminde yer alacağı anlamına gelir. Bu parametreyi ayarlarken sonraki LLM tabanlı NL2SQL işleminden hariç tutulacak sütunları table_name1.column_name1,table_name1.column_name2,table_name2.column_name1 biçiminde bir dize olarak birleştirmeniz gerekir.

      Örnek: Bu deyim, mevcut veritabanındaki graph_info, image_info ve text_info tablolarında vektörleştirme gerçekleştirir ve sütun değeri örnekleme özelliğini etkinleştirir. Ayrıca graph_info tablosundaki time sütunu ile text_info tablosundaki ext sütununu LLM tabanlı NL2SQL işlemlerinden hariç tutar.

      /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_text2vec, SELECT '') WITH (mode='async', resource='schema', tables_included='graph_info,image_info,text_info', to_sample=1, columns_excluded='graph_info.time,text_info.ext') INTO schema_index;
  3. Görev durumunu kontrol etme

    İçe aktarma deyimi, bce632ea-97e9-11ee-bdd2-492f4dfe0918 gibi bir task_id döndürür. Görev durumunu kontrol etmek için bu kimliği aşağıdaki komutla kullanın. Durum finish olarak gösterildiğinde görev tamamlanmış demektir.

    /*polar4ai*/SHOW TASK `bce632ea-97e9-11ee-bdd2-492f4dfe0918`;

    Alındı dizini bilgilerini görüntülemek için aşağıdaki SQL deyimini çalıştırabilirsiniz:

    /*polar4ai*/SELECT * FROM schema_index;

**LLM tabanlı NL2SQL kullanma**

Sözdizimi

/*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2sql, SELECT '<question>') WITH (basic_index_name='<basic_index_name>');

Parametreler

  • <question> ifadesini doğal dil sorunuzla değiştirin. Aşağıdaki tabloda örnekler verilmiştir.

    Konu örnekleri

    Diğer senaryolar

    Öğretmenlerin adlarını ve verdikleri dersleri gösterin. Öğretmen adına göre alfabetik olarak artan sırada sıralayın.

    En çok izin isteyen 10 öğrenciyi bulun, izin sayısına göre azalan sırada sıralayın ve adları ile izin sayılarını gösterin.

    1 Ekim 2023 ile 3 Ekim 2023 tarihleri arasında yapılan derslerin adlarını ve konumlarını sorgulayın.

    İkiden fazla derse kayıtlı olan öğrencilerin adlarını ve ders sayılarını gösterin. Ders sayısına göre azalan sırada sıralayın.

    Adresinde "Beijing" veya "Shanghai" geçen öğrencilerin adlarını ve telefon numaralarını bulun.

    İki veya daha fazla tedavi gerçekleştiren uzmanların kimlikleri, rolleri ve adları nelerdir?

    En sık bakılan köpek cinsinin cins adı nedir?

    Köpeğinin tedavisi için en çok ödeme yapan sahibin kim olduğu? Sahibin kimliğini ve soyadını listeleyin.

    Köpeğinin tedavisi için en çok harcama yapan sahibin kimliğini ve soyadını söyleyin.

    Toplam maliyeti en düşük olan tedavi türünün açıklaması nedir?

  • WITH() yan tümcesinde aşağıdaki parametreleri yapılandırabilirsiniz:

    Parametre

    Gerekli

    Açıklama

    basic_index_name

    Evet

    Mevcut veritabanındaki alındı dizini tablosunun adı.

    to_optimize

    Hayır

    SQL optimizasyonu yapılıp yapılmayacağını belirtir. Geçerli değerler:

    • 0 (varsayılan): Optimizasyon yapılmaz.

    • 1: SQL optimizasyonunu etkinleştirir. PolarDB for AI, performansını artırmak için oluşturulan SQL'i yeniden yazar.

    basic_index_top

    Hayır

    Getirilecek ilgili maksimum tablo sayısı. 1 ile 10 arasında bir tamsayı olmalıdır.

    • Varsayılan değer 3'tür. Tek tablo sorguları için genellikle 1 değeri yeterlidir.

    • Bir sorgu birden çok tabloyu içeriyorsa getirilen sonuç sayısını artırarak sonuçları iyileştirmek için bu değeri 4 veya daha yüksek olarak ayarlayabilirsiniz.

    basic_index_threshold

    Hayır

    Tablo getirme işlemi için benzerlik eşiği. Değer (0,1] aralığında olmalıdır.

    Varsayılan değer 0,1'dir. Bir tablo yalnızca alaka puanı bu eşiği aştığında getirilir.

Örnekler

  • Örnek 1: Sıralama içeren temel sorgu

    /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2sql, SELECT 'Show the names of teachers and the courses they teach, sorted in ascending alphabetical order by teacher name.') WITH (basic_index_name='schema_index');
    SELECT t.teacher_name, c.course_name FROM teachers t JOIN courses c ON t.id = c.teacher_id ORDER BY t.teacher_name ASC;
  • Örnek 2: Sınırlama ve sıralama içeren koşullu sorgu

    /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2sql, SELECT 'Find the 2 students with the most leave requests, sort them in descending order by the number of leave requests, and show their names and the leave count.') WITH (basic_index_name='schema_index');
    SELECT s.student_name, COUNT(sc.id) AS leave_count FROM students s JOIN student_courses sc ON s.id = sc.student_id WHERE sc.status = 0 GROUP BY s.student_name ORDER BY leave_count DESC LIMIT 2;

Gelişmiş kullanım

PolarDB for AI dört gelişmiş kullanım senaryosu sunar. Aşağıdaki sorunlarla karşılaşırsanız ilgili talimatlara bakın.

  • soru şablonu yapılandırma: Modelin belirli bilgilere dayalı SQL deyimleri oluşturabilmesi için genel soru şablonları yapılandırın.

  • yapılandırma tablosu oluşturma: Soruları önceden işleyin veya oluşturulan SQL deyimlerini sonradan işleyin.

  • özel tablo ve sütun açıklamaları: Orijinal tablo veya sütun açıklamalarını değiştiremiyorsanız bunları geçersiz kılmak için yeni açıklamalar ekleyebilirsiniz.

  • geniş tablo desteği: Bir tabloda çok fazla sütun varsa veya Please use column index to avoid oversize table information. hatasıyla karşılaşırsanız modelin geniş tablolarla çalışabilmesi için bir sütun dizini tablosu oluşturabilirsiniz.

Soru şablonları yapılandırma

Soru şablonları, modelin belirli bilgi alanlarında kullanıcı sorularını anlamasına yardımcı olur. Genel soru şablonları yapılandırarak modele, SQL oluştururken kullanacağı belirli bilgiler sağlayabilirsiniz.

Yordam

  1. Soru şablonu tablosu oluşturma

    Soru şablonu tablosunun adı polar4ai_nl2sql_pattern ile başlamalıdır. Şeması aşağıdaki CREATE TABLE deyimiyle tanımlanan beş sütunu içermelidir.

    DROP TABLE IF EXISTS `polar4ai_nl2sql_pattern`;
    CREATE TABLE `polar4ai_nl2sql_pattern` (
      `id` int(11) NOT NULL AUTO_INCREMENT COMMENT 'Primary key',
      `pattern_question` text COMMENT 'Template question',
      `pattern_description` text COMMENT 'Template description',
      `pattern_sql` text COMMENT 'Template SQL',
      `pattern_params` text COMMENT 'Template parameters',
      PRIMARY KEY (`id`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;

    Sütun açıklamaları

    Parametre

    Açıklama

    template question

    LLM tabanlı NL2SQL modeli için giriş olan parametreli soru.

    Şablon sorusunda parametreleri #{XXX} biçiminde yazın.

    template description

    Tarih, yıl veya kuruluş gibi varlıkların parametre olarak çıkarıldığı şablon sorusunun özeti. Bu varlıklar genellikle bir tablodaki belirli sütunlarla eşleşir.

    Şablon açıklamasında parametreleri [XXX] biçiminde yazmalısınız. Parametrelerin sırası şablon sorusundaki parametrelerin sırasıyla aynı olmalıdır.

    template SQL

    Şablon sorusu için doğru SQL. Bu SQL'de şablon sorusundaki parametreler değişken olarak ele alınır.

    Not

    Şablon sorusundaki ve şablon SQL'indeki parametreler aynı olmak zorunda değildir ancak ilişkili olmalıdır. Örneğin parametreler ortak bir ön paylaşıyor olabilir ve değerleri bire bir eşlenebilir. #{category} ve #{categoryCode} ile category için parametre değerleri "ordinary trademark", "special trademark" ve "collective trademark" olduğunda karşılık gelen categoryCode değerleri sırasıyla 0, 1 ve 2'dir. Ayrıntılar için aşağıdaki örneğe bakın.

    template parameters

    Üç parametreden oluşan bir JSON dizesi: table_name, param_info ve explanation.

    • table_name string: Şablon SQL'inde kullanılan tablo adı.

    • param_info array: Şablon SQL'indeki parametrelerin açıklaması.

      • param_name string: Parametre adı.

      • value array: Parametre için örnek değerler.

        Not
        • Parametrenin sonlu sayıda numaralandırılmış değeri varsa mümkünse tümünü value dizisinde listeleyin.

        • Yalnızca örnek değerler sağlarsanız 2 ila 4 örnek listeleyin.

        • Parametreler birbirine bağımlıysa bunları dizi indeksi kullanarak eşleyin. Örneğin #{category} ve #{categoryCode} ile category içindeki "ordinary trademark" değeri categoryCode içindeki 0 değerine, "special trademark" değeri ise categoryCode içindeki 1 değerine karşılık gelir. Ayrıntılar için aşağıdaki örneğe bakın.

    • explanation string: Ek notlar. Genellikle oluşturulan SQL için hangi bilgilerin döndürüleceği veya belirli alanların nasıl yorumlanacağı gibi gereksinimleri açıklar.

    Not

    Şablon parametrelerine gerek yoksa değeri aşağıdakilerden biri olarak ayarlayabilirsiniz:

    • NULL

    • Boş bir dize

    • Boş bir liste dizesi: []

    Örnek

    Şablon sorusu

    Şablon açıklaması

    Şablon SQL'i

    Şablon parametreleri

    Ders adı #{courseName} ve öğretim durumu #{status} olan dersleri sorgula

    [Ders Adı] ve [Öğretim Durumu] olan dersler hangileridir?

    SELECT course_name, course_time, course_location 
    FROM courses 
    WHERE 
    course_name=#{courseName} 
    AND status=#{statusCode}

    [{"table_name":"courses","param_info":[{"param_name":"#{courseName}","value":["Mathematics","Physics","Chemistry","English","History","Geography","Biology","Computer Science","Art","Music","Physical Education","Programming","Literature","Psychology","Philosophy","Economics","Sociology","Physics Lab","Chemistry Lab","Biology Lab"]},{"param_name": "#{status}", "value": ["Not started","In progress"]},{"param_name": "#{statusCode}","value": [0,1]}], "explanation": "Output the course name (course_name), course time (course_time), and course location (course_location). Note: status is a constant mapping type. The variable mapping field is statusCode."}]

    #{issueDate} yılında yayınlanması planlanan ve proje durumu #{projectStat} olan ulusal standartlar hangileridir?

    [Yıl] yılında yayınlanması planlanan [Proje Durumu] ulusal standartlar hangileridir?

    SELECT DISTINCT planNum, projectCnName, projectStat 
    FROM sy_cd_me_buss_std_gjbzjh 
    WHERE 
    `planNum` IS NOT NULL 
    AND `dataStatus` != 3 
    AND `isValid` = 1 
    AND projectStat=#{projectStat} 
    AND DATE_FORMAT(`issueDate`, '%Y')=#{issueDate}

    [{"table_name":"sy_cd_me_buss_std_gjbzjh","param_info":[{"param_name":"#{issueDate}","value":[2009,2010,2011,2012]},{"param_name":"#{projectStat}","value":["Seeking comments","Published","Under review"]}],"explanation":"Output standard name (projectCnName), plan number, and project status."}]

    Kategorisi #{category} ve uluslararası sınıflandırması #{intCls} olan ticari markalar hangileridir?

    [Uluslararası Sınıflandırma] içindeki [Marka Türü] ticari markalar hangileridir?

    SELECT DISTINCT tmName, regNo, status 
    FROM sy_cd_me_buss_ip_tdmk_new 
    WHERE 
    dataStatus!=3 
    AND isValid = 1 
    AND category=#{categoryCode} 
    AND intCls=#{intClsCode}

    [{"table_name":"sy_cd_me_buss_ip_tdmk_new","param_info":[{"param_name":"#{intCls}","value":["Chemical raw materials","Paints","Cosmetics and cleaning preparations","Fuels and lubricants","Pharmaceuticals"]},{"param_name":"#{category}","value":["ordinary trademark","special trademark","collective trademark"]},{"param_name":"#{intClsCode}","value":[1,2,3,4,5]},{"param_name":"#{categoryCode}","value":[0,1,2]}],"explanation":"Output trademark name (tmName), application/registration number (regNo), and trademark status (status). Note: category is a constant mapping type. The variable mapping field is categoryCode. intCls is a constant mapping type. The variable mapping field is intClsCode."}]

    Örneğin yukarıdaki tabloda gösterilen ilk şablon sorusunu oluşturmak için aşağıdaki SQL'i çalıştırın:

    INSERT INTO `polar4ai_nl2sql_pattern` (`pattern_question`,`pattern_description`,`pattern_sql`,`pattern_params`) VALUES ('Query for courses with course name #{courseName} and teaching status #{status}','What are the courses with 【Course Name】【Teaching Status】?','SELECT course_name, course_time, course_location FROM courses WHERE course_name=#{courseName} AND status=#{statusCode}','[{"table_name":"courses","param_info":[{"param_name":"#{courseName}","value":["Mathematics","Physics","Chemistry","English","History","Geography","Biology","Computer Science","Art","Music","Physical Education","Programming","Literature","Psychology","Philosophy","Economics","Sociology","Physics Lab","Chemistry Lab","Biology Lab"]},{"param_name": "#{status}", "value": ["Not started","In progress"]},{"param_name": "#{statusCode}","value": [0,1]}], "explanation": "Output the course name (course_name), course time (course_time), and course location (course_location). Note: status is a constant mapping type. The variable mapping field is statusCode."}]');
  2. Soru şablonu dizini tablosu oluşturma

    Veritabanı adlandırma kurallarına uyduğu sürece dizin tablosu için özel bir ad kullanabilirsiniz. Bu örnekte pattern_index kullanılmıştır. Soru şablonu dizini tablosunu oluşturmak için aşağıdaki SQL'i çalıştırın:

    /*polar4ai*/CREATE TABLE pattern_index(id integer, pattern_question text_ik_max_word, pattern_description text_ik_max_word, pattern_sql text_ik_max_word, pattern_params text_ik_max_word, pattern_tables text_ik_max_word, vecs vector_768, PRIMARY KEY (id));
    Not
    • Soru şablonu dizini tablosu veritabanı nesne listesinde görünmez. Görüntülemek için /*polar4ai*/SHOW TABLES; komutunu çalıştırın.

    • Örneğin pattern_index soru şablonu dizini tablosunu silmek için /*polar4ai*/DROP TABLE IF EXISTS pattern_index; SQL deyimini çalıştırın.

  3. Verileri dizin tablosuna aktarma

    Not

    Soru şablonu tablosu boş olamaz. Veri aktarmak için SQL'i çalıştırmadan önce en az bir kayıt ekleyin.

    /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_text2vec, SELECT '') WITH (mode='async', resource='pattern') INTO pattern_index;

    Parametreler

    • _polar4ai_text2vec metinden vektöre dönüştürme modelidir.

    • INTO ifadesinden sonra 2. Adım bölümünde oluşturulan soru şablonu dizini tablosunun adını belirtin.

    • WITH() yan tümcesinde birden çok parametre yapılandırabilirsiniz:


      Parametre


      Gerekli


      Açıklama


      mode


      Evet


      Yazma modunu belirtir. Asenkron mod için async olarak ayarlanmalıdır.


      resource


      Evet


      Kaynak türünü belirtir. Soru şablonu bilgilerini vektörleştirmek için pattern olarak ayarlanmalıdır.


      pattern_table_name


      Hayır

      Vektörleştirilecek soru şablonu tablosunun adı. Bu, 1. Adım bölümündeki tablo adıdır.

      Varsayılan değer polar4ai_nl2sql_pattern olup vektörleştirme işleminin polar4ai_nl2sql_pattern tablosunda gerçekleştirildiği anlamına gelir. Bu parametreyi ayarlarsanız polar4ai_nl2sql_pattern ile başlayan bir tablo adı belirtmeniz gerekir.

      Farklı senaryolar veya iş alanları için farklı soru şablonu dizini tabloları korumak istiyorsanız bunları oluştururken farklı tablo adları belirtebilirsiniz. Örneğin kullanıcıyla ilgili senaryolar için bir polar4ai_nl2sql_pattern_user tablosu oluşturursanız 2. Adımda dizin adını pattern_index_user olarak ayarlayabilirsiniz. Bilgileri aktarırken aşağıdaki SQL deyimini kullanın:

      /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_text2vec, SELECT '') WITH (mode='async', resource='pattern', pattern_table_name='polar4ai_nl2sql_pattern_user') INTO pattern_index_user;
  4. Görev durumunu kontrol etme

    İçe aktarma deyimini çalıştırdıktan sonra sistem bce632ea-97e9-11ee-bdd2-492f4dfe0918 gibi bir task_id döndürür. Görev durumunu kontrol etmek için aşağıdaki komutu çalıştırabilirsiniz.

    /*polar4ai*/SHOW TASK `bce632ea-97e9-11ee-bdd2-492f4dfe0918`;

    Görev durumu finish olduğunda içe aktarma tamamlanır ve model soru şablonu bilgilerine başvurabilir. Soru şablonu dizini bilgilerini görüntülemek için aşağıdaki SQL deyimini çalıştırabilirsiniz:

    /*polar4ai*/SELECT * FROM pattern_index;
    Not

    polar4ai_nl2sql_pattern tablosundaki veriler değişirse 3. Adım bölümündeki yordamı yeniden çalıştırmanız gerekir.

  5. Soru şablonlarıyla çevrimiçi sorgu çalıştırma

    LLM tabanlı NL2SQL ve soru şablonlarını kullanarak çevrimiçi sorgu gerçekleştirmek için aşağıdaki SQL deyimini çalıştırın:

    /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2sql, SELECT 'Query for courses with the course name Mathematics and status in progress') WITH (basic_index_name='schema_index', pattern_index_name='pattern_index');
    SELECT course_name, course_time, course_location FROM courses WHERE course_name='Mathematics' AND status=1;

    Parametreler

    • SELECT ifadesinden sonra SQL'e dönüştürülecek soruyu girin.

    • basic_index_name mevcut veritabanı arama dizini tablosunun adıdır.

    • pattern_index_name soru şablonu dizini tablosunun adıdır.

    • WITH() yan tümcesinde birden çok parametre yapılandırabilirsiniz. Diğer parametrelerin açıklamaları için bkz. LLM tabanlı NL2SQL ile çevrimiçi sorgu çalıştırma.


      Parametre


      Açıklama


      Değer aralığı


      pattern_index_top


      Getirilecek en yakın soru şablonu sayısı.

      Değer aralığı: [1,10].

      Varsayılan değer 2'dir. Bu, mevcut soru için yalnızca en iyi 2 şablonun getirileceği anlamına gelir.


      pattern_index_threshold


      Bir soru şablonunu getirmek için benzerlik eşiği.

      Değer aralığı: (0,1].

      Varsayılan değer 0,85'tir. Bu, bir şablonun yalnızca vektör benzerlik puanı 0,85'i aşması durumunda seçileceği anlamına gelir.

Yapılandırma tablosu oluşturma

Soruları önceden işlemek veya oluşturulan SQL'i sonradan işlemek için bir yapılandırma tablosu kullanın.

Kullanım durumları

  • Senaryo 1: Sorudaki belirli terimleri (adlar, sektör jargonu veya ürün adları gibi) değiştirin.

    Örneğin: Zhang San içeren tüm sorularda Zhang San ifadesini ZS001 ile değiştirin. Bu durumda What were Zhang San's sales last month? ve What are Zhang San's total sales for this year? soruları için büyük dil modeline nihai çağrı yapılmadan önce bunları bir yapılandırma tablosu kullanarak What were ZS001's sales last month? ve What are ZS001's total sales for this year? şeklinde önceden işleyebilirsiniz.

  • Senaryo 2: Belirli terimler içeren sorulara ek bağlam ekleyin.

    Örneğin Total Sales içeren tüm sorular için Total Sales = SUM(Sales) hesaplama formülü eklenmelidir. Büyük modele nihai çağrı yapılmadan önce bu bilgi bir yapılandırma tablosu aracılığıyla eklenebilir ve soru ilgili koşulu karşıladığında sonuna eklenir.

  • Senaryo 3: Nihai SQL'deki belirli tablolar veya sütunlar için değerleri eşleyin ve değiştirin.

    Örneğin sonunda student_courses tablosunu içeren tüm SQL deyimleri için sütun değeri eşlemesi için yedek bir önlem olarak status = 'leave' ifadesini status = 0 ile değiştirin.

Sözdizimi

Yapılandırma tablosunu oluşturmak için aşağıdaki SQL deyimini kullanın. polar4ai_nl2sql_llm_config tablo adı sabittir ve değiştirilemez.

DROP TABLE IF EXISTS `polar4ai_nl2sql_llm_config`;
CREATE TABLE `polar4ai_nl2sql_llm_config` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT 'primary key',
  `is_functional` int(11) NOT NULL DEFAULT '1' COMMENT 'Indicates if the configuration row is active',
  `text_condition` text COMMENT 'Text condition for pre-processing',
  `query_function` text COMMENT 'Query processing function',
  `formula_function` text COMMENT 'Formula information function',
  `sql_condition` text COMMENT 'SQL condition for post-processing',
  `sql_function` text COMMENT 'SQL processing function',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;
Not

polar4ai_nl2sql_llm_config tablosundaki verilerde yapılan değişiklikler hemen etkili olur. Ekstra bir işlem yapmanıza gerek yoktur.

Parametreler

Parametre

Açıklama

Değer

Örnek

is_functional

Bu satırdaki kuralın etkin olup olmadığını gösterir.

Varsayılan olarak yapılandırma tablosundaki tüm kurallar her NL2SQL sorgusuna uygulanır. Bir yapılandırma kuralını silmeden geçici olarak devre dışı bırakmak için is_functional değerini 0 olarak ayarlayın.
  • 1 (varsayılan): etkin

  • 0: etkin değil

  • is_functional=1 ise yapılandırma etkindir.

  • is_functional=0 ise yapılandırma etkin değildir.

text_condition

Ön işleme: Koşulu soru metnine göre değerlendirir.

Koşul karşılanırsa query_function ve formula_function sütunlarındaki işlevler uygulanır.
  • Üç mantıksal işleci destekler: && (VE), || (VEYA) ve !! (DEĞİL).

  • text_condition boşsa veya boş bir dizeyse koşul tüm sorularla eşleşir.

text_condition değeri John||Lisa&&!Wang ise bu, soruda John geçiyorsa veya "Lisa" geçip "Wang" geçmiyorsa koşulun karşılandığı anlamına gelir.

Örneğin:

  • Soru: What are Zhang San's total sales this year? Yanıt: Koşul karşılandı.

  • Soru: What are Li Si's total sales this year?: Koşul karşılandı.

  • Soru: What is the total sales amount for Lisi and Wangwu this year?: Koşul eşleşmedi.

query_function

Ön işleme: Soru metnini dönüştürür.

text_condition eşleştiğinde bu işlev uygulanır.
  • Desteklenen yöntemler: append, delete ve replace.

  • Değer bir JSON dizesi olmalıdır.

query_function değeri {"append":["一","二"],"delete":["?"],"replace":{"张三":"a","李四":"b"}} ise bu, text_condition eşleştiğinde sorunun sonuna 一 ve 二 eklerinin eklendiği, sorudan ? işaretinin silindiği ve sonunda sorudaki 张三 ifadesinin a ile, 李四 ifadesinin ise b ile değiştirildiği anlamına gelir.

Örneğin:

  • Soru: Zhang San this year total sales is how much?: text_condition eşleştiğinde sonuçta a this year total sales is how much one two olarak işlenir.

  • Soru: What is Li Si's total sales for this year?: text_condition eşleştiğinde sonuçta b what is the total sales for this year one two olarak işlenir.

formula_function

Ön işleme: Sorudaki işe özel kavramlar için formül gibi bağlam bilgisi ekler.

text_condition eşleştiğinde bu işlev uygulanır.

-

formula_function değeri Total Sales: SUM(Sales Amount) ise nihai işleme sırasında sorudaki toplam satış tutarı SUM(Sales Amount) formülüyle birlikte ek bilgi olarak işlenir.

sql_condition

Son işleme: Koşulu model tarafından oluşturulan SQL deyimine göre değerlendirir.

Koşul karşılanırsa sql_function sütunundaki işlev uygulanır.

  • Üç mantıksal işleci destekler: && (VE), || (VEYA) ve !! (DEĞİL).

  • sql_condition boşsa veya boş bir dizeyse koşul tüm oluşturulan SQL deyimleriyle eşleşir.

sql_condition değeri students||student_courses&&!!courses ise SQL deyimi students tablosuna veya student_courses tablosuna başvuruyorsa ancak courses tablosuna başvurmuyorsa koşul eşleşir.

Örneğin:

  • SQL deyimi: SELECT * FROM student_courses: Eşleşir.

  • SQL deyimi: SELECT c.course_name FROM student_courses sc JOIN courses c ON sc.courses_id = c.id;: Eşleşmez.

sql_function

Son işleme: Oluşturulan SQL'i dönüştürür. İş mantığına dayalı değer eşlemelerini zorlamak için kullanışlıdır.

sql_condition eşleştiğinde bu işlev uygulanır.

  • Şu anda yalnızca replace yöntemi desteklenmektedir.

  • Değer bir JSON dizesi olmalıdır.

sql_function değeri {"replace":{"status = 'on leave'":"status = 0","status = 'on duty'":"status = 1"}} olarak ayarlanırsa sql_condition eşleştiğinde SQL'deki status = 'on leave' ifadesi status = 0 ile, status = 'on duty' ifadesi ise status = 1 ile değiştirilir.

Örnek


is_functional


text_condition


query_function


formula_function


sql_condition


sql_function


1


Zhang San||Li Si&&!!Wang Wu


{"append":["one","two"],"delete":["?"],"replace":{"Zhangsan":"a","Lisi":"b"}}











1








Total Sales: SUM(Sales)








1











students||student_courses&&!!courses


{"replace":{"status = 'Leave'":"status = 0","status = 'Present'":"status = 1"}}

  1. Yapılandırma tablosu olmadan çalıştırıldığında aşağıdaki sorgu:

    /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2sql, SELECT '筛选出2个请假次数最多的学生,按照学生的请假次数降序排列,显示学生的名字和请假次数。') WITH (basic_index_name='schema_index');
    SELECT s.student_name, COUNT(sc.id) AS leave_count FROM students s JOIN student_courses sc ON s.id = sc.student_id WHERE sc.status = 0 GROUP BY s.student_name ORDER BY leave_count DESC LIMIT 2;
  2. Sözdizimi bölümünde açıklandığı gibi yapılandırma tablosunu oluşturun.

  3. Bir yapılandırma kaydı ekleyin. Bu kural, bir SQL deyiminin students tablosuna veya student_courses tablosuna başvurduğu ancak courses tablosuna başvurmadığı durumlarda sistemin status = 0 ifadesini status = 10 ile değiştirmesini belirtir.

    INSERT INTO `polar4ai_nl2sql_llm_config` (`is_functional`,`sql_condition`,`sql_function`) VALUES (1,'students||student_courses&&!!courses','{"replace":{"status = 0":"status = 10"}}');
  4. Adımdaki sorguyu tekrar çalıştırın. Oluşturulan SQL'deki status değeri artık kuralda belirtildiği gibi değiştirilir.

    /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2sql, SELECT '筛选出2个请假次数最多的学生,按照学生的请假次数降序排列,显示学生的名字和请假次数。') WITH (basic_index_name='schema_index');
    SELECT s.student_name, COUNT(sc.id) AS leave_count FROM students s JOIN student_courses sc ON s.id = sc.student_id WHERE sc.status = 10 GROUP BY s.student_name ORDER BY leave_count DESC LIMIT 2;

Tablo ve sütun açıklamalarını özelleştirme

Veri tablolarınızı hazırlama bölümünde açıklandığı gibi bir tablo veya sütunun orijinal açıklamalarını değiştiremiyorsanız polar4ai_nl2sql_table_extra_info tablosuna özel açıklamalar ekleyebilirsiniz. LLM tabanlı NL2SQL kullanırken bu açıklamalar orijinallerinin yerine geçer.

Sözdizimi

Aşağıdaki SQL deyimi özel açıklamalar tablosunu oluşturur. polar4ai_nl2sql_table_extra_info tablo adı değiştirilemez.

DROP TABLE IF EXISTS `polar4ai_nl2sql_table_extra_info`;
CREATE TABLE `polar4ai_nl2sql_table_extra_info` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT 'Primary key',
  `table_name` text COMMENT 'Table name',
  `table_comment` text COMMENT 'Table description',
  `column_name` text COMMENT 'Column name',
  `column_comment` text COMMENT 'Column description',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;
Not

polar4ai_nl2sql_table_extra_info tablosundaki verileri değiştirirseniz değişikliklerin etkili olması için veritabanı şema dizinine veri tablosu bilgilerini aktarma adımını yeniden çalıştırmanız gerekir.

Örnek

  1. Özel açıklamalar tablosunu oluşturun.

  2. student_courses tablosundaki status sütununun açıklamasını güncelleyin. Bu örnekte yeni bir seçenek eşlemesi eklenmektedir: 2-Absent.

    INSERT INTO `polar4ai_nl2sql_table_extra_info` (`table_name`,`table_comment`,`column_name`,`column_comment`) VALUES ('student_courses','Student-course information table','status','Student status: 0-On leave, 1-Normal, 2-Absent.');
  3. Veritabanı şema dizinine veri tablosu bilgilerini aktarma adımını yeniden çalıştırın.

    /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_text2vec, SELECT '') WITH (mode='async', resource='schema') INTO schema_index;
  4. Görev durumunu kontrol edin.

    İçe aktarma deyimini çalıştırdıktan sonra sistem bce632ea-97e9-11ee-bdd2-492f4dfe0918 gibi bir task_id döndürür. İçe aktarma durumunu kontrol etmek için aşağıdaki komutu kullanın. taskStatus değeri finish olduğunda görev tamamlanmış demektir.

    /*polar4ai*/SHOW TASK `bce632ea-97e9-11ee-bdd2-492f4dfe0918`;
  5. LLM tabanlı NL2SQL kullanarak bir sorgu çalıştırın.

    /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2sql, SELECT 'Show the names and number of absences for the 2 students with the most absences, sorted in descending order.') WITH (basic_index_name='schema_index');
    SELECT s.student_name, COUNT(sc.id) AS absence_count FROM student_courses sc JOIN students s ON sc.student_id = s.id WHERE sc.status = 2 GROUP BY s.student_name ORDER BY absence_count DESC LIMIT 2;

    Çıktı, LLM tabanlı NL2SQL modelinin artık student_courses tablosundaki status sütunu için Absent değerini doğru şekilde 2 değeriyle eşlediğini gösterir.

Geniş tablo desteği

Veri tablolarınız çok sayıda sütun içeren geniş tablolar içeriyorsa veya LLM tabanlı NL2SQL kullanırken Please use column index to avoid oversize table information. hatası alıyorsanız bu yordamı kullanın.

Not

LLM tabanlı NL2SQL özelliğini çevrimiçi kullanırken WITH() yan tümcesindeki basic_index_name ve pattern_index_name parametreleri aynı column_index_name değerini kullanabilir. schema veya pattern dizinlemenin aksine bu yöntem yalnızca bilgileri basitleştirmek için kullanılır.

Çoğu istek için column_index_name parametresinin bir etkisi yoktur. Bu parametre yalnızca uzunluk sınırını tetikleyen NL2SQL istekleri için gereklidir. Bu durumlarda column_index_name tablo bilgilerini basitleştirir. Bu durum doğrulukta bazı kayıplara neden olabilir ancak aşırı uzun istemlerden kaynaklanan LLM tabanlı NL2SQL modeli hatalarını etkili bir şekilde önler.

  1. Sütun dizini tablosu oluşturun.

    Sütun dizini tablosu için özel bir ad kullanabilirsiniz ancak bu ad veritabanı adlandırma kurallarına uymalı ve mevcut tabloların adlarıyla çakışmamalıdır. Veritabanı başına yalnızca bir sütun dizini tablosu gerekir. Aşağıdaki CREATE TABLE deyimini kullanın:

    /*polar4ai*/CREATE TABLE column_index(id integer, table_name varchar, table_comment text_ik_max_word, column_name text_ik_max_word, column_comment text_ik_max_word, is_primary integer, is_foreign integer, vecs vector_768, ext text_ik_max_word, PRIMARY KEY (id));
    Not
    • Sütun dizini tablosu veritabanında doğrudan görüntülenmez. Bilgilerini görüntülemek için /*polar4ai*/SHOW TABLES; SQL deyimini çalıştırın.

    • Örneğin column_index sütun dizini tablosunu silmek için /*polar4ai*/DROP TABLE IF EXISTS column_index; SQL deyimini çalıştırın.

  2. Veri tablolarından sütun düzeyindeki bilgileri sütun dizini tablosuna aktarın.

    /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_text2vec, select '') WITH (mode='async', resource='column') into column_index;
  3. Görev durumunu kontrol edin.

    İçe aktarma deyimini çalıştırdıktan sonra sistem bce632ea-97e9-11ee-bdd2-492f4dfe0918 gibi bir task_id döndürür. İçe aktarma durumunu görüntülemek için aşağıdaki komutu çalıştırabilirsiniz. taskStatus değeri finish olduğunda görev tamamlanmış demektir.

    /*polar4ai*/SHOW TASK `bce632ea-97e9-11ee-bdd2-492f4dfe0918`;
  4. Geniş tablolarla LLM tabanlı NL2SQL özelliğini çevrimiçi kullanın.

    /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2sql, SELECT 'Sort by teacher name in ascending alphabetical order, and display the teacher''s name and the names of the courses they teach.') WITH (basic_index_name='schema_index', column_index_name='column_index');

SSS

AI SQL ile sözdizimi hatası

DMS'de PolarDB for AI özelliğiyle bir AI SQL sorgusu (/*polar4ai*/ öneki içeren bir SQL deyimi) çalıştırdığınızda aşağıdaki hata tetiklenebilir: You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near 'xxx' at line xxx. Bu hata, DMS bağlantısının PolarDB kümenizin Cluster Endpoint adresine ayarlanmamasından kaynaklanır.

PolarDB for AI özelliği bir AI düğümünde çalışır ancak DMS varsayılan olarak bir PolarDB kümesine Primary address üzerinden bağlanır. Bu nedenle DMS'deki bağlantı adresini değiştirmeniz gerekir.

  1. DMS'de kümeye bağlandıktan sonra sol gezinme bölmesindeki Database Instance > Logged-in Instances listesine gidin. Hedef kümeye sağ tıklayın ve Edit Instance seçeneğini belirleyin.

  2. Edit Instance iletişim kutusunda Overview altında Entry Method seçeneğini Connection String olarak değiştirin. Ardından Cluster Endpoint adresini girin ve Save düğmesini tıklayın.

  3. Orijinal SQL penceresi hala Primary address adresini kullanır. Connection String seçeneğini değiştirdikten sonra orijinal SQL penceresini kapatıp yeni bir tane açmanız gerekir. Bu işlem yeni bağlantı ayarlarını uygular.