数据持久化与加载

数据持久化

默认情况下，LlamaIndex将数据存储在内存中，如果需要，可以显式持久化这些数据：

storage_context.persist(persist_dir="<persist_dir>")

这将把数据持久化到磁盘，保存在指定的 persist_dir（或默认的 ./storage）下。

多个索引可以持久化并从同一目录加载，前提是您跟踪索引ID以便加载。

用户也可以配置默认持久化数据的替代存储后端（例如 MongoDB）。在这种情况下，调用 storage_context.persist() 将不会执行任何操作。

加载数据

要加载数据，用户只需使用相同的配置重新创建存储上下文（例如传入相同的 persist_dir 或向量存储客户端）。

storage_context = StorageContext.from_defaults(
    docstore=SimpleDocumentStore.from_persist_dir(persist_dir="<persist_dir>"),
    vector_store=SimpleVectorStore.from_persist_dir(
        persist_dir="<persist_dir>"
    ),
    index_store=SimpleIndexStore.from_persist_dir(persist_dir="<persist_dir>"),
)

然后我们可以通过下面的一些便捷函数从 StorageContext 加载特定索引。

from llama_index.core import (
    load_index_from_storage,
    load_indices_from_storage,
    load_graph_from_storage,
)

# load a single index
# need to specify index_id if multiple indexes are persisted to the same directory
index = load_index_from_storage(storage_context, index_id="<index_id>")

# don't need to specify index_id if there's only one index in storage context
index = load_index_from_storage(storage_context)

# load multiple indices
indices = load_indices_from_storage(storage_context)  # loads all indices
indices = load_indices_from_storage(
    storage_context, index_ids=[index_id1, ...]
)  # loads specific indices

# load composable graph
graph = load_graph_from_storage(
    storage_context, root_id="<root_id>"
)  # loads graph with the specified root_id

使用远程后端

默认情况下，LlamaIndex使用本地文件系统来加载和保存文件。但是，您可以通过传递一个fsspec.AbstractFileSystem对象来覆盖此行为。

这是一个简单的示例，实例化一个向量存储：

import dotenv
import s3fs
import os

dotenv.load_dotenv("../../../.env")

# load documents
documents = SimpleDirectoryReader(
    "../../../examples/paul_graham_essay/data/"
).load_data()
print(len(documents))
index = VectorStoreIndex.from_documents(documents)

到目前为止，所有步骤都相同。现在 - 让我们实例化一个 S3 文件系统并在其中保存/加载。

# set up s3fs
AWS_KEY = os.environ["AWS_ACCESS_KEY_ID"]
AWS_SECRET = os.environ["AWS_SECRET_ACCESS_KEY"]
R2_ACCOUNT_ID = os.environ["R2_ACCOUNT_ID"]

assert AWS_KEY is not None and AWS_KEY != ""

s3 = s3fs.S3FileSystem(
    key=AWS_KEY,
    secret=AWS_SECRET,
    endpoint_url=f"https://{R2_ACCOUNT_ID}.r2.cloudflarestorage.com",
    s3_additional_kwargs={"ACL": "public-read"},
)

# If you're using 2+ indexes with the same StorageContext,
# run this to save the index to remote blob storage
index.set_index_id("vector_index")

# persist index to s3
s3_bucket_name = "llama-index/storage_demo"  # {bucket_name}/{index_name}
index.storage_context.persist(persist_dir=s3_bucket_name, fs=s3)

# load index from s3
index_from_s3 = load_index_from_storage(
    StorageContext.from_defaults(persist_dir=s3_bucket_name, fs=s3),
    index_id="vector_index",
)

默认情况下，如果您未传递文件系统，我们将假定为本地文件系统。