GenAI > Agentic > Database and Knowledge Loader

Database and Knowledge Loader

标题: “数据库和知识加载器” 权重: 33

在本节中，我们将配置 petstore 数据库并将必要的文件上传到 S3 以供知识库使用。此过程由 dataloader.sh 脚本自动化，我们将在之前步骤中连接的堡垒主机上运行该脚本。

说明

访问堡垒主机:
- 确保我们已通过 EC2 实例连接连接到堡垒主机，如前一节所述。

执行设置脚本:

运行以下命令执行 dataloader.sh 脚本
```
./dataloader.sh
```
按 Enter 键: 执行脚本
如果我们没有找到上述脚本，请运行以下命令:

  # 将 dataloader.sh 下载到 ec2-user 的主目录
  cd /home/ec2-user
  sudo wget https://ws-assets-prod-iad-r-pdx-f3b3f9f1a7d6a3d0.s3.us-west-2.amazonaws.com/4b5336de-e5b8-4b90-b1d8-dec31125cd95/dataloader.sh
  sudo chmod +x dataloader.sh

脚本功能:
- dataloader.sh 脚本自动执行以下设置任务:
  - 数据库设置:
    - 连接到 Aurora RDS 数据库并创建 petstore 数据库。
    - 执行模式文件 (ddl.sql) 以创建必要的表和关系。
    - 从 data.sql 将初始数据插入 petstore 数据库。
  - S3 文件上传:
    - 将 Pet_Store_QnA_data.csv 上传到 Q&A 知识库 S3 存储桶，供知识库代理进行基于知识的查询使用。
    - 将 ddl.txt 上传到 DB 知识库 S3 存储桶，供查询代理参考数据库模式。
提示输入:
- 在执行过程中，脚本将提示我们输入 postgres 用户的数据库密码。请确保我们准备好此信息，默认密码为 petstoremaster。

验证设置:

脚本完成后，请确认:

petstore 数据库已在我们的 RDS 实例中创建，并且表和数据已填充。我们将使用 CloudShell 中内置的 psql 工具来验证:

# 获取具有特定描述的堆栈信息
export STACK_DETAILS=$(aws cloudformation describe-stacks --query "Stacks[*]" --output json | jq -r '.[] | select(.Description == "Agentic AI with Bedrock Agents workshop")')

# 从堆栈详细信息中提取堆栈名称
export STACK_NAME=$(echo "$STACK_DETAILS" | jq -r '.StackName')

export DB_ENDPOINT=$(aws cloudformation describe-stacks --stack-name "$STACK_NAME" --query "Stacks[0].Outputs[?OutputKey=='DBClusterEndpoint'].OutputValue" --output text)

## 使用 psql 连接到 PostgreSQL
psql --host=$DB_ENDPOINT \
--port=5432 \
--username=postgres \
--password \
--dbname=petstore

在连接过程中，psql 将提示我们输入 postgres 用户的数据库密码。默认密码为 petstoremaster。

使用 psql 连接到数据库后，运行以下命令验证数据库中的数据:

-- 显示表中的数据:
SELECT * FROM public.address;
SELECT * FROM public.category;
SELECT * FROM public.customer;
SELECT * FROM public."order";
SELECT * FROM public.pet;
SELECT * FROM public.pettag;
SELECT * FROM public.tag;
SELECT * FROM public."user";

运行 :code[\q]{showCopyAction=true} 退出 psql。
文件 Pet_Store_QnA_data.csv 和 ddl.txt 也已上传到各自的 S3 存储桶，要验证，请运行以下 AWS CLI 命令:

# 提取 Q&A S3 存储桶名称(用于 Pet_Store_QnA_data.csv)
QNA_BUCKET=$(aws cloudformation describe-stacks --stack-name "$STACK_NAME" \
--query "Stacks[0].Outputs[?OutputKey=='PetStoreQAKBBucket'].OutputValue" --output text)

# 提取 DB S3 存储桶名称(用于 ddl.txt)
DB_BUCKET=$(aws cloudformation describe-stacks --stack-name "$STACK_NAME" \
--query "Stacks[0].Outputs[?OutputKey=='PetStoreDBKBBucket'].OutputValue" --output text)

# 验证 Q&A 存储桶中的 Pet_Store_QnA_data.csv
aws s3 ls s3://$QNA_BUCKET/ --recursive | grep Pet_Store_QnA_data.csv

# 验证 DB 存储桶中的 ddl.txt
aws s3 ls s3://$DB_BUCKET/ --recursive | grep ddl.txt

运行 dataloader.sh 后，我们的数据库和知识库源将完全设置好，可用于本次研讨会。