How to build RAG on Delta tables using Ollama, Pyspark and Langchain

I’m trying to build a RAG using Ollama, Pyspark. I wish to use my delta table as the source for this POC. Here’s what I have done so far

Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>import pyspark
from delta import *
from langchain_community.document_loaders import PySparkDataFrameLoader
from langchain_community.llms import Ollama
from langchain_community.vectorstores import FAISS
from langchain_community.embeddings import OllamaEmbeddings
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain.chains import RetrievalQA
from langchain.text_splitter import CharacterTextSplitter
ollama_llm = Ollama(model="phi")
ollama_emb = OllamaEmbeddings(model="mxbai-embed-large")
# Read and Create df
builder = pyspark.sql.SparkSession.builder.appName("DeltaTutorial")
.config("spark.sql.extensions", "io.delta.sql.DeltaSparkSessionExtension")
.config("spark.sql.catalog.spark_catalog", "org.apache.spark.sql.delta.catalog.DeltaCatalog")
spark = configure_spark_with_delta_pip(builder).getOrCreate()
df = spark.createDataFrame(
[
(1, "foo", "hello"),
(2, "bar", "world"),
(3, "baz", "!!!"),
(4, "000", "why"),
(5, "111", "who"),
],
["id", "label", "col3"]
)
# load documents
loader = PySparkDataFrameLoader(spark, df, page_content_column="id")
documents = loader.load()
print(documents)
#[Document(page_content='1', metadata={'label': 'foo', 'col3': 'hello'}), Document(page_content='2', metadata={'label': 'bar', 'col3': 'world'}), Document(page_content='3', metadata={'label': 'baz', 'col3': '!!!'}), Document(page_content='4', metadata={'label': '000', 'col3': 'why'}), Document(page_content='5', metadata={'label': '111', 'col3': 'who'})]
print(f"Number of documents: {len(documents)}")
#5
# Split and chunk documents
text_splitter = CharacterTextSplitter(chunk_size=50, chunk_overlap=0, length_function=len)
chunks = text_splitter.split_documents(documents)
print(f"Number of chunks: {len(chunks)}")
#5
for i, _ in enumerate(chunks):
print(f"chunk # {i} :: {chunks[i]}")
#chunk # 0 :: page_content='1' metadata={'label': 'foo', 'col3': 'hello'}
#chunk # 1 :: page_content='2' metadata={'label': 'bar', 'col3': 'world'}
#chunk # 2 :: page_content='3' metadata={'label': 'baz', 'col3': '!!!'}
#chunk # 3 :: page_content='4' metadata={'label': '000', 'col3': 'why'}
#chunk # 4 :: page_content='5' metadata={'label': '111', 'col3': 'who'}
# Embedding
db = FAISS.from_documents(documents, ollama_emb)
retrieval_qa = RetrievalQA.from_chain_type(llm=ollama_llm
, chain_type="stuff"
, retriever=db.as_retriever()
, return_source_documents=True)
# Retrieve response.
query = "what is the label for col3 who"
result = retrieval_qa({"query": query})
print(result)
#{'query': 'what is the label for col3 who', 'result': " I'm sorry, but I cannot determine the label for col3 based on the given information. Please provide more details or context about col3.n", 'source_documents': [Document(page_content='5', metadata={'label': '111', 'col3': 'who'}), Document(page_content='4', metadata={'label': '000', 'col3': 'why'}), Document(page_content='2', metadata={'label': 'bar', 'col3': 'world'}), Document(page_content='3', metadata={'label': 'baz', 'col3': '!!!'})]}
print("Result:", result["result"])
#Result: I'm sorry, but I cannot determine the label for col3 based on the given information. Please provide more details or context about col3.
</code>
<code>import pyspark from delta import * from langchain_community.document_loaders import PySparkDataFrameLoader from langchain_community.llms import Ollama from langchain_community.vectorstores import FAISS from langchain_community.embeddings import OllamaEmbeddings from langchain.text_splitter import RecursiveCharacterTextSplitter from langchain.chains import RetrievalQA from langchain.text_splitter import CharacterTextSplitter ollama_llm = Ollama(model="phi") ollama_emb = OllamaEmbeddings(model="mxbai-embed-large") # Read and Create df builder = pyspark.sql.SparkSession.builder.appName("DeltaTutorial") .config("spark.sql.extensions", "io.delta.sql.DeltaSparkSessionExtension") .config("spark.sql.catalog.spark_catalog", "org.apache.spark.sql.delta.catalog.DeltaCatalog") spark = configure_spark_with_delta_pip(builder).getOrCreate() df = spark.createDataFrame( [ (1, "foo", "hello"), (2, "bar", "world"), (3, "baz", "!!!"), (4, "000", "why"), (5, "111", "who"), ], ["id", "label", "col3"] ) # load documents loader = PySparkDataFrameLoader(spark, df, page_content_column="id") documents = loader.load() print(documents) #[Document(page_content='1', metadata={'label': 'foo', 'col3': 'hello'}), Document(page_content='2', metadata={'label': 'bar', 'col3': 'world'}), Document(page_content='3', metadata={'label': 'baz', 'col3': '!!!'}), Document(page_content='4', metadata={'label': '000', 'col3': 'why'}), Document(page_content='5', metadata={'label': '111', 'col3': 'who'})] print(f"Number of documents: {len(documents)}") #5 # Split and chunk documents text_splitter = CharacterTextSplitter(chunk_size=50, chunk_overlap=0, length_function=len) chunks = text_splitter.split_documents(documents) print(f"Number of chunks: {len(chunks)}") #5 for i, _ in enumerate(chunks): print(f"chunk # {i} :: {chunks[i]}") #chunk # 0 :: page_content='1' metadata={'label': 'foo', 'col3': 'hello'} #chunk # 1 :: page_content='2' metadata={'label': 'bar', 'col3': 'world'} #chunk # 2 :: page_content='3' metadata={'label': 'baz', 'col3': '!!!'} #chunk # 3 :: page_content='4' metadata={'label': '000', 'col3': 'why'} #chunk # 4 :: page_content='5' metadata={'label': '111', 'col3': 'who'} # Embedding db = FAISS.from_documents(documents, ollama_emb) retrieval_qa = RetrievalQA.from_chain_type(llm=ollama_llm , chain_type="stuff" , retriever=db.as_retriever() , return_source_documents=True) # Retrieve response. query = "what is the label for col3 who" result = retrieval_qa({"query": query}) print(result) #{'query': 'what is the label for col3 who', 'result': " I'm sorry, but I cannot determine the label for col3 based on the given information. Please provide more details or context about col3.n", 'source_documents': [Document(page_content='5', metadata={'label': '111', 'col3': 'who'}), Document(page_content='4', metadata={'label': '000', 'col3': 'why'}), Document(page_content='2', metadata={'label': 'bar', 'col3': 'world'}), Document(page_content='3', metadata={'label': 'baz', 'col3': '!!!'})]} print("Result:", result["result"]) #Result: I'm sorry, but I cannot determine the label for col3 based on the given information. Please provide more details or context about col3. </code>
import pyspark
from delta import *
from langchain_community.document_loaders import PySparkDataFrameLoader
from langchain_community.llms import Ollama
from langchain_community.vectorstores import FAISS
from langchain_community.embeddings import OllamaEmbeddings
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain.chains import RetrievalQA
from langchain.text_splitter import CharacterTextSplitter

ollama_llm = Ollama(model="phi")
ollama_emb = OllamaEmbeddings(model="mxbai-embed-large") 

# Read and Create df
builder = pyspark.sql.SparkSession.builder.appName("DeltaTutorial") 
    .config("spark.sql.extensions", "io.delta.sql.DeltaSparkSessionExtension") 
    .config("spark.sql.catalog.spark_catalog", "org.apache.spark.sql.delta.catalog.DeltaCatalog")
spark = configure_spark_with_delta_pip(builder).getOrCreate()

df = spark.createDataFrame(
    [
        (1, "foo", "hello"),
        (2, "bar", "world"),
        (3, "baz", "!!!"),
        (4, "000", "why"),
        (5, "111", "who"),
    ],
    ["id", "label", "col3"]
)

# load documents

loader = PySparkDataFrameLoader(spark, df, page_content_column="id")
documents = loader.load()
print(documents)
#[Document(page_content='1', metadata={'label': 'foo', 'col3': 'hello'}), Document(page_content='2', metadata={'label': 'bar', 'col3': 'world'}), Document(page_content='3', metadata={'label': 'baz', 'col3': '!!!'}), Document(page_content='4', metadata={'label': '000', 'col3': 'why'}), Document(page_content='5', metadata={'label': '111', 'col3': 'who'})]

print(f"Number of documents: {len(documents)}")
#5

# Split and chunk documents
text_splitter = CharacterTextSplitter(chunk_size=50, chunk_overlap=0, length_function=len)
chunks = text_splitter.split_documents(documents)
print(f"Number of chunks: {len(chunks)}")
#5

for i, _ in enumerate(chunks):
    print(f"chunk # {i} :: {chunks[i]}")

#chunk # 0 :: page_content='1' metadata={'label': 'foo', 'col3': 'hello'}
#chunk # 1 :: page_content='2' metadata={'label': 'bar', 'col3': 'world'}
#chunk # 2 :: page_content='3' metadata={'label': 'baz', 'col3': '!!!'}
#chunk # 3 :: page_content='4' metadata={'label': '000', 'col3': 'why'}
#chunk # 4 :: page_content='5' metadata={'label': '111', 'col3': 'who'}

# Embedding 

db = FAISS.from_documents(documents, ollama_emb)

retrieval_qa = RetrievalQA.from_chain_type(llm=ollama_llm
    , chain_type="stuff"
    , retriever=db.as_retriever()
    , return_source_documents=True)

# Retrieve response.
query = "what is the label for col3 who"
result = retrieval_qa({"query": query})

print(result)
#{'query': 'what is the label for col3 who', 'result': " I'm sorry, but I cannot determine the label for col3 based on the given information. Please provide more details or context about col3.n", 'source_documents': [Document(page_content='5', metadata={'label': '111', 'col3': 'who'}), Document(page_content='4', metadata={'label': '000', 'col3': 'why'}), Document(page_content='2', metadata={'label': 'bar', 'col3': 'world'}), Document(page_content='3', metadata={'label': 'baz', 'col3': '!!!'})]}

print("Result:", result["result"])
#Result:  I'm sorry, but I cannot determine the label for col3 based on the given information. Please provide more details or context about col3.

Although the df looks simple, yet the RetrievalQA is unable to produce the correct output.

My questions are:

  1. Am I missing something here? How do I get my RAG to produce the correct result
  2. CharacterTextSplitter does not seem to be splitting the document into chunks. How do I split the Document into chunks? I have tried playing around with chunk_size. No matter what, I always end up with 5 chunks.
  3. What could be the reason for not getting the correct Results for my simple question?

Below are my App Specs. I chose Phi due to laptop limitations. I’m on Mac 8GB. Unfortunately, the LLama2 model doxed my laptop

Tool Values
LLM Ollama (Phi)
Embedding mxbai-embed-large
VectorDB FAISS
Langchain 0.2.3
Python 3.9
Pyspark 3.5.1

Any insights on this or directions to guide me will be helpful.

Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa Dịch vụ tổ chức sự kiện 5 sao Thông tin về chúng tôi Dịch vụ sinh nhật bé trai Dịch vụ sinh nhật bé gái Sự kiện trọn gói Các tiết mục giải trí Dịch vụ bổ trợ Tiệc cưới sang trọng Dịch vụ khai trương Tư vấn tổ chức sự kiện Hình ảnh sự kiện Cập nhật tin tức Liên hệ ngay Thuê chú hề chuyên nghiệp Tiệc tất niên cho công ty Trang trí tiệc cuối năm Tiệc tất niên độc đáo Sinh nhật bé Hải Đăng Sinh nhật đáng yêu bé Khánh Vân Sinh nhật sang trọng Bích Ngân Tiệc sinh nhật bé Thanh Trang Dịch vụ ông già Noel Xiếc thú vui nhộn Biểu diễn xiếc quay đĩa Dịch vụ tổ chức tiệc uy tín Khám phá dịch vụ của chúng tôi Tiệc sinh nhật cho bé trai Trang trí tiệc cho bé gái Gói sự kiện chuyên nghiệp Chương trình giải trí hấp dẫn Dịch vụ hỗ trợ sự kiện Trang trí tiệc cưới đẹp Khởi đầu thành công với khai trương Chuyên gia tư vấn sự kiện Xem ảnh các sự kiện đẹp Tin mới về sự kiện Kết nối với đội ngũ chuyên gia Chú hề vui nhộn cho tiệc sinh nhật Ý tưởng tiệc cuối năm Tất niên độc đáo Trang trí tiệc hiện đại Tổ chức sinh nhật cho Hải Đăng Sinh nhật độc quyền Khánh Vân Phong cách tiệc Bích Ngân Trang trí tiệc bé Thanh Trang Thuê dịch vụ ông già Noel chuyên nghiệp Xem xiếc khỉ đặc sắc Xiếc quay đĩa thú vị
Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa
Thiết kế website Thiết kế website Thiết kế website Cách kháng tài khoản quảng cáo Mua bán Fanpage Facebook Dịch vụ SEO Tổ chức sinh nhật