Standorte

Mit Sammlungen den Überblick behalten Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.

Auf dieser Seite wird das Konzept von Datenstandorten erläutert. Außerdem sind hier die verschiedenen Standorte zum Erstellen von BigQuery-Datasets und BigQuery ML-Modellen aufgeführt.

Informationen zu den regionalen Preisen für BigQuery ML finden Sie auf der Seite "Preise".

Wichtige Konzepte

Standorte oder Regionstypen

Es gibt zwei Arten von Standorten:

  • Eine Region ist ein bestimmter geografischer Ort wie London.

  • Eine Multiregion ist ein großes geografisches Gebiet (beispielsweise die USA), das mindestens zwei geografische Orte enthält.

Dataset-Standort

Sie geben einen Speicherort für Ihre BigQuery-Daten an, wenn Sie ein Dataset zum Speichern Ihrer BigQuery ML-Modelle und -Trainingsdaten erstellen. Nachdem Sie das Dataset erstellt haben, kann der Standort nicht mehr geändert werden. Sie können aber das Dataset an einen anderen Standort kopieren oder es manuell verschieben, d. h. an einem anderen Standort neu erstellen.

BigQuery ML verarbeitet Daten an demselben Ort wie das Ziel-Dataset und stellt sie dort auch bereit.

BigQuery ML speichert Ihre Daten am ausgewählten Standort in Übereinstimmung mit den dienstspezifischen Nutzungsbedingungen.

Unterstützte Regionen

Ebenso wie BigQuery ist auch BigQuery ML eine regionale wie eine multiregionale Ressource.

BigQuery ML-Modellvorhersagen und andere ML-Funktionen werden in denselben Regionen wie BigQuery unterstützt.

Nicht alle Arten von Modelltraining werden in allen Regionen unterstützt.

Modelle trainieren

  • Das Training für integrierte Modelle (lineare Regression, logistische Regression, kmeans, Matrixfaktorisierung und Zeitreihe) wird in denselben Regionen unterstützt wie die Modellvorhersage und andere ML-Funktionen.

  • Importierte Modelle werden in denselben Regionen unterstützt wie die Modellvorhersage und andere ML-Funktionen.

  • Das Training für DNN und Boosted Trees mit XGBoost-Modellen ist in den Multiregionen US und EU sowie in folgenden Regionen verfügbar: Weitere Informationen finden Sie in der Tabelle Regionale Standorte.

  • Das Training für AutoML Tables wird in den Multiregionen US und EU sowie in us-central1 unterstützt.

  • Modellvorhersage und andere ML-Funktionen

    BigQuery ML unterstützt die folgenden Standorte.

    Regionale Standorte

    Beschreibung der Region Name der Region Importierte
    Modelle
    Integriertes
    Modell-
    training
    DNN/Autoencoder/
    Boosted Tree/
    Wide-and-Deep Modell-
    training
    AutoML-
    Modell-
    training
    Hyperparameter-
    Feinabstimmung
    Amerika
    Iowa us-central1
    Las Vegas us-west4
    Los Angeles us-west2
    Montreal northamerica-northeast1
    Nord-Virginia us-east4
    Oregon us-west1
    Salt Lake City us-west3
    São Paulo southamerica-east1
    Santiago southamerica-west1
    South Carolina us-east1
    Toronto northamerica-northeast2
    Europa
    Belgien europe-west1
    Finnland europe-north1
    Frankfurt europe-west3
    London europe-west2
    Madrid europe-southwest1
    Mailand europe-west8
    Niederlande europe-west4
    Paris europe-west9
    Warschau europe-central2
    Zürich europe-west6
    Asia Pacific
    Delhi asia-south2
    Hongkong asia-east2
    Jakarta asia-southeast2
    Melbourne australia-southeast2
    Mumbai asia-south1
    Osaka asia-northeast2
    Seoul asia-northeast3
    Singapur asia-southeast1
    Sydney australia-southeast1
    Taiwan asia-east1
    Tokio asia-northeast1

    Multiregionale Standorte

    Beschreibung der Region Name der Region Importierte
    Modelle
    Integriertes
    Modell-
    training
    DNN/Autoencoder/
    Boosted Tree/
    Wide-and-Deep Modelltraining
    AutoML-
    Modell-
    training
    Hyperparameter-
    Feinabstimmung
    Rechenzentren in Mitgliedsstaaten der Europäischen Union1 EU
    Rechenzentren in den USA US

    1 Daten in der Multiregion EU werden nicht in den Rechenzentren europe-west2 (London) oder europe-west6 (Zürich) gespeichert.

    Nächste Schritte