En esta página, se explica el concepto de ubicación de datos y las diferentes ubicaciones en las que puedes crear conjuntos de datos de BigQuery y modelos de BigQuery ML.
Para obtener información sobre los precios regionales de BigQuery ML, consulta la página Precios.
Conceptos clave
Tipos de regiones o ubicaciones
Hay dos tipos de ubicaciones:
Una región es un lugar geográfico específico, como Londres.
Una multirregión es un área geográfica grande, como Estados Unidos, que contiene dos o más lugares geográficos.
Ubicación del conjunto de datos
Especifica una ubicación para almacenar los datos de BigQuery cuando crees un conjunto de datos a fin de almacenar los datos de entrenamiento y los modelos de BigQuery ML. Una vez que se crea el conjunto de datos, la ubicación no se puede cambiar, pero puedes copiar el conjunto en una ubicación diferente o mover (volver a crear) el conjunto de datos a una ubicación diferente de forma manual.
BigQuery ML procesa y almacena en etapa intermedia los datos en la misma ubicación que el conjunto de datos de destino.
BigQuery ML almacena los datos en la ubicación seleccionada de acuerdo con las Condiciones específicas del servicio.
Regiones admitidas
Al igual que BigQuery, BigQuery ML es un recurso regional y multirregional.
La predicción de modelos de BigQuery ML y otras funciones del AA son compatibles con las mismas regiones que BigQuery.
No todos los tipos de entrenamiento de modelos son compatibles con todas las regiones.
Entrena modelos
El entrenamiento para modelos integrados (regresión lineal, regresión logística, kmeans, factorización de matrices y series temporales) es compatible con las mismas regiones que la predicción de modelos y otras funciones del AA.
Los modelos importados son compatibles con las mismas regiones que la predicción de modelos y otras funciones del AA.
El entrenamiento para DNN y árboles mejorados mediante modelos XGBoost está disponible en las multirregiones
US
yEU
, y en la mayoría de las regiones únicas: Consulta la tabla de ubicaciones regionales para obtener más información.El entrenamiento para tablas de AutoML es compatible con las multirregiones
US
yEU
, así comous-central1
.
Predicción de modelos y otras funciones del AA
BigQuery ML admite las siguientes ubicaciones.
Ubicaciones regionales
Descripción de la región | Nombre de la región | Modelos importados |
Entrenamiento de modelos integrados |
Entrenamiento de modelos de DNN/de codificación automática/ de árbol mejorado/ profundos y amplios |
Entrenamiento de modelos de AutoML |
Ajuste de hiperparámetros |
Integración en Vertex AI | |
---|---|---|---|---|---|---|---|---|
América | ||||||||
Columbus, Ohio | us-east5 |
● | ● | |||||
Iowa | us-central1 |
● | ● | ● | ● | ● | ● | |
Las Vegas | us-west4 |
● | ● | |||||
Los Ángeles | us-west2 |
● | ● | ● | ||||
Montreal | northamerica-northeast1 |
● | ● | ● | ● | ● | ||
Virginia del Norte | us-east4 |
● | ● | ● | ● | ● | ||
Oregón | us-west1 |
● | ● | ● | ● | ● | ||
Salt Lake City | us-west3 |
● | ● | ● | ||||
São Paulo | southamerica-east1 |
● | ● | ● | ||||
Santiago | southamerica-west1 |
● | ● | |||||
Carolina del Sur | us-east1 |
● | ● | ● | ● | ● | ||
Toronto | northamerica-northeast2 |
● | ● | |||||
Europa | ||||||||
Bélgica | europe-west1 |
● | ● | ● | ● | ● | ||
Finlandia | europe-north1 |
● | ● | ● | ||||
Fráncfort | europe-west3 |
● | ● | ● | ● | ● | ||
Londres | europe-west2 |
● | ● | ● | ● | ● | ||
Madrid | europe-southwest1 |
● | ● | |||||
Milán | europe-west8 |
● | ● | |||||
Países Bajos | europe-west4 |
● | ● | ● | ● | ● | ||
París | europe-west9 |
● | ● | |||||
Varsovia | europe-central2 |
● | ● | |||||
Zúrich | europe-west6 |
● | ● | ● | ● | ● | ||
Asia-Pacífico | ||||||||
Delhi | asia-south2 |
● | ● | |||||
Hong Kong | asia-east2 |
● | ● | ● | ● | ● | ||
Yakarta | asia-southeast2 |
● | ● | |||||
Melbourne | australia-southeast2 |
● | ● | |||||
Bombay | asia-south1 |
● | ● | ● | ||||
Osaka | asia-northeast2 |
● | ● | ● | ||||
Seúl | asia-northeast3 |
● | ● | ● | ● | ● | ||
Singapur | asia-southeast1 |
● | ● | ● | ● | ● | ||
Sídney | australia-southeast1 |
● | ● | ● | ● | ● | ||
Taiwán | asia-east1 |
● | ● | ● | ● | ● | ||
Tokio | asia-northeast1 |
● | ● | ● | ● | ● |
Ubicaciones multirregionales
Descripción de la región | Nombre de la región | Modelos importados |
Entrenamiento de modelos integrados |
Entrenamiento de modelos de DNN/de codificación automática/ de árbol mejorado/ profundos y amplios |
Entrenamiento de modelos de AutoML |
Ajuste de hiperparámetros |
Integración en Vertex AI |
---|---|---|---|---|---|---|---|
Centros de datos dentro de los estados miembros de la Unión Europea1 | EU |
● | ● | ● | ● | ● | ● |
Centros de datos en Estados Unidos | US |
● | ● | ● | ● | ● | ● |
1 Los datos ubicados en la multirregión EU
no se almacenan en los centros de datos de europe-west2
(Londres) ni deeurope-west6
(Zúrich).
La integración con el Registro de modelos de Vertex AI solo es compatible con integraciones de una sola región. Si envías un modelo de BigQuery ML multirregional al Registro de modelos, se convierte en un modelo regional en Vertex AI.
Un modelo multirregional de BigQuery ML de EE.UU. se sincroniza con Vertex AI us-central1
, mientras que un modelo multirregional de la UE de BigQuery ML se sincroniza con europe-west4
de Vertex AI. Para los modelos de una sola región, no hay cambios.
¿Qué sigue?
- Lee una descripción general de BigQuery ML.
- Para comenzar a usar BigQuery ML, consulta Comienza a usar BigQuery ML con la consola de Google Cloud.
- Descubre todos los servicios de Google Cloud disponibles en ubicaciones de todo el mundo.
- Explora conceptos adicionales relacionados con la ubicación, como las zonas, que se aplican a otros servicios de Google Cloud.