Cette page explique le concept d'emplacement des données et indique les différents emplacements dans lesquels vous pouvez créer des ensembles de données BigQuery et des modèles BigQuery ML.
Pour en savoir plus sur les tarifs régionaux de BigQuery ML, consultez la page Tarifs.
Concepts clés
Types d'emplacements ou de régions
Il existe deux types de zones :
Une région est un emplacement géographique spécifique, par exemple Londres.
Un emplacement multirégional correspond à un secteur géographique de grande étendue, par exemple les États-Unis, et comporte au moins deux lieux géographiques.
Emplacement d'un ensemble de données
Lorsque vous créez un ensemble de données où stocker vos modèles BigQuery ML et vos données d'entraînement, vous spécifiez un emplacement pour le stockage de vos données BigQuery. Une fois que vous avez créé l'ensemble de données, l'emplacement ne peut plus être modifié, mais vous pouvez le copier dans un autre emplacement ou le déplacer (recréer) manuellement dans un autre emplacement.
BigQuery ML traite et classe les données dans le même emplacement que l'ensemble de données cible.
BigQuery ML stocke vos données dans l'emplacement sélectionné conformément aux Conditions spécifiques du service.
Régions où le service est disponible
Tout comme BigQuery, BigQuery ML est une ressource régionale et multirégionale.
La prédiction de modèle BigQuery ML et d'autres fonctions de ML sont acceptées dans les mêmes régions que BigQuery.
Certains types d'entraînement de modèle ne sont pas disponibles dans toutes les régions.
Entraîner des modèles
L'entraînement des modèles intégrés (régression linéaire, régression logistique, k-moyennes, factorisation matricielle et séries temporelles) est accepté dans les mêmes régions que la prédiction de modèle et que les autres fonctions de ML.
Les modèles importés sont acceptés dans les mêmes régions que la prédiction de modèle et que les autres fonctions de ML.
L'entraînement pour les modèles de DNN et d'arbres de décision à boosting utilisant des XGBoost est disponible dans les zones multirégionales
US
etEU
, ainsi que dans la plupart des régions uniques. Consultez le tableau des emplacements régionaux pour en savoir plus.L'entraînement des tables AutoML est possible dans les emplacements multirégionaux
US
etEU
, ainsi que dansus-central1
.
Prédiction de modèle et autres fonctions de ML
BigQuery ML est compatible avec les emplacements ci-dessous.
Emplacements régionaux
Description de la région | Nom de la région | Modèles importés |
Entraînement du modèle intégré |
Entraînement de modèles DNN/ d'auto-encodeur/ d'arbre de décision à boosting/ de wide et deep learning |
Entraînement du modèle AutoML |
Réglages d'hyperparamètres |
Intégration à Vertex AI | |
---|---|---|---|---|---|---|---|---|
Amériques | ||||||||
Columbus, Ohio | us-east5 |
● | ● | |||||
Iowa | us-central1 |
● | ● | ● | ● | ● | ● | |
Las Vegas | us-west4 |
● | ● | |||||
Los Angeles | us-west2 |
● | ● | ● | ||||
Montréal | northamerica-northeast1 |
● | ● | ● | ● | ● | ||
Virginie du Nord | us-east4 |
● | ● | ● | ● | ● | ||
Oregon | us-west1 |
● | ● | ● | ● | ● | ||
Salt Lake City | us-west3 |
● | ● | ● | ||||
São Paulo | southamerica-east1 |
● | ● | ● | ||||
Santiago | southamerica-west1 |
● | ● | |||||
Caroline du Sud | us-east1 |
● | ● | ● | ● | ● | ||
Toronto | northamerica-northeast2 |
● | ● | |||||
Europe | ||||||||
Belgique | europe-west1 |
● | ● | ● | ● | ● | ||
Finlande | europe-north1 |
● | ● | ● | ||||
Francfort | europe-west3 |
● | ● | ● | ● | ● | ||
Londres | europe-west2 |
● | ● | ● | ● | ● | ||
Madrid | europe-southwest1 |
● | ● | |||||
Milan | europe-west8 |
● | ● | |||||
Pays-Bas | europe-west4 |
● | ● | ● | ● | ● | ||
Paris | europe-west9 |
● | ● | |||||
Varsovie | europe-central2 |
● | ● | |||||
Zurich | europe-west6 |
● | ● | ● | ● | ● | ||
Asie-Pacifique | ||||||||
Delhi | asia-south2 |
● | ● | |||||
Hong Kong | asia-east2 |
● | ● | ● | ● | ● | ||
Jakarta | asia-southeast2 |
● | ● | |||||
Melbourne | australia-southeast2 |
● | ● | |||||
Mumbai | asia-south1 |
● | ● | ● | ||||
Osaka | asia-northeast2 |
● | ● | ● | ||||
Séoul | asia-northeast3 |
● | ● | ● | ● | ● | ||
Singapour | asia-southeast1 |
● | ● | ● | ● | ● | ||
Sydney | australia-southeast1 |
● | ● | ● | ● | ● | ||
Taïwan | asia-east1 |
● | ● | ● | ● | ● | ||
Tokyo | asia-northeast1 |
● | ● | ● | ● | ● |
Zones multirégionales
Description de la région | Nom de la région | Modèles importés |
Entraînement du modèle intégré |
Entraînement de modèles DNN/d'auto-encodeur/ d'arbre de décision à boosting/ de wide et deep learning |
Entraînement du modèle AutoML |
Réglages d'hyperparamètres |
Intégration à Vertex AI |
---|---|---|---|---|---|---|---|
Centres de données dans les États membres de l'Union européenne1 | EU |
● | ● | ● | ● | ● | ● |
Centres de données aux États-Unis | US |
● | ● | ● | ● | ● | ● |
1 Les données situées dans la zone multirégionale EU
ne sont pas stockées dans les centres de données des régions europe-west2
(Londres) ou europe-west6
(Zurich).
L'intégration de Vertex AI Model Registry n'est possible que pour les intégrations dans une seule région. Si vous envoyez un modèle BigQuery ML multirégional au modèle Model Registry, il est converti en modèle régional dans Vertex AI.
Un modèle États-Unis multirégional BigQuery ML est synchronisé avec Vertex AI us-central1
et un modèle UE multirégional BigQuery ML avec Vertex AI europe-west4
. Pour les modèles dans une seule région, il n'y a aucune modification.
Étapes suivantes
- Consultez la page Présentation de BigQuery ML.
- Pour commencer à utiliser BigQuery ML, consultez la page Premiers pas avec BigQuery ML à l'aide de la console Google Cloud.
- Affichez tous les services Google Cloud disponibles dans le monde entier.
- Découvrez les autres concepts basés sur l'emplacement, tels que les zones, qui s'appliquent à d'autres services Google Cloud.