Questa pagina spiega il concetto di località dei dati e le diverse località in cui puoi creare set di dati BigQuery e modelli BigQuery ML.
Per informazioni sui prezzi regionali per BigQuery ML, consulta la pagina Prezzi.
Concetti fondamentali
Località o tipi di regione
Esistono due tipi di sedi:
Un'area geografica è un luogo geografico specifico, come Londra.
Una più aree geografiche è un'area geografica di grandi dimensioni, come gli Stati Uniti, che contiene due o più luoghi geografici.
Località set di dati
Specifica una località per l'archiviazione dei tuoi dati BigQuery quando crei un set di dati in cui archiviare i tuoi modelli BigQuery ML e i tuoi dati di addestramento. Dopo aver creato il set di dati, la località non può essere modificata, ma puoi copiare il set di dati in un'altra località o spostare (ricreare) manualmente il set di dati in un'altra località.
BigQuery ML elabora e ospita i dati nella stessa località del set di dati di destinazione.
BigQuery ML archivia i dati nella località selezionata in conformità ai Termini specifici dei servizi.
Aree geografiche supportate
Come BigQuery, BigQuery ML è una risorsa regionale e multiregionale.
La previsione dei modelli BigQuery e altre funzioni ML sono supportate nelle stesse aree geografiche di BigQuery.
Non tutti i tipi di addestramento del modello sono supportati in tutte le aree geografiche.
Addestramento dei modelli
L'addestramento per i modelli integrati (regressione lineare, regressione logistica, nodi, fattorizzazione della matrice e serie temporali) è supportato in tutte le stesse aree geografiche della previsione dei modelli e di altre funzioni di machine learning.
I modelli importati sono supportati nelle stesse aree geografiche delle previsioni dei modelli e in altre funzioni di ML.
L'addestramento per DNN e gli alberi potenziati mediante modelli XGBoost è disponibile nelle regioni multiple
US
eEU
e nella maggior parte delle singole regioni. Consulta la tabella Località a livello di area geografica per ulteriori informazioni.L'addestramento per le tabelle AutoML è supportato nelle regioni a più aree geografiche
US
eEU
, nonché inus-central1
.
Previsione del modello e altre funzioni di ML
BigQuery ML supporta le seguenti località.
Località regionali
Descrizione regione | Nome regione | Modelli importati |
Addestramento modello integrato |
DNN/Autoencoder/ albero potenziato/ modello Wide and Deep addestramento |
Addestramento modello |
Ottimizzazione dell'iperparametro |
Integrazione con Vertex AI | |
---|---|---|---|---|---|---|---|---|
Americhe | ||||||||
Columbus, Ohio | us-east5 |
● | ● | |||||
Iowa | us-central1 |
● | ● | ● | ● | ● | ● | |
Las Vegas | us-west4 |
● | ● | |||||
Los Angeles | us-west2 |
● | ● | ● | ||||
Montréal | northamerica-northeast1 |
● | ● | ● | ● | ● | ||
Virginia del Nord | us-east4 |
● | ● | ● | ● | ● | ||
Oregon | us-west1 |
● | ● | ● | ● | ● | ||
Salt Lake City | us-west3 |
● | ● | ● | ||||
San Paolo | southamerica-east1 |
● | ● | ● | ||||
Santiago | southamerica-west1 |
● | ● | |||||
Carolina del Sud | us-east1 |
● | ● | ● | ● | ● | ||
Toronto | northamerica-northeast2 |
● | ● | |||||
Europa | ||||||||
Belgio | europe-west1 |
● | ● | ● | ● | ● | ||
Finlandia | europe-north1 |
● | ● | ● | ||||
Francoforte | europe-west3 |
● | ● | ● | ● | ● | ||
Londra | europe-west2 |
● | ● | ● | ● | ● | ||
Madrid | europe-southwest1 |
● | ● | |||||
Milano | europe-west8 |
● | ● | |||||
Paesi Bassi | europe-west4 |
● | ● | ● | ● | ● | ||
Parigi | europe-west9 |
● | ● | |||||
Varsavia | europe-central2 |
● | ● | |||||
Zurigo | europe-west6 |
● | ● | ● | ● | ● | ||
Asia Pacifico | ||||||||
Delhi | asia-south2 |
● | ● | |||||
Hong Kong | asia-east2 |
● | ● | ● | ● | ● | ||
Giacarta | asia-southeast2 |
● | ● | |||||
Melbourne | australia-southeast2 |
● | ● | |||||
Mumbai | asia-south1 |
● | ● | ● | ||||
Osaka | asia-northeast2 |
● | ● | ● | ||||
Seul | asia-northeast3 |
● | ● | ● | ● | ● | ||
Singapore | asia-southeast1 |
● | ● | ● | ● | ● | ||
Sydney | australia-southeast1 |
● | ● | ● | ● | ● | ||
Taiwan | asia-east1 |
● | ● | ● | ● | ● | ||
Tokyo | asia-northeast1 |
● | ● | ● | ● | ● |
Località con più regioni
Descrizione regione | Nome regione | Modelli importati |
Addestramento modello integrato |
DNN/Codificatore automatico/ Albero potenziato/ Addestramento modelli Wide and Deep |
Addestramento modello |
Ottimizzazione dell'iperparametro |
Integrazione con Vertex AI |
---|---|---|---|---|---|---|---|
Data center all'interno degli stati membri dell'Unione Europea1 | EU |
● | ● | ● | ● | ● | ● |
Data center negli Stati Uniti | US |
● | ● | ● | ● | ● | ● |
1 I dati che si trovano nell'area geografica EU
non vengono archiviati nei data center europe-west2
(Londra) o europe-west6
(Zürich).
L'integrazione di Vertex AI Model Registry è supportata solo per le integrazioni a regione singola. Se invii un modello BigQuery ML a più aree geografiche al Model Registry, viene convertito in un modello a livello di area geografica in Vertex AI.
Un modello BigQuery in più regioni US negli Stati Uniti è sincronizzato con Vertex AI us-central1
, mentre un modello EU in più aree geografiche BigQuery è sincronizzato con Vertex AI europe-west4
. Non sono previste modifiche per i modelli a regione singola.
Passaggi successivi
- Leggi una panoramica di BigQuery ML
- Per iniziare a utilizzare BigQuery ML, consulta la Guida introduttiva a BigQuery ML tramite la console Google Cloud.
- Visualizza tutti i servizi Google Cloud disponibili nelle località in tutto il mondo.
- Esplora altri concetti basati sulla località, come le zone, che si applicano ad altri servizi Google Cloud.