Nesta página, explicamos o conceito de local de dados e os diferentes locais em que é possível criar conjuntos de dados do BigQuery e modelos do BigQuery ML.
Para informações sobre preços regionais do BigQuery ML, consulte a página Preços.
Principais conceitos
Tipos de locais ou região
Há dois tipos de locais:
Uma região é um lugar geográfico específico, como Londres.
Um local multirregional é uma área geográfica grande, como Estados Unidos, que contém dois ou mais lugares geográficos.
Local do conjunto de dados
Você especifica um local para armazenar seus dados do BigQuery ao criar um conjunto de dados para armazenar seus dados de treinamento e modelos do BigQuery ML. Depois da criação, não é possível alterar o local, mas tem como copiar o conjunto de dados para outro local ou mover (recriar) o conjunto de dados para outro local manualmente.
O BigQuery ML processa e organiza os dados no mesmo local do conjunto de dados de destino.
O BigQuery ML armazena seus dados no local selecionado de acordo com os Termos específicos do serviço.
Regiões compatíveis
Como o BigQuery, o BigQuery ML é um recurso regional e multirregional.
A previsão do modelo do BigQuery ML e outras funções de ML são compatíveis com as mesmas regiões do BigQuery.
Nem todos os tipos de treinamento de modelo são compatíveis com todas as regiões.
Como treinar modelos
O treinamento para modelos integrados (regressão linear, regressão logística, k-means, fatoração de matriz e série temporal) é compatível com as mesmas regiões que a previsão de modelo e outras funções de ML.
Os modelos importados são compatíveis com as mesmas regiões que a previsão de modelo e outras funções de ML.
O treinamento para DNN e árvores otimizadas que usa modelos XGBoost está disponível nas multirregiões
US
eEU
e na maioria das regiões: Consulte a tabela Locais regionais para mais informações.O treinamento para tabelas do AutoML é compatível com as multirregiões
US
eEU
, além deus-central1
.
Previsão de modelo e outras funções de ML
O BigQuery ML é compatível com os seguintes locais.
Locais regionais
Descrição da região | Nome da região | Modelos importados |
Treinamento do modelo integrado |
Treinamento DNN/Autoencoder/ Boosted Tree/ Wide-and-Deep models |
Treinamento do modelo do AutoML |
Ajuste de hiperparâmetros |
|
---|---|---|---|---|---|---|---|
América | |||||||
Iowa | us-central1 |
● | ● | ● | ● | ● | |
Las Vegas | us-west4 |
● | ● | ||||
Los Angeles | us-west2 |
● | ● | ● | |||
Montreal | northamerica-northeast1 |
● | ● | ● | ● | ||
Norte da Virgínia | us-east4 |
● | ● | ● | ● | ||
Oregon | us-west1 |
● | ● | ● | ● | ||
Salt Lake City | us-west3 |
● | ● | ● | |||
São Paulo | southamerica-east1 |
● | ● | ● | |||
Santiago | southamerica-west1 |
● | ● | ||||
Carolina do Sul | us-east1 |
● | ● | ● | ● | ||
Toronto | northamerica-northeast2 |
● | ● | ||||
Europa | |||||||
Bélgica | europe-west1 |
● | ● | ● | ● | ||
Finlândia | europe-north1 |
● | ● | ● | |||
Frankfurt | europe-west3 |
● | ● | ● | ● | ||
Londres | europe-west2 |
● | ● | ● | ● | ||
Países Baixos | europe-west4 |
● | ● | ● | ● | ||
Varsóvia | europe-central2 |
● | ● | ||||
Zurique | europe-west6 |
● | ● | ● | ● | ||
Ásia-Pacífico | |||||||
Délhi | asia-south2 |
● | ● | ||||
Hong Kong | asia-east2 |
● | ● | ● | ● | ||
Jacarta | asia-southeast2 |
● | ● | ||||
Melbourne | australia-southeast2 |
● | ● | ||||
Mumbai | asia-south1 |
● | ● | ● | |||
Osaka | asia-northeast2 |
● | ● | ● | |||
Seul | asia-northeast3 |
● | ● | ● | ● | ||
Singapura | asia-southeast1 |
● | ● | ● | ● | ||
Sydney | australia-southeast1 |
● | ● | ● | ● | ||
Taiwan | asia-east1 |
● | ● | ● | ● | ||
Tóquio | asia-northeast1 |
● | ● | ● | ● |
Locais multirregionais
Descrição da região | Nome da região | Modelos importados |
Treinamento do modelo integrado |
Treinamento de modelos DNN/Autoencoder/ Boosted Tree/ Wide-and-Deep |
Treinamento do modelo do AutoML |
Ajuste de hiperparâmetros |
---|---|---|---|---|---|---|
Data centers dentro de estados membro da União Europeia1 | EU |
● | ● | ● | ● | ● |
Data centers nos Estados Unidos | US |
● | ● | ● | ● | ● |
1 Os dados localizados na multirregião EU
não são armazenados nos data centers europe-west2
(Londres) ou europe-west6
(Zurique).
A seguir
- Leia uma visão geral do BigQuery ML
- Para começar a usar o BigQuery ML, consulte Primeiros passos com o BigQuery ML usando o Console do Cloud.
- Veja todos os serviços do Google Cloud disponíveis em locais do mundo todo.
- Conheça outros conceitos relacionados a locais, como zonas, que são relevantes para outros serviços do Google Cloud.