Gérer les erreurs de quota en appelant ML.GENERATE_EMBEDDING de manière itérative

Ce tutoriel explique comment utiliser la procédure stockée publique BigQuery bqutil.procedure.bqml_generate_embeddings pour effectuer une itération par le biais d'appels à la fonction ML.GENERATE_EMBEDDING. L'appel de la fonction de manière itérative vous permet de résoudre les erreurs renouvelables qui se produisent en raison du dépassement des quotas et des limites qui s'appliquent à la fonction.

Pour examiner le code source de la procédure stockée bqutil.procedure.bqml_generate_embeddings dans GitHub, consultez bqml_generate_embeddings.sqlx. Pour en savoir plus sur les paramètres et l'utilisation de la procédure stockée, consultez le fichier README.

Ce tutoriel vous guide à travers les tâches suivantes :

• Créer un modèle distant sur un modèle text-embedding-005
• Effectuer des itérations par le biais d'appels à la fonction ML.GENERATE_EMBEDDING, à l'aide du modèle distant et de la table de données publiques bigquery-public-data.bbc_news.fulltext avec la procédure stockée bqutil.procedure.bqml_generate_embeddings.

Autorisations requises

Pour exécuter ce tutoriel, vous devez disposer des rôles IAM (Identity and Access Management) suivants :

• Créer et utiliser des ensembles de données, des connexions et des modèles BigQuery : administrateur BigQuery (roles/bigquery.admin).
• Accordez des autorisations au compte de service de la connexion : Administrateur IAM du projet (roles/resourcemanager.projectIamAdmin).

Ces rôles prédéfinis contiennent les autorisations requises pour effectuer les tâches décrites dans ce document. Pour afficher les autorisations exactes requises, développez la section Autorisations requises :

Autorisations requises

• Créez un ensemble de données : bigquery.datasets.create
• Créer, déléguer et utiliser une connexion : bigquery.connections.*
• Définissez la connexion par défaut : bigquery.config.*
• Définissez les autorisations du compte de service : resourcemanager.projects.getIamPolicy et resourcemanager.projects.setIamPolicy.
• Créez un modèle et exécutez l'inférence :
  • bigquery.jobs.create
  • bigquery.models.create
  • bigquery.models.getData
  • bigquery.models.updateData
  • bigquery.models.updateMetadata

Vous pouvez également obtenir ces autorisations avec des rôles personnalisés ou d'autres rôles prédéfinis.

Coûts

Dans ce document, vous utilisez les composants facturables suivants de Google Cloud :

• BigQuery ML: You incur costs for the data that you process in BigQuery.
• Vertex AI: You incur costs for calls to the Vertex AI model.

Pour obtenir une estimation des coûts en fonction de votre utilisation prévue, utilisez le simulateur de coût.

Les nouveaux utilisateurs de Google Cloud peuvent bénéficier d'un essai gratuit.

Pour en savoir plus sur les tarifs de BigQuery, consultez la page Tarifs de BigQuery.

Pour en savoir plus sur les tarifs de Vertex AI, consultez la page Tarifs de Vertex AI.

Avant de commencer

1. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

2. Verify that billing is enabled for your Google Cloud project.

3. Enable the BigQuery, BigQuery Connection, and Vertex AI APIs.

   Enable the APIs

Créer un ensemble de données

Créez un ensemble de données BigQuery pour stocker vos modèles et vos exemples de données :

1. Dans la console Google Cloud , accédez à la page BigQuery.

   Accédez à la page BigQuery.

2. Dans le volet Explorateur, cliquez sur le nom de votre projet.

3. Cliquez sur Afficher les actions > Créer un ensemble de données.

4. Sur la page Créer un ensemble de données, procédez comme suit :

   1. Dans le champ ID de l'ensemble de données, saisissez target_dataset.

   2. Pour Type d'emplacement, sélectionnez Multirégional, puis sélectionnez US (plusieurs régions aux États-Unis).

   3. Conservez les autres paramètres par défaut, puis cliquez sur Créer un ensemble de données.

Créer le modèle génératif d'embeddings textuels

Créez un modèle distant représentant un modèle text-embedding-005 Vertex AI hébergé :

1. Dans la console Google Cloud , accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans l'éditeur de requête, exécutez l'instruction suivante :

   CREATE OR REPLACE MODEL `target_dataset.embedding_model`
     REMOTE WITH CONNECTION DEFAULT
     OPTIONS (ENDPOINT = 'text-embedding-005');

   L'exécution de la requête prend plusieurs secondes, après quoi le modèle embedding apparaît dans l'ensemble de données sample dans le volet Explorateur. Étant donné que la requête utilise une instruction CREATE MODEL pour créer un modèle, il n'y a aucun résultat de requête.

Exécuter la procédure stockée

Exécutez la procédure stockée bqutil.procedure.bqml_generate_embeddings, qui effectue une itération par le biais d'appels à la fonction ML.GENERATE_EMBEDDING à l'aide du modèle target_dataset.embedding_model et de la table de données publiques bigquery-public-data.bbc_news.fulltext :

1. Dans la console Google Cloud , accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans l'éditeur de requête, exécutez l'instruction suivante :

   CALL `bqutil.procedure.bqml_generate_embeddings`(
       "bigquery-public-data.bbc_news.fulltext",            -- source table
       "PROJECT_ID.target_dataset.news_body_embeddings",  -- destination table
       "PROJECT_ID.target_dataset.embedding_model",       -- model
       "body",                                              -- content column
       ["filename"],                                        -- key columns
       '{}'                                                 -- optional arguments encoded as a JSON string
   );

   Remplacez PROJECT_ID par l'ID du projet que vous utilisez pour ce tutoriel.

   La procédure stockée crée une table target_dataset.news_body_embeddings pour contenir le résultat de la fonction ML.GENERATE_EMBEDDING.

3. Une fois la requête exécutée, vérifiez qu'aucune ligne de la table target_dataset.news_body_embeddings ne contient d'erreur pouvant être corrigée. Dans l'éditeur de requête, exécutez l'instruction suivante :

   SELECT *
   FROM `target_dataset.news_body_embeddings`
   WHERE ml_generate_embedding_status LIKE '%A retryable error occurred%';

   La requête renvoie le message No data to display.

Effectuer un nettoyage

Attention : La suppression d'un projet aura les effets suivants :

• Tout le contenu du projet est supprimé. Si vous avez utilisé un projet existant pour les tâches décrites dans ce document et que vous le supprimez, vous supprimerez également tout autre travail effectué dans le projet.
• Les ID de projets personnalisés sont perdus. Lorsque vous avez créé ce projet, vous avez peut-être créé un ID de projet personnalisé que vous souhaitez utiliser à l'avenir. Pour conserver les URL qui utilisent l'ID de projet, telle qu'une URL appspot.com, supprimez les ressources sélectionnées dans le projet au lieu de supprimer l'ensemble du projet.

Si vous envisagez d'explorer plusieurs architectures, tutoriels et guides de démarrage rapide, réutiliser des projets peut vous aider à ne pas dépasser les limites de quotas des projets.

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.