BigQuery ML-Modelle mit Vertex AI verwalten

Sie können BigQuery ML-Modelle bei der Vertex AI Model Registry registrieren, um sie zusammen mit Ihren Vertex AI-Modellen zu verwalten, ohne sie exportieren zu müssen. Wenn Sie Modelle in Model Registry registrieren, können Sie die Modelle über eine einzige Schnittstelle versionieren, bewerten und für die Onlinevorhersage bereitstellen, ohne einen Bereitstellungscontainer zu benötigen. Wenn Sie mit Vertex AI nicht vertraut sind und mehr über dessen Einbindung in BigQuery ML erfahren möchten, lesen Sie die Informationen unter Vertex AI für BigQuery-Nutzer.

Weitere Informationen zu Vertex AI-Vorhersagen finden Sie unter Überblick: Vorhersagen in Vertex AI abrufen.

Informationen zum Verwalten Ihrer BigQuery ML-Modelle über Vertex AI Model Registry finden Sie unter Einführung in Vertex AI Model Registry.

Vorbereitung

Damit Sie BigQuery ML-Modelle in der Model Registry registrieren können, müssen Sie mehrere Voraussetzungen erfüllen.

Vertex AI API aktivieren

Sie müssen die Vertex AI API in Ihrem Projekt aktivieren, bevor Sie BigQuery ML-Modelle in der Model Registry registrieren können. Sie können dies über die Seite APIs und Dienste in der Google Cloud Console oder mit dem folgenden Google Cloud CLI-Befehl tun:

gcloud --project PROJECT_ID services enable aiplatform.googleapis.com

IAM-Berechtigungen gewähren

Dem Dienstkonto oder Nutzerkonto, mit dem Sie BigQuery ML-Modelle in der Model Registry registrieren, muss die Rolle Vertex AI Administrator (roles/aiplatform.admin) zugewiesen werden. Weitere Informationen zu Vertex AI-Rollen und ‑Berechtigungen finden Sie unter Zugriffssteuerung mit IAM.

Verwenden Sie den folgenden Befehl, um einem Dienstkonto die Rolle „Vertex AI Administrator“ zu gewähren:

gcloud projects add-iam-policy-binding PROJECT_ID --member=serviceAccount:SERVICE_ACCOUNT_EMAIL --role=roles/aiplatform.admin --condition=None

Mit dem folgenden Befehl weisen Sie einem Nutzerkonto die Rolle „Vertex AI Administrator“ zu:

gcloud projects add-iam-policy-binding PROJECT_ID --member=user:USER_ACCOUNT --role=roles/aiplatform.admin --condition=None

Modelle registrieren

Wenn Sie ein BigQuery ML-Modell erstellen, können Sie die Option MODEL_REGISTRY in der CREATE MODEL-Anweisung verwenden, um das Modell in der Model Registry zu registrieren. Die CREATE MODEL-Anweisung enthält außerdem die Option VERTEX_AI_MODEL_ID zum Angeben der Modell-ID und die Option VERTEX_AI_MODEL_VERSION_ALIASES zum Angeben eines oder mehrerer Aliasse für die Modellversion. Mit diesen Optionen können Sie die Bereitstellung optimieren, Modelle verwalten und Vertex Explainable AI für Modelle aktivieren.

Wenn Sie beim Erstellen eines Modells die Option MODEL_REGISTRY festlegen, wird das Modell automatisch in der Model Registry angezeigt, sobald das Training in BigQuery ML abgeschlossen ist. In der Spalte Quelle auf der Seite Model Registry in der Google Cloud Console sehen Sie, woher ein Modell stammt.

Sobald ein BigQuery ML-Modell registriert ist, können Sie die Funktionen von Model Registry mit Ihrem Modell verwenden. Sie können das Modell an einem Endpunkt bereitstellen, Modellversionen vergleichen, Vorhersagen treffen, das Modell überwachen und Modellbewertungen ansehen. Wenn Sie nachvollziehen möchten, welche Features zu Ihren Vorhersagen beitragen, können Sie Vertex Explainable AI verwenden, um featurebasierte Erläuterungen zu Ihrem Modell zu erhalten.

Alle mit BigQuery ML erstellten Modelle werden weiterhin in der BigQuery-Benutzeroberfläche angezeigt, unabhängig davon, ob sie in der Model Registry registriert sind.

Vertex AI-Modell-ID angeben

Um die Verwaltung von Modellen zu vereinfachen, geben Sie beim Erstellen des Modells eine Vertex AI-Modell-ID an. Verwenden Sie dazu die Option VERTEX_AI_MODEL_ID. Die Modell-ID ist mit Ihrem BigQuery ML-Modell verknüpft und in der Model Registry sichtbar.

Erinnerung: Die Vertex AI-Modell-ID akzeptiert keine Großbuchstaben. Wenn Sie keine Vertex AI-Modell-ID angeben, wird die BigQuery ML-Modell-ID verwendet. Achten Sie in diesem Fall darauf, dass die BigQuery ML-Modell-ID ebenfalls kleingeschrieben ist. Eine vollständige Liste der Anforderungen für die Modell-ID finden Sie in den Spezifikationen in der Referenzdokumentation für Uploads.

Wenn Sie die Vertex AI-Modell-ID aktualisieren möchten, müssen Sie das Modell löschen und mit der richtigen neuen Vertex AI-Modell-ID neu erstellen. Sie können die Vertex AI-Modell-ID nicht mit dem ALTER MODEL-Befehl aktualisieren.

Vertex AI-Modellalias angeben

Wenn Sie einen Modellalias angeben möchten, geben Sie beim Erstellen des Modells die Option VERTEX_AI_MODEL_VERSION_ALIASES an. Modellaliasse sind hilfreich, um eine bestimmte Modellversion durch Verweis abzurufen oder bereitzustellen, ohne die spezifische Versions-ID kennen zu müssen. Auf diese Weise funktionieren sie ähnlich wie Docker-Tags oder Zweigreferenzen in Git.

Weitere Informationen zur Funktionsweise von Model Registry-Aliassen finden Sie unter Modellversions-Aliasse verwenden.

Mehrere Versionen von BigQuery ML-Modellen registrieren

Wenn Sie eine neue Version eines vorhandenen BigQuery ML-Modells erstellen und diese mit anderen in der Model Registry vergleichen möchten, müssen Sie beim Erstellen des Modells eine andere BigQuery ML-Modell-ID angeben und sie dann bei der ursprünglichen Model Registry-Modell-ID registrieren.

Wenn Sie ein BigQuery ML-Modell erstellen oder ersetzen und dabei eine BigQuery ML-Modell-ID verwenden, die bereits mit einem Modell in der Model Registry verknüpft ist, wird die vorhandene Model Registry-Modellversion gelöscht und durch das neue Modell ersetzt.

Vorhandenes BigQuery ML-Modell in der Model Registry registrieren

BigQuery ML-Modelle werden der Model Registry nicht automatisch hinzugefügt. Mit der ALTER MODEL-Anweisung können Sie eine Modell-ID hinzufügen, das Modell in der Model Registry registrieren und Metadaten wie die Modellbeschreibung und Labels aktualisieren.

Weitere Informationen zum Aktualisieren von Modellmetadaten in BigQuery ML finden Sie unter Modellmetadaten aktualisieren.

So registrieren Sie ein vorhandenes Modell:

SQL

ALTER MODEL [IF EXISTS] <model_name> SET OPTIONS (vertex_ai_model_id="VERTEX_AI_MODEL_ID");

bq

Sie können ein Modell mit dem bq-Befehlszeilentool aktualisieren. Führen Sie dazu den Befehl bq update aus und geben Sie eine Modell-ID für das Modell an. Die vertex_model_id kann entweder eine neue ID oder eine vorhandene Modell-ID in Model Registry sein. Jedes BigQuery ML-Modell kann nur unter einer „model_id“ in Model Registry registriert werden.

bq update --model --vertex_ai_model_id "VERTEX_AI_MODEL_ID" PROJECT_ID:DATASET.MODEL

API

  1. Rufen Sie die Methode „models.patch“ auf.
  2. Füllen Sie die Anfrageparameter und den Anfragetext aus.
  3. Klicken Sie auf die Schaltfläche Ausführen.
  {
    "trainingRuns": [
      {
        "vertexAiModelId": "VERTEX_AI_MODEL_ID"
      }
  }
 ```

Wenn Sie beim Registrieren des Modells eine neue Modell-ID angeben, wird das BigQuery ML-Modell in der Model Registry als Modellversion 1 angezeigt. Wenn Sie das Modell als neue Version eines vorhandenen Modells hinzufügen möchten, geben Sie die ID des vorhandenen Modells an. Dadurch wird das neue Modell automatisch als neueste Version des vorhandenen Modells registriert.

Modell-ID eines registrierten BigQuery ML-Modells ändern

Sobald ein BigQuery ML-Modell in der Model Registry registriert ist, können Sie den Wert VERTEX_AI_MODEL_ID nicht mehr ändern. Verwenden Sie eine der folgenden Optionen, um das Modell bei einem neuen VERTEX_AI_MODEL_ID zu registrieren:

  • Löschen Sie das Modell und erstellen Sie es neu, wenn die Kosten für das erneute Training akzeptabel sind.

  • Kopieren Sie das Modell und registrieren Sie es dann mit der ALTER MODEL-Anweisung mit einem neuen VERTEX_AI_MODEL_ID-Wert.

Überlegungen zum Standort

Wenn Sie ein multiregionales BigQuery ML-Modell bei Model Registry registrieren, wird es in Vertex AI in ein regionales Modell umgewandelt. Ein multiregionales US-Modell von BigQuery ML wird mit Vertex AI (us-central1) synchronisiert und ein multiregionales EU-Modell von BigQuery ML wird mit Vertex AI (europe-west4) synchronisiert. Bei Modellen in einer einzelnen Region gibt es keine Änderungen.

Informationen zum Aktualisieren von Modellstandorten finden Sie unter Standort auswählen.

BigQuery ML-Modelle aus Model Registry löschen

Wenn Sie ein BigQuery ML-Modell aus der Model Registry löschen möchten, löschen Sie es in BigQuery ML. Das Modell wird automatisch aus der Model Registry entfernt.

Es gibt mehrere Möglichkeiten, ein BigQuery ML-Modell zu löschen. Weitere Informationen finden Sie unter Modelle löschen.

Wenn Sie ein Modell in BigQuery ML löschen möchten, das in der Model Registry registriert und an einem Endpunkt bereitgestellt wurde, müssen Sie zuerst die Bereitstellung des Modells über die Model Registry aufheben. Sie können dann zu BigQuery ML zurückkehren und das Modell löschen. Weitere Informationen zum Aufheben der Bereitstellung eines Modells finden Sie unter Endpunkt löschen.

Nächste Schritte

Verwenden Sie das Notebook Onlinevorhersage mit BigQuery ML, um ein Modell mit BigQuery ML zu trainieren, es in Model Registry zu registrieren und an einem Endpunkt für Echtzeitvorhersagen bereitzustellen.