Analizza le tabelle di oggetti utilizzando le funzioni remote

Questo documento descrive come analizzare i dati non strutturati nelle tabelle di oggetti utilizzando funzioni remote.

Panoramica

Puoi analizzare i dati non strutturati rappresentati da una tabella di oggetti utilizzando una funzione remota. Una funzione remota ti consente di chiamare una funzione in esecuzione su Cloud Run Functions o Cloud Run, che puoi programmare per accedere a risorse come:

• Modelli di IA preaddestrati di Google, tra cui l'API Cloud Vision e Document AI.
• Librerie open source come Apache Tika.
• I tuoi modelli personalizzati.

Per analizzare i dati della tabella degli oggetti utilizzando una funzione remota, devi generare e passare gli URL firmati per gli oggetti nella tabella degli oggetti quando chiami la funzione remota. Questi URL firmati sono ciò che consente alla funzione remota di accedere agli oggetti.

Autorizzazioni obbligatorie

• Per creare la risorsa di connessione utilizzata dalla funzione remota, devi disporre delle seguenti autorizzazioni:

  • bigquery.connections.create
  • bigquery.connections.get
  • bigquery.connections.list
  • bigquery.connections.update
  • bigquery.connections.use
  • bigquery.connections.delete

• Per creare una funzione remota, devi disporre delle autorizzazioni associate ai ruoli Sviluppatore Cloud Functions o Sviluppatore Cloud Run.

• Per invocare una funzione remota, sono necessarie le autorizzazioni descritte in Funzioni remote.

• Per analizzare una tabella di oggetti con una funzione remota, devi disporre dell'autorizzazione bigquery.tables.getData per la tabella di oggetti.

Prima di iniziare

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. 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

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the BigQuery, BigQuery Connection API, Cloud Run functions APIs.

   Enable the APIs

5. 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

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the BigQuery, BigQuery Connection API, Cloud Run functions APIs.

   Enable the APIs

8. Assicurati che l'amministratore di BigQuery abbia creato una connessione e configurato l'accesso a Cloud Storage.

Creare una funzione remota

Per istruzioni generali sulla creazione di una funzione remota, consulta Utilizzare le funzioni remote.

Quando crei una funzione remota per analizzare i dati della tabella degli oggetti, devi inserire gli URL firmati che sono stati generati per gli oggetti nella tabella degli oggetti. Puoi farlo utilizzando un parametro di input con un tipo di dati STRING. Gli URL firmati vengono messi a disposizione della funzione remota come dati di input nel campo calls della richiesta POST HTTP. Un esempio di richiesta è:

{
  // Other fields omitted.
  "calls": [
    ["https://storage.googleapis.com/mybucket/1.pdf?X-Goog-SignedHeaders=abcd"],
    ["https://storage.googleapis.com/mybucket/2.pdf?X-Goog-SignedHeaders=wxyz"]
  ]
}

Puoi leggere un oggetto nella funzione remota utilizzando un metodo che invia una richiesta HTTP GET all'URL firmato. La funzione remota può accedere all'oggetto perché l'URL firmato contiene informazioni di autenticazione nella stringa di query.

Quando specifichi l'istruzione CREATE FUNCTION per la funzione remota, ti consigliamo di impostare l'opzione max_batching_rows su 1 per evitare il timeout delle funzioni Cloud Run e aumentare il parallelismo di elaborazione.

Esempio

Il seguente esempio di codice Python di Cloud Run legge gli oggetti di archiviazione e restituisce la lunghezza dei contenuti a BigQuery:

import functions_framework
import json
import urllib.request

@functions_framework.http
def object_length(request):
  calls = request.get_json()['calls']
  replies = []
  for call in calls:
    object_content = urllib.request.urlopen(call[0]).read()
    replies.append(len(object_content))
  return json.dumps({'replies': replies})

Una volta dipiattaforma, questa funzione avrà un endpoint simile a https://us-central1-myproject.cloudfunctions.net/object_length.

L'esempio seguente mostra come creare una funzione remota di BigQuery basata su questa funzione di Cloud Run:

CREATE FUNCTION mydataset.object_length(signed_url STRING) RETURNS INT64
REMOTE WITH CONNECTION `us.myconnection`
OPTIONS(
  endpoint = "https://us-central1-myproject.cloudfunctions.net/object_length",
  max_batching_rows = 1
);

Per istruzioni dettagliate, consulta Tutorial: analizza una tabella di oggetti con una funzione remota.

Chiamare una funzione remota

Per chiamare una funzione remota sui dati della tabella degli oggetti, fai riferimento alla funzione remota nel select_list della query e poi chiama la funzione EXTERNAL_OBJECT_TRANSFORM nella clausola FROM per generare gli URL firmati per gli oggetti.

Nota: quando utilizzi una delle API di IA, tieni presente le quote pertinenti per l'API che hai scelto come target. Utilizza una clausola LIMIT per limitare i risultati restituiti, se necessario, per rispettare la quota.

L'esempio seguente mostra la sintassi tipica dell'istruzione:

SELECT uri, function_name(signed_url) AS function_output
FROM EXTERNAL_OBJECT_TRANSFORM(TABLE my_dataset.object_table, ["SIGNED_URL"])
LIMIT 10000;

L'esempio seguente mostra come elaborare solo un sottoinsieme dei contenuti della tabella degli oggetti con una funzione remota:

SELECT uri, function_name(signed_url) AS function_output
FROM EXTERNAL_OBJECT_TRANSFORM(TABLE my_dataset.object_table, ["SIGNED_URL"])
WHERE content_type = "application/pdf";

Passaggi successivi

Scopri come eseguire l'inferenza sulle tabelle degli oggetti immagine.