CREATE MODEL-Anweisung für Remote-Modelle über von Vertex AI gehostete Modelle

In diesem Dokument wird die CREATE MODEL-Anweisung zum Erstellen von Remote-Modellen in BigQuery über Modelle beschrieben, die in Vertex AI bereitgestellt werden.

`CREATE MODEL`-Syntax

{CREATE MODEL | CREATE MODEL IF NOT EXISTS | CREATE OR REPLACE MODEL}
`project_id.dataset.model_name`
INPUT (field_name field_type)
OUTPUT (field_name field_type)
REMOTE WITH CONNECTION `project_id.region.connection_id`
OPTIONS(ENDPOINT = vertex_ai_https_endpoint);

`CREATE MODEL`

Erstellt und trainiert ein neues Modell im angegebenen Dataset. Wenn der Modellname vorhanden ist, gibt CREATE MODEL einen Fehler zurück.

`CREATE MODEL IF NOT EXISTS`

Erstellt und trainiert ein neues Modell nur, wenn das Modell nicht im angegebenen Dataset vorhanden ist.

`CREATE OR REPLACE MODEL`

Erstellt und trainiert ein Modell und ersetzt ein vorhandenes Modell mit demselben Namen im angegebenen Dataset.

`model_name`

Der Name des Modells, das Sie erstellen oder ersetzen. Der Modellname muss im Dataset eindeutig sein: Kein anderes Modell und keine andere Tabelle darf denselben Namen haben. Der Modellname muss denselben Benennungsregeln wie eine BigQuery-Tabelle folgen. Ein Modellname kann:

bis zu 1.024 Zeichen enthalten.
Buchstaben (groß- oder kleingeschrieben), Ziffern und Unterstriche enthalten.

model_name unterscheidet nicht zwischen Groß- und Kleinschreibung.

Wenn Sie kein Standardprojekt konfiguriert haben, müssen Sie die Projekt-ID dem Modellnamen im folgenden Format voranstellen, einschließlich der Graviszeichen:

`[PROJECT_ID].[DATASET].[MODEL]`

Beispielsweise `myproject.mydataset.mymodel`.

Klauseln `INPUT` und `OUTPUT`

Sie müssen die Klauseln INPUT und OUTPUT angeben, wenn Sie ein Remote-Modell mit einem HTTPS-Endpunkt erstellen. Die Klausel INPUT muss die Felder enthalten, die für die Vertex AI-Endpunktanfrage erforderlich sind, und die Klausel OUTPUT die Felder, die für die Vertex AI-Endpunktantwort erforderlich sind.

Unterstützte Datentypen

Sie können die folgenden BigQuery-Datentypen in den Klauseln INPUT und OUTPUTverwenden:

BOOL
INT64
FLOAT64
NUMERIC
BIGNUMERIC
STRING
Ein ARRAY eines der oben genannten Typen.

Feldnameformat

Die Feldnamen INPUT und OUTPUT müssen mit den Feldnamen der Endpunktanfrage und -antwort von Vertex AI übereinstimmen. Für einen Vertex AI-Endpunkt mit einem einzelnen OUTPUT ist in der Antwort kein Feldname vorhanden. Daher können Sie in der Anweisung OUTPUT einen beliebigen Feldnamen angeben.

Beispiel

Wenn die Vertex AI-Anfrage so aussieht:

{
  "instances": [
    { "f1": 10, "f2": 12.3, "f3": "abc", "f4": [1, 2, 3, 4] },
    { "f1": 40, "f2": 32.5, "f3": "def", "f4": [11, 12, 13, 14] },
  ]
}

Die Anweisung INPUT muss so lauten:

INPUT(f1 INT64, f2 FLOAT64, f3 STRING, f4 ARRAY<INT64>)

Wenn die Vertex AI-Antwort so aussieht:

{
  "predictions": [
    {
      "out1": 300,
      "out2": 40
    },
    {
      "out1": 200,
      "out2": 30
    }
  ]
}

Die Anweisung OUTPUT muss so lauten:

OUTPUT(out1 INT64, out2 INT64)

`REMOTE WITH CONNECTION`

Syntax

`[PROJECT_ID].[LOCATION].[CONNECTION_ID]`

BigQuery verwendet eine Cloud-Ressourcenverbindung, um mit dem Vertex AI-Endpunkt zu interagieren.

Die Verbindungselemente sind:

PROJECT_ID: die Projekt-ID, das die Verbindung enthält.
LOCATION: der Standort, der von der Verbindung verwendet wird. Die Verbindung muss sich am selben Standort wie das Dataset befinden, das das Modell enthält.
CONNECTION_ID: die Verbindungs-ID, z. B. myconnection.
Rufen Sie die Verbindungsdetails in der Google Cloud Console auf, um Ihre Verbindungs-ID zu ermitteln. Die Verbindungs-ID ist der Wert im letzten Abschnitt der vollständig qualifizierten Verbindungs-ID, der unter Verbindungs-ID angezeigt wird, z. B. projects/myproject/locations/connection_location/connections/myconnection.

Sie müssen dem Dienstkonto der Verbindung in dem Projekt, in dem Sie das Modell erstellen, die Rolle Vertex AI-Nutzer zuweisen.

Beispiel

`myproject.us.my_connection`

`ENDPOINT`

Syntax

ENDPOINT = vertex_ai_https_endpoint

Beschreibung

Geben Sie unter vertex_ai_https_endpoint den HTTPS-Endpunkt an, der ein in Vertex AI bereitgestelltes Modell darstellt.

Nachdem Sie ein Remote-Modell basierend auf einem Modell erstellt haben, das in Vertex AI bereitgestellt ist, können Sie das Modell mit ML.PREDICT für Inferenzen verwenden.

Das folgende Beispiel zeigt, wie ein Remote-Modell erstellt wird, das einen HTTPS-Endpunkt verwendet:

ENDPOINT = 'https://us-central1-aiplatform.googleapis.com/v1/projects/myproject/locations/us-central1/endpoints/1234'

Beispiel

Im folgenden Beispiel wird ein BigQuery ML-Remote-Modell über einem Modell erstellt, das auf einem Vertex AI-Endpunkt bereitgestellt wird:

CREATE MODEL `project_id.mydataset.mymodel`
 INPUT(f1 INT64, f2 FLOAT64, f3 STRING, f4 ARRAY)
 OUTPUT(out1 INT64, out2 INT64)
 REMOTE WITH CONNECTION `myproject.us.test_connection`
 OPTIONS(ENDPOINT = 'https://us-central1-aiplatform.googleapis.com/v1/projects/myproject/locations/us-central1/endpoints/1234')

Nächste Schritte

Weitere Informationen zu den unterstützten SQL-Anweisungen und -Funktionen für Remote-Modelle, die HTTPS-Endpunkte verwenden, finden Sie unter End-to-End-Nutzerpfad für jedes Modell.

CREATE MODEL-Anweisung für Remote-Modelle über von Vertex AI gehostete Modelle

CREATE MODEL-Syntax

CREATE MODEL

CREATE MODEL IF NOT EXISTS

CREATE OR REPLACE MODEL

model_name

Klauseln INPUT und OUTPUT