Criar consultas com a ajuda do Gemini

Este documento descreve como usar a assistência com tecnologia de IA no Gemini no BigQuery para consultar seus dados com consultas SQL e código Python. O Gemini no BigQuery pode gerar consultas e código, concluir consultas e código enquanto você digita e explicar consultas.

---

Para seguir as instruções passo a passo desta tarefa diretamente no console do Google Cloud, clique em Orientação:

Orientações

---

O Gemini para Google Cloud não usa seus comandos nem as respostas deles como dados para treinar os modelos sem sua permissão explícita. Para mais informações sobre como o Google usa seus dados, consulte Como o Gemini para o Google Cloud usa seus dados.

Observação: para ativar o compartilhamento de dados para recursos do Gemini no BigQuery, consulte Ajudar a melhorar as sugestões.

Somente os comandos em inglês são aceitos pelo Gemini no BigQuery.

Este documento é destinado a analistas, cientistas e desenvolvedores de dados que trabalham com consultas SQL e notebooks do Colab Enterprise no BigQuery. É necessário saber como consultar dados no ambiente do BigQuery Studio ou como trabalhar com notebooks do Python para analisar dados do BigQuery.

Antes de começar

1. Verifique se o Gemini no BigQuery está configurado para seu projeto do Google Cloud. Essa etapa normalmente é realizada por um administrador. Os recursos do Gemini no BigQuery podem estar desativados ou indisponíveis até que você conclua as etapas restantes desta seção.

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. No console do Google Cloud, acesse a página BigQuery Studio.

   Acessar o BigQuery Studio

4. Na barra de ferramentas do BigQuery, clique em pen_sparkGemini.

   

5. Na lista de recursos, verifique se os seguintes recursos estão selecionados:

   • Lista de Gemini na consulta SQL:

     • Preenchimento automático (pré-lançamento). Conforme você digita no editor de consultas, o Gemini pode sugerir as próximas etapas lógicas que são relevantes para o contexto da sua consulta atual ou ajudar você a iterar em uma consulta.
     • Geração automática. Você pode solicitar que o Gemini no BigQuery use um comentário em linguagem natural no editor de consultas do BigQuery para gerar uma consulta SQL.
     • Ferramenta de geração de SQL. É possível inserir texto em linguagem natural em uma ferramenta para gerar uma consulta SQL com opções para refinar os resultados da consulta, escolher origens de tabelas e comparar resultados.
     • Explicação. Você pode solicitar que o Gemini no BigQuery explique uma consulta SQL usando linguagem natural.

   • Lista Gemini no notebook Python:

     • Preenchimento de código (pré-lançamento). O Gemini oferece recomendações contextualmente adequadas com base no conteúdo do notebook.
     • Geração de código. É possível solicitar que o Gemini gere um código Python usando uma declaração ou pergunta de linguagem natural.

6. Para concluir as tarefas neste documento, verifique se você tem as permissões necessárias do Identity and Access Management (IAM).

Funções exigidas

Para receber as permissões necessárias para escrever consultas com a assistência do Gemini, peça ao administrador para conceder a você o papel de usuário do Gemini para o Google Cloud (roles/cloudaicompanion.user) do IAM no projeto. Para mais informações sobre a concessão de papéis, consulte Gerenciar o acesso a projetos, pastas e organizações.

Este papel predefinido contém as permissões necessárias para criar consultas com a assistência do Gemini. Para conferir as permissões exatas necessárias, expanda a seção Permissões necessárias:

Permissões necessárias

As seguintes permissões são necessárias para escrever consultas com a assistência do Gemini:

• cloudaicompanion.entitlements.get
• cloudaicompanion.instances.completeTask
• Explicar consultas SQL: cloudaicompanion.companions.generateChat
• Concluir o código SQL ou Python: cloudaicompanion.instances.completeCode
• Gerar código SQL ou Python: cloudaicompanion.instances.generateCode

Essas permissões também podem ser concedidas com funções personalizadas ou outros papéis predefinidos.

Para mais informações sobre os papéis e as permissões do IAM no BigQuery, consulte Introdução ao IAM.

Gerar uma consulta SQL

Como uma tecnologia em estágio inicial, os produtos do Gemini para Google Cloud podem gerar uma saída plausível, mas que é factualmente incorreta. Recomendamos que você valide todos os resultados do Gemini para produtos do Google Cloud antes de usá-los. Para mais informações, consulte Gemini no Google Cloud e IA responsável.

Para gerar uma consulta SQL com base no esquema dos dados, forneça ao Gemini no BigQuery uma instrução ou pergunta em linguagem natural, também conhecida como comando. Mesmo que você esteja começando sem código, com um conhecimento limitado do esquema de dados ou apenas um conhecimento básico da sintaxe do GoogleSQL, o Gemini no BigQuery pode gerar SQL que pode ajudar você a conhecer seus dados.

Usar a ferramenta de geração de SQL

A ferramenta de geração de SQL permite usar a linguagem natural para gerar uma consulta SQL sobre as tabelas visualizadas ou consultadas recentemente. Também é possível usar a ferramenta para modificar uma consulta existente e especificar manualmente as tabelas para as quais você quer gerar SQL.

Para usar a ferramenta de geração de SQL, siga estas etapas:

1. No console do Google Cloud, acesse a página BigQuery Studio.

   Acessar o BigQuery Studio

2. Ao lado do editor de consultas, clique em pen_spark Ferramenta de geração de SQL.

   

3. Na caixa de diálogo Gerar SQL com o Gemini, insira um comando de linguagem natural sobre uma tabela que você visualizou ou consultou recentemente. Por exemplo, se você acessou recentemente a tabela bigquery-public-data.austin_bikeshare.bikeshare_trips, insira o seguinte:

    Show me the duration and subscriber type for the ten longest trips.
   

4. Clique em Gerar.

   A consulta SQL gerada é semelhante a esta:

   SELECT
       subscriber_type,
       duration_sec
     FROM
         `bigquery-public-data.san_francisco_bikeshare.bikeshare_trips`
   ORDER BY
       duration_sec DESC
   LIMIT 10;
   

   Observação: o Gemini no BigQuery pode sugerir uma sintaxe diferente sempre que você insere o mesmo comando.

5. Analise a consulta SQL gerada e realize uma das seguintes ações:

   • Para aceitar a consulta SQL gerada, clique em Inserir para inserir a instrução no editor de consultas. Em seguida, clique em Executar para executar a consulta SQL sugerida.
   • Para editar o comando, clique em Editar e modifique ou substitua o comando inicial. Depois de editar o comando, clique em Atualizar para gerar uma nova consulta.
   • Para atualizar as origens de tabela usadas como contexto para gerar a consulta SQL sugerida, clique em Editar origens de tabela, selecione as caixas de seleção adequadas e clique em Aplicar.
   • Para conferir um resumo em linguagem natural da consulta gerada, clique em Resumo da consulta.
   • Para refinar a consulta SQL sugerida, insira os refinamentos no campo Refine e clique em Refine. Por exemplo, digite limit to 1000 para limitar o número de resultados da consulta. Para comparar as mudanças na sua consulta, selecione a caixa de seleção Mostrar diferença.
   • Para dispensar uma consulta sugerida, feche a ferramenta de geração de SQL.

Desative a ferramenta de geração de SQL

Para saber como desativar a ferramenta de geração de SQL, consulte Desativar os recursos do assistente de consulta do Gemini.

Gerar SQL com base em um comentário

Para gerar SQL no editor de consultas, descreva a consulta que você quer em um comentário.

1. No console do Google Cloud, acesse a página BigQuery Studio.

   Acessar o BigQuery Studio

2. No editor de consultas, clique em Consulta SQL.

3. No editor de consultas, escreva um comentário SQL sobre uma tabela que você acessou ou consultou recentemente. Por exemplo, se você acessou recentemente a tabela bigquery-public-data.austin_bikeshare.bikeshare_trips, pode escrever o seguinte comentário:

   # Show me the duration and subscriber type for the ten longest trips.
   

4. Pressione Enter (Return no macOS).

   A consulta SQL sugerida é semelhante a esta:

   # Show me the duration and subscriber type for the ten longest trips
   
   SELECT
     duration_sec,
     subscriber_type
     AVG(duration_minutes) AS average_trip_length
   FROM
     `bigquery-public-data.austin_bikeshare.bikeshare_trips`
   ORDER BY
     duration_sec
   LIMIT 10;
   

5. Para aceitar a sugestão, pressione Tab.

Dicas para geração de SQL

As dicas a seguir podem melhorar as sugestões oferecidas pelo Gemini no BigQuery:

• Para especificar manualmente quais tabelas usar, inclua o nome da tabela totalmente qualificada entre crases (`), como `PROJECT.DATASET.TABLE`.
• Se os nomes das colunas ou as relações semânticas delas não forem claros ou complexos, forneça contexto no comando para orientar o Gemini sobre a resposta que você quer. Por exemplo, para incentivar uma consulta gerada a mencionar um nome de coluna, descreva o nome da coluna e sua relevância para a resposta desejada. Para incentivar uma resposta que mencione termos complexos, como valor da vida útil ou margem bruta, descreva o conceito e a relevância dele para seus dados para melhorar os resultados da geração de SQL.
• Ao gerar SQL usando um comentário, você pode formatar o comando em várias linhas prefixando cada linha com o caractere #.
• As descrições de coluna são consideradas ao gerar consultas SQL. Para melhorar a acurácia, adicione descrições de colunas ao seu esquema. Para mais informações sobre descrições de colunas, consulte Descrições de colunas em "Especificar um esquema".

Dados do Gemini e do BigQuery

O Gemini no BigQuery pode acessar os metadados das tabelas que você tem permissão para acessar. Esses metadados podem incluir nomes de tabelas, colunas, tipos de dados e descrições de colunas. O Gemini no BigQuery não pode acessar os dados em tabelas, visualizações ou modelos. Para mais informações sobre como o Gemini usa seus dados, consulte Como o Gemini para o Google Cloud usa seus dados.

Preencher uma consulta SQL

Visualização

Esse recurso está sujeito aos "Termos de ofertas pré-GA" na seção "Termos de Serviço gerais" dos Termos específicos de serviço. Os recursos pré-GA estão disponíveis "no estado em que se encontram" e podem ter suporte limitado. Para mais informações, consulte as descrições da fase de lançamento.

O preenchimento de SQL tenta fornecer recomendações contextualmente adequadas com base no conteúdo no editor de consultas. Conforme você digita, o Gemini pode sugerir as próximas etapas lógicas relevantes para o contexto da sua consulta atual ou ajudar você a iterar em uma consulta.

Para testar a conclusão do SQL com o Gemini no BigQuery, siga estas etapas:

1. No console do Google Cloud, acesse a página BigQuery Studio.

   Acessar o BigQuery Studio

2. No editor de consultas, copie o seguinte código:

   SELECT
     subscriber_type
     , EXTRACT(HOUR FROM start_time) AS hour_of_day
     , AVG(duration_minutes) AS avg_trip_length
   FROM
     `bigquery-public-data.austin_bikeshare.bikeshare_trips`
   

   Uma mensagem de erro informa que subscriber_type não está agrupado nem agregado. É comum precisar de ajuda para conseguir uma consulta ideal.

3. No final da linha de subscriber_type, pressione Espaço.

   Os refinamentos sugeridos para a consulta podem terminar em texto semelhante a este:

   GROUP BY
     subscriber_type, hour_of_day;
   

   Você também pode pressionar Enter (Return no macOS) para gerar sugestão.

4. Para aceitar a sugestão, pressione Tab ou mantenha o ponteiro sobre o texto sugerido e clique para conferir sugestões alternativas. Para dispensar uma sugestão, pressione ESC ou continue digitando.

   

Explicar uma consulta SQL

Você pode solicitar que o Gemini no BigQuery explique uma consulta SQL em linguagem natural. Essa explicação pode ajudar você a entender uma consulta em que a sintaxe, esquema subjacente e contexto comercial podem ser difíceis de avaliar devido ao tamanho ou à complexidade da consulta.

Para receber uma explicação sobre uma consulta SQL, siga estas etapas:

1. No console do Google Cloud, acesse a página BigQuery Studio.

   Acessar o BigQuery Studio

2. No editor de consultas, abra ou cole uma consulta que você quer que o Gemini explique.

3. Destaque a consulta que você quer que o Gemini no BigQuery explique.

4. Clique em astrophotography_mode Gemini e em Explicar esta consulta.

   

   A explicação do SQL aparece no painel Gemini.

Gerar código Python

Você pode pedir ao Gemini no BigQuery para gerar código Python usando um comando (uma declaração ou pergunta em linguagem natural). O Gemini no BigQuery responde com uma ou mais sugestões de código Python.

No exemplo a seguir, você gera o código para um conjunto de dados público do BigQuery, bigquery-public-data.ml_datasets.penguins.

1. Acesse a página do BigQuery Studio.

   Acessar o BigQuery Studio

2. Na barra de guias do editor de consultas, clique na seta suspensa ao lado de Consulta SQL e clique em Notebook Python.

   O novo notebook é aberto, com células que mostram exemplos de consultas no conjunto de dados público bigquery-public-data.ml_datasets.penguins.

3. Para inserir uma nova célula de código, clique em Code na barra de ferramentas. A nova célula de código contém a mensagem Começar a codificar ou gerar com IA.

4. Na nova célula de código, clique em generate.

5. No editor Generate, insira o seguinte comando de linguagem natural:

   Using bigquery magics, query the `bigquery-public-data.ml_datasets.penguins` table
   

6. Pressione Enter (Return no macOS).

   O código Python sugerido é semelhante ao seguinte:

   %%bigquery
   SELECT *
   FROM `bigquery-public-data.ml_datasets.penguins`
   LIMIT 10
   

7. Para executar o código, pressione Run cell.

Concluir código Python

Visualização

Esse recurso está sujeito aos "Termos de ofertas pré-GA" na seção "Termos de Serviço gerais" dos Termos específicos de serviço. Os recursos pré-GA estão disponíveis "no estado em que se encontram" e podem ter suporte limitado. Para mais informações, consulte as descrições da fase de lançamento.

O preenchimento de código em Python tenta fornecer recomendações contextualmente apropriadas, baseadas no conteúdo do editor de consultas. Conforme você digita, o Gemini no BigQuery pode sugerir as próximas etapas lógicas que são relevantes para o contexto do seu código atual ou ajudar você a iterar o código.

Para testar o preenchimento de código Python com o Gemini no BigQuery, siga estas etapas:

1. Acesse a página do BigQuery Studio.

   Acessar o BigQuery Studio

2. Na barra de guias do editor de consultas, clique na seta suspensa ao lado de Consulta SQL e clique em Notebook Python.

   Um novo notebook é aberto, com células que mostram exemplos de consultas no conjunto de dados público bigquery-public-data.ml_datasets.penguins.

3. No editor, comece a digitar o código Python. Por exemplo, %%bigquery. O Gemini no BigQuery sugere código inline enquanto você digita.

4. Para aceitar a sugestão, pressione Tab.

Desativar os recursos do assistente de consulta do Gemini

Para desativar recursos específicos no Gemini no BigQuery, faça o seguinte:

1. No console do Google Cloud, acesse a página BigQuery Studio.

   Acessar o BigQuery Studio

2. Na barra de ferramentas do BigQuery, clique em pen_sparkGemini.

   

3. Na lista, desmarque os recursos do assistente de consulta que você quer desativar.

Para saber como desativar o Gemini no BigQuery, consulte Desativar o Gemini no BigQuery.

Gerar feedback

1. No console do Google Cloud, acesse a página BigQuery Studio.

   Acessar o BigQuery Studio

2. Na barra de ferramentas do BigQuery, clique em pen_sparkGemini.

   

3. Clique em Enviar comentários.

Ajude a melhorar as sugestões

Você pode ajudar a melhorar as sugestões do Gemini compartilhando com o Google os dados de comando enviados para os recursos na visualização.

Para compartilhar seus dados de comandos, siga estas etapas:

1. No console do Google Cloud, acesse a página BigQuery Studio.

   Acessar o BigQuery Studio

2. Na barra de ferramentas do BigQuery, clique em pen_sparkGemini.

   

3. Selecione Compartilhar dados para melhorar o Gemini no BigQuery.

4. Na caixa de diálogo Configurações de uso de dados, atualize as configurações de uso de dados.

As configurações de compartilhamento de dados se aplicam a todo o projeto e só podem ser definidas por um administrador com as permissões de IAM serviceusage.services.enable e serviceusage.services.list. Para mais informações sobre o uso de dados no programa Trusted Tester, consulte Gemini para o programa Trusted Tester do Google Cloud.

Preços

Para saber mais sobre os preços desse recurso, consulte Visão geral dos preços do Gemini no BigQuery.

Cotas e limites

Para informações sobre cotas e limites desse recurso, consulte Cotas do Gemini no BigQuery.

A seguir

• Leia as Informações gerais do Gemini para Google Cloud.
• Saiba como o Gemini para o Google Cloud usa seus dados.