Criar consultas com a ajuda do Gemini

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.

Como uma tecnologia em estágio inicial, o Gemini pode gerar uma saída plausível, mas que é factualmente incorreta. Recomendamos que você valide toda a saída do Genmini antes de usá-la. Para mais informações, consulte Gemini no Google Cloud e IA responsável.

É possível usar o Gemini para Google Cloud, que oferece assistência com tecnologia de IA para ajudar você a fazer o seguinte no BigQuery:

• Gerar uma consulta SQL.
• Preencher uma consulta SQL.
• Explicar uma consulta SQL.
• Gerar código Python.
• Concluir código Python.

Saiba como e quando o Gemini do Google Cloud usa seus dados.

Somente os comandos em inglês são compatíveis com o 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. Presumimos que você tenha conhecimento de como consultar dados no espaço de trabalho do BigQuery SQL ou como trabalhar com notebooks para analisar dados do BigQuery usando Python.

Antes de começar

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. Verifique se o Gemini está configurado para seu projeto do Google Cloud. Os botões do Gemini não ficam visíveis até que a configuração seja concluída.
3. Para usar o Gemini com o código Python, ative o gerenciamento de recursos no BigQuery Studio.

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 Companion do Cloud AI (roles/cloudaicompanion.user) do IAM no projeto. Para mais informações sobre como conceder papéis, consulte Gerenciar acesso.

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.companions.generateCode
• cloudaicompanion.entitlements.get

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

Gerar uma consulta SQL

Para gerar uma consulta SQL com base no esquema dos dados, forneça ao Genmini uma instrução ou pergunta em linguagem natural (também conhecida como prompt). 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 pode gerar uma ou mais instruções SQL que podem ajudar você a explorar seus dados.

Usar a ferramenta "Quero ajuda para codificar"

A ferramenta Quero ajuda para codificar permite usar a linguagem natural para gerar uma consulta SQL que pode ser executada no BigQuery Studio.

Para usar a ferramenta Quero ajuda para codificar, siga estas etapas:

1. No Console do Google Cloud, acesse a página BigQuery.

   Acessar o BigQuery

2. No editor de consultas do BigQuery Studio, clique em Criar consulta SQL.

3. Na barra de ferramentas, clique em pen_sparkGemini e selecione a Ferramenta de geração de código se ainda não tiver feito isso.

   

4. Ao lado do editor de consultas, clique em pen_spark Quero ajuda para programar.

   

5. Na ferramenta Quero ajuda para codificar, digite um comando. Exemplo:

    Using `bigquery-public-data.austin_bikeshare.bikeshare_trips`, show me the
    ten longest trip lengths by subscriber type.
   

6. Clique em Gerar.

   Gemini gera uma consulta SQL semelhante à seguinte:

   SELECT subscriber_type,
     MAX(duration_minutes) AS longest_trip_duration
   FROM `bigquery-public-data.austin_bikeshare.bikeshare_trips`
   GROUP BY subscriber_type
   ORDER BY longest_trip_duration DESC
   LIMIT 10;
   

   Observação: o Gemini pode sugerir uma sintaxe diferente sempre que você insere o mesmo comando.

7. 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 pedir que o Gemini gere uma nova consulta, clique em Editar. Depois de editar seu comando, clique em Atualizar. Você pode aceitar a nova instrução gerada ou dispensar a sugestão.
   • Para dispensar a sugestão, feche a caixa de diálogo Quero ajuda para codificar.

8. Para solicitar que o Gemini gere uma nova consulta usando uma fonte de tabela específica, clique em Editar origens da tabela, selecione a nova origem da tabela e clique em Aplicar. Você pode aceitar a nova declaração ou dispensar a sugestão.

Desativar a ferramenta "Quero ajuda para codificar"

Para saber como desativar a ferramenta Quero ajuda para codificar, consulte Desativar recursos do Gemini.

Comando para gerar consultas SQL

Para gerar SQL, digite o caractere # no editor de consultas do BigQuery seguido de uma instrução de linguagem natural ou uma pergunta sobre as informações que você quer. Gemini revisa suas consultas recentes para encontrar um esquema de tabela relevante para seu comando. Se você sabe qual tabela quer usar, especifique o nome dela entre acentos graves (`) no seu comando.

No exemplo a seguir, você gera uma consulta para uma tabela pública do BigQuery, bigquery-public-data.austin_bikeshare.bikeshare_trips.

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

   Acessar o BigQuery Studio

   As etapas restantes serão exibidas automaticamente no console do Google Cloud.

2. No editor de consultas SQL, clique em Criar uma nova consulta.

3. Na barra de ferramentas, clique em pen_spark Gemini e selecione Geração automática se: ela já não estará selecionada.

   

4. No editor de consultas, insira o seguinte comando de linguagem natural:

   # Using `bigquery-public-data.austin_bikeshare.bikeshare_trips`, calculate the
   # average trip length by subscriber type.
   

5. Pressione Enter (Return no macOS).

   Gemini sugere uma consulta SQL semelhante à seguinte:

   SELECT
     subscriber_type,
     AVG(duration_minutes) AS average_trip_length
   FROM
     `bigquery-public-data.austin_bikeshare.bikeshare_trips`
   GROUP BY
     subscriber_type
   

6. Para aceitar a sugestão, pressione Tab.

Mostrar mais sugestões

Gemini pode sugerir mais de uma instrução SQL que responda ao seu comando. Exemplo:

1. No editor de consultas, insira o seguinte comando de linguagem natural e pressione Enter (Return no macOS):

   # Write a query that creates a table in the dataset `1234` with a string column called "name"
   

   Gemini sugere uma consulta SQL.

2. Para ver se há outras sugestões, mantenha o ponteiro sobre a consulta SQL sugerida.

3. Clique em qualquer outra sugestão e siga um destes procedimentos:

   • Para aceitar uma sugestão, pressione Tab.
   • Para aceitar palavras específicas, pressione Ctrl + seta para a direita (Command + seta para a direita no macOS).
   • Para dispensar sugestões, pressione Esc.

Dicas para geração de SQL

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

• Para especificar um esquema de dados, forneça o nome da tabela totalmente qualificado entre crases (`), como `PROJECT.DATASET.TABLE`.
• Se os nomes das colunas ou as relações semânticas delas não forem claros ou complexos, forneça contexto no prompt para orientar o Gemini na resposta que você quer. Esse processo é conhecido como engenharia de comando. Por exemplo, para incentivar uma consulta gerada para referenciar 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.
• As solicitações podem se estender por várias linhas no editor de consultas, mas cada linha precisa começar com um caractere #.

Dados do Gemini e do BigQuery

O Gemini no BigQuery pode acessar os metadados das tabelas que você tem permissão para acessar. Isso pode incluir os nomes da tabela, nomes de colunas, tipos de dados e descrições de coluna. 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.

Desativar a geração de código SQL

Para saber como desativar a geração de código SQL no BigQuery, consulte Desativar recursos do Gemini.

Preencher uma consulta SQL

O preenchimento de SQL tenta fornecer recomendações contextualmente adequadas com base no conteúdo no editor de consultas. Conforme você digita, o Gemini pode sugerir 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, siga estas etapas:

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

   Acessar o BigQuery Studio

   As etapas restantes serão exibidas automaticamente no console do Google Cloud.

2. Na barra de ferramentas, clique em pen_spark Gemini e selecione Preenchimento automático se: ela já não estará selecionada.

   

3. 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.

4. Pressione Enter (Return no macOS) ou Espaço.

   Gemini sugere refinamentos para a consulta que podem terminar em texto semelhante ao seguinte:

   GROUP BY
     subscriber_type, hour_of_day;
   

5. 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.

Outras permissões obrigatórias

Além das permissões necessárias para escrever consultas com o Gemini, para explicar o SQL, você precisa ter a permissão cloudaicompanion.companions.generateChat. Essa permissão está incluída no papel do IAM Usuário do Cloud AI Companion (roles/cloudaicompanion.user).

Explicar consultas SQL

Para explicar uma consulta SQL, siga estas etapas:

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

   Acessar o BigQuery Studio

   As etapas restantes serão exibidas automaticamente no console do Google Cloud.

2. Na barra de ferramentas, clique em pen_spark Gemini e selecione Explicação, se ele estiver que ainda não esteja selecionado.

   

3. No Editor de consultas, abra ou cole a consulta que você quer uma explicação.

4. Destaque a consulta que você quer que o Gemini explique e clique em astrophotography_mode Explicar esta consulta.

   

A explicação do SQL aparece no painel Gemini.

Gerar código Python

Peça ao Gemini com uma declaração ou pergunta de linguagem natural para gerar código Python. Gemini responde com uma ou mais sugestões de código em Python.

Outras permissões obrigatórias

Além das permissões necessárias para criar consultas com o Gemini, você precisa ter a permissão cloudaicompanion.instances.generateCode para gerar código Python. Essa permissão está incluída no papel do IAM Usuário do Cloud AI Companion (roles/cloudaicompanion.user).

Usar o Gemini para gerar 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

2. Na barra de ferramentas, clique em pen_sparkGemini e, na seção Gemini em notebooks Python, selecione Geração de código, caso ainda não esteja selecionado.

   

3. Na barra de guias do painel do editor, clique na seta suspensa ao lado do sinal + e clique em Criar um notebook em Python:

   

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

4. Na barra de ferramentas, clique em + Código para inserir uma nova célula de código. Uma nova célula de código vai aparecer: Começar a codificar ou gerar com IA.

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

6. No editor de consultas, insira o seguinte comando de linguagem natural:

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

7. Pressione Enter (Return no macOS).

   Gemini sugere um código Python semelhante ao seguinte:

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

Preenchimento automático de código Python

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

Outras permissões obrigatórias

Além das permissões necessárias para criar consultas com o Gemini, você precisa ter a permissão cloudaicompanion.instances.completeCode para gerar código Python. Essa permissão está incluída no papel do IAM Usuário do Cloud AI Companion (roles/cloudaicompanion.user).

Use o Gemini para concluir o código Python

Para testar o preenchimento de código Python com o Gemini, siga estas etapas:

1. Acesse a página do BigQuery Studio.

   Acessar o BigQuery

2. Na barra de ferramentas, clique em pen_sparkGemini e, na seção Gemini no notebook Python, selecione Código conclusão, caso ainda não esteja selecionada.

   

3. Na barra de guias do painel do editor, clique na seta suspensa ao lado do sinal + e clique em Criar um notebook em Python:

   

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

4. No editor de código, comece a digitar o código Python. Gemini sugere código inline enquanto você digita. Para aceitar a sugestão, pressione Tab.

Desativar recursos do Gemini

Para desativar os recursos do Gemini no BigQuery, faça o seguinte:

1. Na barra de ferramentas do Editor de consultas SQL, clique em pen_spark Gemini.

2. Desmarque os recursos do Gemini que você quer desativar.

Fornecer feedback

Você pode enviar feedback sobre as sugestões do Gemini.

• Para fornecer feedback, na barra de ferramentas, clique em pen_spark Gemini e selecione Enviar feedback

Ajude a melhorar as sugestões

Ajude a melhorar as sugestões do Gemini compartilhando os dados de comandos com o Google. Para compartilhar seus dados de comandos, siga estas etapas:

1. No console do Google Cloud, na página do BigQuery Studio, na barra de ferramentas, clique em pen_spark Gemini.

2. Selecione Compartilhar dados para melhorar o Gemini.

3. Atualize suas configurações de uso de dados na caixa de diálogo de configuração.

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.

A seguir

• Para mais informações sobre o Gemini para o Google Cloud, consulte Visão geral do Gemini para o Google Cloud.
• Para informações sobre a política de dados do Gemini, consulte Como o Gemini para o Google Cloud usa seus dados.