BigQuery ML está disponible en las ediciones Enterprise y Enterprise Plus para los clientes que prefieren un modelo de precios basado en la capacidad de computación (número de ranuras) en lugar del modelo bajo demanda (número de bytes procesados). Los clientes pueden usar reservas de Enterprise o Enterprise Plus para utilizar todas las funciones de BigQuery ML. El uso de BigQuery ML se incluirá en el uso de las ediciones de BigQuery.
Reservas para crear modelos integrados
BigQuery tiene tres tipos de trabajo para la asignación de reservas: QUERY, PIPELINE y ML_EXTERNAL. Las asignaciones de QUERY, que se usan para las consultas analíticas, también se utilizan para ejecutar consultas CREATE MODEL de los modelos integrados de BigQuery ML. El entrenamiento de modelos integrado y las consultas analíticas comparten el mismo conjunto de recursos en las reservas asignadas, y tienen el mismo comportamiento en lo que respecta a ser interrumpibles y a usar ranuras inactivas de otras reservas.
Reservas para crear modelos externos
Como los modelos externos se entrenan fuera de BigQuery, estas cargas de trabajo no son interrumpibles. Por lo tanto, para asegurarnos de que otras cargas de trabajo no se vean afectadas, solo se pueden usar reservas con la asignación de tipo de trabajo ML_EXTERNAL para estas tareas externas.En la sección sobre la gestión de cargas de trabajo de reservas se describe cómo crear reservas para tareas de entrenamiento de modelos externos. El uso de slots por tarea se calcula para mantener la paridad de precios entre los slots de BigQuery y los costes de los servicios externos de Google Cloud.
Nota: Puedes añadir una asignación de tipo de trabajo ML_EXTERNAL a las reservas que quieras usar para crear modelos externos de BigQuery ML. Cuando los slots de la reserva se comparten entre tareas de QUERY/PIPELINE y ML_EXTERNAL, las tareas de QUERY/PIPELINE solo pueden usar los slots cuando estén disponibles. Por lo tanto, es importante asegurarse de que todas las tareas de QUERY y PIPELINE críticas se ejecuten en sus propias reservas, ya que las tareas de ML_EXTERNAL no se pueden interrumpir. Las tareas de ML_EXTERNAL no pueden usar ranuras inactivas de otras reservas. Por otro lado, si hay ranuras disponibles en esta reserva (con la asignación ML_EXTERNAL), las tareas de otras reservas (con ignore_idle_slots=false) pueden usarlas.
Nota: Para crear un modelo de AutoML Tables, necesitas aproximadamente 1000 slots de ML_EXTERNAL. El número de ranuras está sujeto a cambios en función de los precios del backend de las tablas de la plataforma de Gemini. Mientras tanto, el número de ranuras externas que se usan para entrenar otros modelos externos de BigQuery ML (como DNN, Boosted Tree, Random Forest, etc.) se determina de forma dinámica para escalar el trabajo de entrenamiento de forma horizontal. Más concretamente, el nivel de escalabilidad de entrenamiento de la plataforma de Gemini (configuraciones de máquinas virtuales para el trabajador principal, los servidores de parámetros y los trabajadores) se determina en el tiempo de ejecución en función del tamaño de los datos de entrenamiento y del tipo de modelo. A continuación, el servicio de BigQuery ML reserva un número de ranuras equivalente al precio total de las máquinas virtuales de tus reservas de ML_EXTERNAL.
