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 slots) 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 trabajos 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 de CREATE MODEL para los modelos integrados de BigQuery ML. El entrenamiento de modelos y las consultas analíticas integrados comparten el mismo grupo de recursos en sus reservas asignadas y tienen el mismo comportamiento en cuanto a la posibilidad de ser interrumpidos y al uso de espacios inactivos 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 ello, para que otras cargas de trabajo no se vean afectadas, solo se pueden usar las reservas con la asignación de tipo de trabajo ML_EXTERNAL para estos trabajos externos.En Gestión de cargas de trabajo de reservas se describe cómo crear reservas para tareas de entrenamiento de modelos externos. El uso de slots por trabajo 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 trabajos de QUERY/PIPELINE y ML_EXTERNAL comparten las ranuras de una reserva, los trabajos de QUERY/PIPELINE solo pueden usar las ranuras cuando están disponibles. Por eso, es importante asegurarse de que todos los trabajos críticos de QUERY y PIPELINE se ejecuten en sus propias reservas, ya que los trabajos de ML_EXTERNAL no son interrumpibles.Los trabajos de ML_EXTERNAL no pueden usar los recursos inactivos de otras reservas. Por otro lado, si hay ranuras disponibles en esta reserva (con la asignación ML_EXTERNAL), los trabajos 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 slots está sujeto a cambios en función de los precios de Gemini platform tables backend. Mientras tanto, el número de slots externos 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 horizontalmente. Más concretamente, el nivel de escalabilidad de entrenamiento de la plataforma Gemini (configuraciones de máquinas virtuales para el trabajador principal, los servidores de parámetros y los trabajadores) se determina en tiempo de ejecución en función del tamaño de los datos de entrenamiento y del tipo de modelo. A continuación, el servicio BigQuery ML reserva un número de slots equivalente al precio total de las máquinas virtuales de tus reservas de ML_EXTERNAL.
