Template Spanner ke Vertex AI Vector Search

Template untuk file Spanner ke Vertex AI Vector Search di Cloud Storage membuat pipeline batch yang mengekspor data penyematan vektor dari tabel Spanner ke Cloud Storage dalam format JSON. Gunakan parameter template untuk menentukan folder Cloud Storage tempat embedding vektor akan diekspor. Folder Cloud Storage berisi daftar file .json yang diekspor, yang mewakili penyematan vektor dalam format yang didukung oleh indeks Vertex AI Vector Search.

Untuk mengetahui informasi selengkapnya, lihat Format dan struktur data input.

Persyaratan pipeline

  • Database Spanner harus ada.
  • Bucket Cloud Storage untuk menghasilkan data harus ada.
  • Selain peran Identity and Access Management (IAM) yang diperlukan untuk menjalankan tugas Dataflow, Anda memerlukan peran IAM yang diperlukan untuk membaca data Spanner dan menulis ke bucket Cloud Storage.

Parameter template

Parameter yang diperlukan

  • spannerProjectId : Project ID instance Spanner.
  • spannerInstanceId : ID instance Spanner tempat embedding vektor diekspor.
  • spannerDatabaseId : ID database Spanner tempat embedding vektor diekspor.
  • spannerTable : Tabel Spanner yang akan dibaca.
  • spannerColumnsToExport : Daftar kolom yang dipisahkan koma yang diperlukan untuk indeks Vertex AI Vector Search. Kolom ID dan penyematan diperlukan oleh Vector Search. Jika nama kolom Anda tidak cocok dengan struktur input indeks Vertex AI Vector Search, buat pemetaan kolom menggunakan alias. Jika nama kolom tidak cocok dengan format yang diharapkan oleh Vertex AI, gunakan notasi from:to. Misalnya, jika Anda memiliki kolom bernama id dan my_embedding, tentukan id, my_embedding:embedding.
  • gcsOutputFolder : Folder Cloud Storage tempat file output akan ditulis. Jalur harus diakhiri dengan garis miring. (Contoh: gs://bucket-Anda/folder1/).
  • gcsOutputFilePrefix : Awalan nama file untuk menulis file output. (Contoh: vector-embeddings).

Parameter opsional

Menjalankan template

Konsol

  1. Buka halaman Create job from template Dataflow.
  2. Buka Buat tugas dari template
  3. Di kolom Nama tugas, masukkan nama tugas yang unik.
  4. Opsional: Untuk Endpoint regional, pilih nilai dari menu drop-down. Region defaultnya adalah us-central1.

    Untuk mengetahui daftar region tempat Anda dapat menjalankan tugas Dataflow, lihat Lokasi Dataflow.

  5. Dari menu drop-down Dataflow template, pilih the Spanner to Vertex AI Vector Search files on Cloud Storage template.
  6. Di kolom parameter yang disediakan, masukkan nilai parameter Anda.
  7. Klik Run job.

gcloud

Di shell atau terminal, jalankan template:

gcloud dataflow jobs run JOB_NAME \
    --gcs-location=gs://dataflow-templates-REGION_NAME/VERSION/Cloud_Spanner_vectors_to_Cloud_Storage \
    --project=PROJECT_ID \
    --region=REGION_NAME \
    --parameters \
       spannerProjectId=SPANNER_PROJECT_ID,\
       spannerInstanceId=SPANNER_INSTANCE_ID,\
       spannerDatabaseId=SPANNER_DATABASE_ID,\
       spannerTable=SPANNER_TABLE,\
       spannerColumnsToExport=SPANNER_COLUMNS_TO_EXPORT,\
       gcsOutputFolder=GCS_OUTPUT_FOLDER,\
       gcsOutputFilePrefix=GCS_OUTPUT_FILE_PREFIX,\

Ganti kode berikut:

  • JOB_NAME: nama tugas unik pilihan Anda
  • VERSION: versi template yang ingin Anda gunakan

    Anda dapat menggunakan nilai berikut:

  • REGION_NAME: region tempat Anda ingin men-deploy tugas Dataflow—misalnya, us-central1
  • SPANNER_PROJECT_ID: project ID Spanner
  • SPANNER_INSTANCE_ID: ID instance Spanner
  • SPANNER_DATABASE_ID: ID database Spanner
  • SPANNER_TABLE: tabel Spanner
  • SPANNER_COLUMNS_TO_EXPORT: kolom yang akan diekspor dari tabel Spanner
  • GCS_OUTPUT_FOLDER: folder Cloud Storage tempat file output akan disimpan
  • GCS_OUTPUT_FILE_PREFIX: awalan file output di Cloud Storage

API

Untuk menjalankan template menggunakan REST API, kirim permintaan POST HTTP. Untuk mengetahui informasi selengkapnya tentang API dan cakupan otorisasinya, lihat projects.templates.launch.

POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/LOCATION/templates:launch?gcsPath=gs://dataflow-templates-LOCATION/VERSION/Cloud_Spanner_vectors_to_Cloud_Storage
{
   "jobName": "JOB_NAME",
   "parameters": {
     "spannerProjectId": "SPANNER_PROJECT_ID",
     "spannerInstanceId": "SPANNER_INSTANCE_ID",
     "spannerDatabaseId": "SPANNER_DATABASE_ID",
     "spannerTable": "SPANNER_TABLE",
     "spannerColumnsToExport": "SPANNER_COLUMNS_TO_EXPORT",
     "gcsOutputFolder": "GCS_OUTPUT_FOLDER",
     "gcsOutputFilePrefix": "GCS_OUTPUT_FILE_PREFIX",
   },
   "environment": { "maxWorkers": "10" }
}

Ganti kode berikut:

  • PROJECT_ID: ID project Google Cloud tempat Anda ingin menjalankan tugas Dataflow
  • JOB_NAME: nama tugas unik pilihan Anda
  • VERSION: versi template yang ingin Anda gunakan

    Anda dapat menggunakan nilai berikut:

  • LOCATION: region tempat Anda ingin men-deploy tugas Dataflow—misalnya, us-central1
  • SPANNER_PROJECT_ID: project ID Spanner
  • SPANNER_INSTANCE_ID: ID instance Spanner
  • SPANNER_DATABASE_ID: ID database Spanner
  • SPANNER_TABLE: tabel Spanner
  • SPANNER_COLUMNS_TO_EXPORT: kolom yang akan diekspor dari tabel Spanner
  • GCS_OUTPUT_FOLDER: folder Cloud Storage tempat file output akan disimpan
  • GCS_OUTPUT_FILE_PREFIX: awalan file output di Cloud Storage

Langkah selanjutnya