このドキュメントでは、 Google Cloudで生成 AI ワークロードを実行する際の Cloud Run functions のベスト プラクティスとガイドラインについて説明します。Vertex AI で Cloud Run functions を使用して、タスクの自動化、予測の提供、トレーニング ジョブのトリガー、他のサービスとの統合、イベント ドリブン ML パイプラインの構築を行います。
Vertex AI を使用した Cloud Run functions の次のユースケースを検討してください。
- データの前処理と後処理を行う機能: Cloud Run functions は、トレーニングまたは予測のために Vertex AI モデルにデータを送信する前に、データを前処理できます。たとえば、関数はデータのクリーニングと正規化を行ったり、データから特徴を抽出できます。同様に、Cloud Run functions は Vertex AI モデルの出力を後処理できます。たとえば、関数で出力データをフォーマットしたり、別のサービスに送信してさらに分析を行うことができます。
- Vertex AI トレーニング ジョブの自動トリガー: Vertex AI モデルのトレーニングを自動化するには、Cloud Storage、Pub/Sub、Cloud Scheduler などのさまざまな Google Cloud サービスからのイベントを使用して Cloud Run functions をトリガーします。たとえば、新しいファイルが Cloud Storage にアップロードされたときにトリガーされる関数を作成できます。この関数は、新しいデータでモデルをトレーニングする Vertex AI トレーニング ジョブを開始できます。
- 予測を提供する機能: Cloud Run functions は、Vertex AI モデルから予測を提供できます。これにより、インフラストラクチャを管理することなく、モデルの API エンドポイントを作成できます。たとえば、画像を入力として受け取り、Vertex AI 画像分類モデルから予測を出力する関数を作成できます。この関数を HTTP API エンドポイントとしてデプロイできます。
- イベント ドリブン ML ワークフロー: Cloud Run functions を使用して、イベント ドリブン ML ワークフローを構築できます。たとえば、新しいレコードが Pub/Sub トピックに追加されたときに、関数が Vertex AI 予測ジョブをトリガーできます。この関数を使用すると、データをリアルタイムで処理し、モデルの予測に基づいてアクションを実行できます。
- 他のサービスとのインテグレーション: Cloud Run functions を Cloud Storage、BigQuery、Cloud Firestore などの他の Google Cloud サービスと統合できます。インテグレーションにより、さまざまなサービスを接続する複雑な ML パイプラインを構築できます。
- 費用のスケーリング: Cloud Run functions では、関数が実行中に使用するリソースに対してのみ料金が発生します。また、Cloud Run functions は需要に合わせて自動的にスケーリングされるため、トラフィックのピーク時に適切なリソースを維持できます。
必要な Cloud Run functions コントロール
Cloud Run functions を使用する場合は、次のコントロールを実装することを強くおすすめします。
Cloud Run functions の VPC コネクタを必須にする
| Google コントロール ID | CF-CO-4.4 |
|---|---|
| カテゴリ | 必須 |
| 説明 |
|
| 対象プロダクト |
|
| パス | constraints/cloudfunctions.requireVPCConnector |
| 演算子 | = |
| 値 |
|
| 型 | ブール値 |
| 関連する NIST-800-53 コントロール |
|
| 関連する CRI プロファイル コントロール |
|
| 関連情報 |