このドキュメントでは、Gemini for Google Cloud ポートフォリオのプロダクトである AI を活用した支援機能でデータの処理を支援する方法について説明します。
Gemini in BigQuery を使用した AI アシスタンス
Gemini in BigQuery は、次の方法で AI アシスタンスを提供します。
- データ インサイトを使用してデータを探索し、理解する。データ インサイトは、テーブルのメタデータから生成された知見に富んだクエリを使用して、パターンの発見、データ品質の評価、統計分析を実行する自動かつ直感的な方法を提供します。この機能は特に初期のデータ探索におけるコールド スタートの課題に対処するのに役立ちます。 詳細については、BigQuery でデータ インサイトを生成するをご覧ください。
- BigQuery データ キャンバスでデータを検出、変換、クエリ、可視化します。（プレビュー）自然言語を使用して、テーブル アセットの検索、結合、クエリ、結果の可視化、プロセス全体を通して他のユーザーとのシームレスなコラボレーションを行うことができます。詳細については、データ キャンバスで分析するをご覧ください。
- SQL および Python のデータ分析アシスト機能を利用する。Gemini in BigQuery を使用すると、SQL または Python でコードを生成または提案し、既存の SQL クエリを説明できます。自然言語クエリを使用してデータ分析を開始することもできます。生成方法については、次のドキュメントを参照してください。
- コーディング サポート ツールを使用する（プレビュー）
- SQL クエリを生成するプロンプト （プレビュー）
- SQL クエリを完了する （プレビュー）
- SQL クエリについて説明する （プレビュー）
- Python コードを生成する（プレビュー）
- Python コード補完（プレビュー）
- パーティショニング、クラスタリング、マテリアライズド ビューの推奨事項をご覧ください。BigQuery で SQL ワークロードをモニタリングし、パフォーマンスの向上とコスト削減の機会を探すことができます。詳細については、以下のドキュメントをご覧ください。
- パーティションとクラスタの推奨事項を表示する （プレビュー）
- マテリアライズド ビューの推奨事項を管理する （プレビュー）
- サーバーレス Apache Spark ワークロードの自動チューニングとトラブルシューティング。自動チューニングでは、ベスト プラクティスと以前のワークロード実行の分析に基づいて、繰り返しの Spark ワークロードに構成設定を適用することで、Spark ジョブを自動的に最適化できます。Gemini による高度なトラブルシューティングにより、ジョブエラーを説明して表面化し、遅いジョブや失敗したジョブを修正するための実行可能な推奨事項を提示できます。詳細は、Spark ワークロードの自動チューニングおよび高度なトラブルシューティングをご覧ください。
- 変換ルールを使用して SQL 変換をカスタマイズする。インタラクティブ SQL トランスレータを使用するときに、Gemini 拡張変換ルールを作成して SQL 変換をカスタマイズします。自然言語プロンプトを使用して SQL 変換出力の変更を記述したり、検索と置換を行う SQL パターンを指定したりできます。詳細については、変換ルールを作成するをご覧ください。
Gemini for Google Cloud がデータを使用する方法とタイミングについての説明をご確認ください。Gemini for Google Cloud は初期段階のテクノロジーであるため、もっともらしく見えても事実に反する出力を生成する場合があります。Gemini for Google Cloud からのすべての出力を使用する前に検証することをおすすめします。詳細については、Google Cloud の Gemini と責任ある AI をご覧ください。
Gemini を操作する場所
Gemini in BigQuery を設定すると、Gemini in BigQuery を使用して BigQuery Studio で次のことができます。
- データ インサイトを使用するには、テーブル エントリの [インサイト] タブに移動して、BigQuery データ全体でパターンの特定、品質の評価、統計の実行を行うことができます。
- データキャンバスを使用するには、データキャンバスを作成するか、データキャンバスを使用して、テーブルまたはクエリから自然言語でデータアセットを探索し、キャンバスを共有します。
- アシストされた SQL クエリを取得するには、コーディング サポート ツールを使用します。このツールを使用すると、クエリを反復処理し、ソースデータを指定してから、クエリを BigQuery Studio に挿入できます。
- パーティショニング、クラスタリングおよびマテリアライズド ビューに関する推奨事項を表示するには、Google Cloud コンソールのツールバーの [推奨事項]をクリックします。
- 自然言語を使用して SQL や Python コードを生成する場合や、入力にオートコンプリートで候補を表示するには、SQL クエリまたは Python コード用のコーディング サポート ツールを使用します。Gemini では SQL コードを自然言語で説明することもできます。
Spark ジョブの自動チューニングとトラブルシューティング
自動調整により、Spark ワークロードをパフォーマンスと回復性に最適化できます。手動で設定を構成する代わりに、Gemini では定期的なワークロードのベスト プラクティスを適用して、自動チューニングの理解とモニタリングに役立てることができます。高度なトラブルシューティングでは、「自動チューニングされたものは？」、「今何が起きているのでしょうか」、「それに対して何ができますか？」に対する自然言語の回答が提供されます。
BigQuery で Gemini for Google Cloud を設定する
詳細な設定手順については、Gemini in Colab Enterprise を設定するをご覧ください。
次のステップ
- Gemini in BigQuery を設定する方法を学習する。
- Gemini アシスタンスを使用してクエリを作成する方法を学習する。
- Gemini for Google Cloud がデータを使用する方法を学習する。
- Google Cloud コンプライアンスの詳細を確認する。