Gemini in BigQuery – Übersicht

In diesem Dokument wird beschrieben, wie Gemini in BigQuery der Produktsuite Gemini für Google Cloud, bietet KI-gestützte Unterstützung, um Sie bei der Arbeit mit Ihren Daten zu unterstützen. Zusätzlich zur Gemini-Unterstützung können Sie mit BigQuery ML auch auf Vertex AI-Modelle und Cloud AI APIs zugreifen, um KI-Aufgaben wie Textgenerierung oder maschinelle Übersetzung auszuführen.

KI-Unterstützung mit Gemini in BigQuery

Gemini in BigQuery unterstützt Sie durch KI gehen Sie so vor:

  • Mithilfe von Dateneinblicken Daten auswerten und auswerten Daten zu allgemein verfügbar (GA) Insights bietet eine automatisierte, intuitive Möglichkeit, Muster aufzudecken und statistische Analysen mit aufschlussreichen Abfragen durchführen, aus den Metadaten Ihrer Tabellen generiert werden. Diese Funktion eignet sich besonders hilfreich bei der Bewältigung der Kaltstartherausforderungen der frühen Datenexploration. Weitere Informationen finden Sie unter Data Insights in BigQuery generieren.
  • Daten mit BigQuery-Daten erkennen, transformieren, abfragen und visualisieren (GA) Mit natürlicher Sprache können Tabellen-Assets finden, zusammenführen und abfragen, Ergebnisse visualisieren während des gesamten Prozesses mit anderen zusammenzuarbeiten. Weitere Informationen Siehe Mit Daten-Canvas analysieren.
  • Unterstützte SQL- und Python-Datenanalyse. Sie können Gemini in BigQuery verwenden, um Code in SQL oder Python und Erklären einer vorhandenen SQL-Abfrage. Sie können auch Abfragen in natürlicher Sprache, um mit der Datenanalyse zu beginnen. Informationen zum Generieren, Vervollständigen und Zusammenfassen von Code finden Sie in der folgenden Dokumentation:
  • Optimieren Sie Ihre Dateninfrastruktur mit Partitionierungs-, Clustering- und Empfehlungen für materialisierte Ansichten. Sie können BigQuery überwachen Sie Ihre SQL-Arbeitslasten, um Möglichkeiten zur Leistungsverbesserung und Kosten zu senken. Weitere Informationen finden Sie in der folgenden Dokumentation:
  • Serverlose Apache Spark-Arbeitslasten automatisch abstimmen und Fehler beheben (Vorabversion) Mit der automatischen Optimierung können Spark-Jobs automatisch optimiert werden, indem Konfigurationseinstellungen auf eine wiederkehrende Spark-Arbeitslast angewendet werden, die auf Best Practices und einer Analyse früherer Arbeitslastausführungen basieren. Erweiterte Fehlerbehebung mit Gemini in BigQuery kann Jobs erklären und einblenden und können umsetzbare Empfehlungen erhalten, wie sich langsame oder fehlgeschlagene Jobs. Weitere Informationen finden Sie unter Autotuning Spark. Arbeitslasten und Erweitert Fehlerbehebung.
  • SQL-Übersetzungen mit Übersetzungsregeln anpassen (Vorabversion) Mithilfe von Gemini-optimierten Übersetzungsregeln können Sie Ihre SQL-Übersetzungen anpassen, wenn Sie den interaktiven SQL-Übersetzer verwenden. Sie können Änderungen an der SQL-Übersetzungsausgabe mit oder SQL-Muster zum Suchen und Ersetzen angeben. Weitere Informationen finden Sie unter Erstellen Sie eine Übersetzungsregel.
Gemini in BigQuery nutzt Large Language Models (LLMs), werden von Google entwickelt. Die LLMs sind auf Milliarden offener Quellcode, Sicherheitsdaten und Google Cloud-spezifische Inhalte wie Dokumentation und Beispielcode.

Weitere Informationen dazu, wie und wann Gemini for Google Cloud Ihre Daten verwendet Da es sich bei Gemini für Google Cloud-Produkten um eine Technologie im Frühstadium handelt, kann es zu Ergebnissen kommen, die zwar plausibel erscheinen, aber faktisch falsch sind. Wir empfehlen Ihnen, alle Ausgaben von Gemini für Google Cloud-Produkte, bevor Sie sie verwenden. Weitere Informationen finden Sie unter Gemini für Google Cloud und Responsible AI:

Preise

Derzeit sind allgemein verfügbare Funktionen für alle Kunden ohne Aufpreis verfügbar. Im Laufe des Jahres 2024 wird Google bekannt geben, wie der Zugriff auf Gemini in BigQuery ist auf die folgenden Optionen beschränkt:

  • BigQuery Enterprise Plus: BigQuery Enterprise Plus bietet Zugriff auf alle allgemein verfügbaren Funktionen von Gemini in BigQuery. Künftige Ankündigungen Optionen für Kunden enthalten, die andere BigQuery- oder On-Demand-Computing, um Gemini in BigQuery zu verwenden Funktionen.

  • Paket pro Nutzer und Monat: Dieses Paket enthält Funktionen, die bei der Erstellung von datengestützten Anwendungen helfen, z. B. SQL-Codeassistent, Python-Codeassistent, Data Canvas, Datenerkenntnisse und Datenvorbereitung. Dieses Paket enthält keine und Fehlerbehebungsfunktionen.

Weitere Informationen finden Sie unter Preise für Gemini für Google Cloud.

Kontingente und Limits

Informationen zu Kontingenten und Limits für Gemini in BigQuery: Siehe Kontingente und Limits für Gemini für Google Cloud.

Wo Sie in BigQuery mit Gemini interagieren können

Nachdem Sie Gemini in BigQuery eingerichtet haben, können Sie mit Gemini in BigQuery Folgendes in BigQuery Studio tun:

Spark-Jobs automatisch abstimmen und Fehler beheben

Mit der automatischen Abstimmung können Sie Ihre Spark-Arbeitslasten Belastbarkeit. Anstatt Einstellungen manuell zu konfigurieren, BigQuery kann Best Practices auf wiederkehrende Arbeitslasten und können Sie die automatische Abstimmung verstehen und überwachen. Erweiterte Fehlerbehebung liefert Antworten in natürlicher Sprache auf „Was wurde automatisch abgestimmt?“, „Was passiert gerade?“ und „Was kann ich dagegen tun?“

Gemini in BigQuery einrichten

Eine ausführliche Anleitung zur Einrichtung finden Sie unter Richten Sie Gemini in BigQuery ein.

Nächste Schritte