In diesem Dokument wird beschrieben, wie Gemini in BigQuery, ein Produkt in der Das Portfolio von Gemini für Google Cloud bietet KI-gestützte Unterstützung bei der Arbeit mit Ihren Daten
KI-Unterstützung mit Gemini in BigQuery
Gemini in BigQuery bietet KI-Unterstützung in auf folgende Arten:
- Mithilfe von Dateneinblicken Daten auswerten und auswerten Daten (Vorschau) Insights bietet eine automatisierte, intuitive Möglichkeit, Muster aufzudecken, zu bewerten Datenqualität und statistische Analysen durch aufschlussreiche Abfragen die aus den Metadaten Ihrer Tabellen generiert werden. Diese Funktion eignet sich besonders hilfreich bei der Bewältigung der Kaltstartherausforderungen einer frühen Datenexploration. Weitere Informationen finden Sie unter Datenstatistiken in BigQuery generieren
- Daten mit BigQuery-Daten erkennen, transformieren, abfragen und visualisieren (Vorschau) Mit natürlicher Sprache können Sie suchen, verknüpfen und abfragen Tabellen-Assets, Ergebnisse visualisieren und nahtlos mit anderen zusammenarbeiten während des gesamten Prozesses. Weitere Informationen finden Sie unter 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. Um zu lernen, wie Sie
vervollständigen und zusammenfassen, finden Sie in der folgenden Dokumentation:
<ph type="x-smartling-placeholder">
- </ph>
- Tool „Hilfe beim Programmieren“ verwenden (Vorschau)
- Aufforderung zum Generieren von SQL-Abfragen (Vorschau)
- SQL-Abfrage ausführen (Vorschau)
- SQL-Abfrage erklären (Vorschau)
- Python-Code generieren (Vorschau)
- Python-Codevervollständigung (Vorschau)
- Optimieren Sie Ihre Dateninfrastruktur durch Partitionierung, 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:
<ph type="x-smartling-placeholder">
- </ph>
- Partitions- und Clusterempfehlungen ansehen (Vorschau)
- Empfehlungen für materialisierte Ansichten verwalten (Vorschau)
- Serverlose Apache Spark-Arbeitslasten automatisch abstimmen und Fehler beheben (Vorschau) Mit der automatischen Abstimmung können Spark-Jobs automatisch durch Anwenden von Konfigurationseinstellungen für eine wiederkehrende Spark-Arbeitslast basierend auf und eine Analyse früherer Arbeitslastausführungen. Erweiterte Fehlerbehebung mit Gemini Jobfehler erklären und aufdecken und geben Sie umsetzbare Empfehlungen, um langsame oder fehlgeschlagene Jobs zu beheben. Weitere Informationen finden Sie unter Spark-Arbeitslasten automatisch abstimmen und Erweiterte Fehlerbehebung.
- SQL-Übersetzungen mit Übersetzungsregeln anpassen (Vorschau) Regeln für mit Gemini optimierte Übersetzungen erstellen, um Ihre SQL-Übersetzungen bei Verwendung des interaktiven SQL-Übersetzer. 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.
Wie und wann Gemini funktioniert für Google Cloud nutzt Ihre Daten. Als Technologie in der Frühphase kann Gemini für Google Cloud-Produkte eine Ausgabe generieren, die plausibel erscheint, aber faktisch falsch ist. 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:
Wo Sie mit Gemini interagieren können
Nachdem Sie Gemini in BigQuery eingerichtet haben, können Sie Folgendes verwenden: mit Gemini in BigQuery: in BigQuery Studio:
- Um Datenerkenntnisse zu nutzen, rufen Sie den Tab Statistiken auf, um einen Tabelleneintrag aufzurufen, Hier können Sie Muster erkennen, die Qualität bewerten und statistische Analyse Ihrer BigQuery-Daten.
- Um den Daten-Canvas zu verwenden, Daten-Canvas erstellen oder Daten-Canvas verwenden aus einer Tabelle oder Abfrage aus, um Daten-Assets mit natürlicher Sprache und Ihre Leinwände zu teilen.
- Um unterstützte SQL-Abfragen zu erhalten, das Tool Hilfe beim Programmieren verwenden, iterieren Sie Ihre Abfrage, geben Sie Quelldaten an und fügen Sie die Abfrage in BigQuery Studio ein.
- Zum Anzeigen von Empfehlungen für Partitionierung, Clustering, und materialisierte Ansichten Klicken Sie auf Empfehlungen. in der Symbolleiste der Google Cloud Console.
- Um SQL- oder Python-Code in natürlicher Sprache zu generieren, oder automatische Vervollständigung während der Eingabe, Hilfe beim Programmieren SQL-Abfragen oder Python-Code Gemini kann auch und erklären Ihren SQL-Code in natürlicher Sprache.
Spark-Jobs automatisch abstimmen und Fehler beheben
Mit der automatischen Abstimmung können Sie Ihre Spark-Arbeitslasten Belastbarkeit. Anstatt Einstellungen manuell zu konfigurieren, kann Gemini Best Practices auf wiederkehrende Arbeitslasten anwenden, um zu verstehen, die automatische Abstimmung überwachen. Erweiterte Fehlerbehebung bietet Funktionen in natürlicher Sprache auf „Was wurde automatisch abgestimmt?“, „Was geschieht jetzt?“ und „Was kann ich tun?“ darüber sprechen?“
Gemini in BigQuery einrichten
Eine ausführliche Anleitung zur Einrichtung finden Sie unter Richten Sie Gemini in BigQuery ein.
Nächste Schritte
- Hier erfahren Sie, wie Sie Gemini in BigQuery einrichten.
- Hier erfahren Sie, wie Sie Abfragen mit Unterstützung durch Gemini schreiben.
- Weitere Informationen Gemini für Google Cloud verwendet Ihre Daten.
- Weitere Informationen zu Google Cloud-Compliance.