Ce document explique comment Gemini dans BigQuery, qui est un produit Gemini pour Google Cloud, fournit Une assistance basée sur l'IA pour vous aider à exploiter vos données.
Assistance par IA avec Gemini dans BigQuery
Gemini dans BigQuery offre une assistance basée sur l'IA dans de différentes manières:
- Explorez et comprenez vos données grâce aux insights sur les données. (Aperçu) Données constituent un moyen automatisé et intuitif d'identifier des tendances, d'évaluer la qualité des données et effectuer des analyses statistiques à l'aide de requêtes pertinentes générées à partir des métadonnées de vos tables. Cette fonctionnalité est particulièrement utiles pour relever les défis de démarrage à froid liés à l'exploration précoce des données. Pour en savoir plus, consultez Générer des insights dans BigQuery
- Découvrir, transformer, interroger et visualiser des données à l'aide des données BigQuery canevas. (Aperçu) Le langage naturel vous permet de rechercher, joindre et interroger de table, visualiser les résultats et collaborer facilement tout au long du processus. Pour en savoir plus, consultez Analyser avec le canevas de données :
- Bénéficiez d'une aide à l'analyse de données SQL et Python. Vous pouvez utiliser
Gemini dans BigQuery
pour générer ou suggérer du code
SQL ou Python, et d'expliquer
une requête SQL existante. Vous pouvez également utiliser
des requêtes en langage naturel
pour commencer l’analyse de données. Pour apprendre à générer,
et résumer le code, consultez la documentation suivante:
- Utiliser l'outil M'aider à coder (Aperçu)
- Demander à générer des requêtes SQL (Aperçu)
- Exécuter une requête SQL (Aperçu)
- Expliquer une requête SQL (Aperçu)
- Générer du code Python (Aperçu)
- Complétion de code Python (Aperçu)
- Optimisez votre infrastructure de données avec le partitionnement, le clustering recommandations concernant les vues matérialisées. Vous pouvez laisser BigQuery de surveiller vos charges de travail SQL afin d'identifier des opportunités d'amélioration des performances réduire les coûts. Pour en savoir plus, consultez la documentation suivante:
- Réglez automatiquement les charges de travail Apache Spark sans serveur et dépannez-les. (Preview) Le réglage automatique permet d'optimiser automatiquement les jobs Spark en appliquant des paramètres de configuration à une charge de travail Spark récurrente en fonction pratiques et une analyse des exécutions de charge de travail antérieures. Dépannage avancé avec Gemini peut expliquer et identifier les erreurs de tâches, proposer des recommandations concrètes pour corriger les jobs lents ou ayant échoué. Pour plus pour en savoir plus, consultez Réglage automatique des charges de travail Spark et Dépannage avancé
- Personnalisez vos traductions SQL avec des règles de traduction. (Aperçu) Créez des règles de traduction améliorée par Gemini pour personnaliser votre des traductions SQL lorsque vous utilisez traducteur SQL interactif. Vous pouvez décrire les modifications apportées à la sortie de traduction SQL en utilisant des requêtes en langage de programmation ou spécifier des modèles SQL à rechercher et à remplacer. Pour plus pour en savoir plus, consultez Créez une règle de traduction.
Découvrez comment et quand Gemini pour Google Cloud utilise vos données. Comme il s'agit d'une technologie qui en est encore à un stade précoce, les produits Gemini pour Google Cloud peuvent générer une sortie qui semble plausible, mais qui est en fait incorrecte. Nous vous recommandons de valider tous les résultats des produits Gemini pour Google Cloud avant que vous ne les utilisiez. Pour plus pour en savoir plus, consultez Gemini pour Google Cloud et l'IA responsable.
Où interagir avec Gemini
Après avoir configuré Gemini dans BigQuery, vous pouvez utiliser Gemini dans BigQuery pour effectuer les opérations suivantes : dans BigQuery Studio:
- Pour utiliser les insights, Accédez à l'onglet Insights pour rechercher une entrée de table, qui vous permettent d'identifier des tendances, d'évaluer la qualité de vos données BigQuery.
- Pour utiliser le canevas de données, créer un canevas de données ou utiliser un canevas de données à partir d'une table ou d'une requête pour explorer les éléments de données avec le langage naturel partagez vos toiles.
- Pour obtenir de l'aide sur les requêtes SQL, utilisez l'outil M'aider à coder, qui vous permet itérer sur la requête, spécifier les données sources, insérer la requête dans BigQuery Studio.
- Pour afficher les recommandations pour partitionnement, clustering et vues matérialisées, cliquez sur Recommandations dans la barre d'outils de la console Google Cloud.
- Utiliser le langage naturel pour générer du code SQL ou Python, ou recevoir des suggestions avec saisie semi-automatique lors de la saisie, utilisez l'outil M'aider à coder dans les requêtes SQL ou Code Python. Gemini peut aussi à expliquer votre code SQL en langage naturel.
Réglage automatique et dépannage des jobs Spark
Le réglage automatique peut vous aider à optimiser les performances de vos charges de travail Spark et la résilience. Au lieu de configurer manuellement les paramètres, Gemini peut appliquer les bonnes pratiques pour les charges de travail récurrentes, puis vous aider à comprendre et pour surveiller le réglage automatique. Le dépannage avancé fournit un langage naturel répond à la question "Qu'est-ce qui a été réglé automatiquement ?", "Que se passe-t-il maintenant ?" et "Que puis-je faire ?" à ce sujet ? »
Configurer Gemini dans BigQuery
Pour connaître la procédure de configuration détaillée, consultez Configurer Gemini dans BigQuery
Étape suivante
- Découvrez comment configurer Gemini dans BigQuery.
- Découvrez comment écrire des requêtes avec l'aide de Gemini.
- En savoir plus Gemini pour Google Cloud utilise vos données.
- En savoir plus sur Conformité Google Cloud