In diesem Dokument wird beschrieben, wie Gemini in BigQuery, ein Produkt im Portfolio von Gemini für Google Cloud, KI-basierte Unterstützung für die Arbeit mit Ihren Daten bietet.
KI-Unterstützung mit Gemini in BigQuery
Gemini in BigQuery bietet folgende KI-Unterstützung:
- Mithilfe von Dateneinblicken Daten auswerten und auswerten (Vorschau) Data Insights bietet eine automatisierte, intuitive Möglichkeit, mithilfe von aufschlussreichen Abfragen, die aus den Metadaten Ihrer Tabellen generiert werden, Muster aufzudecken, die Datenqualität zu bewerten und statistische Analysen durchzuführen. Diese Funktion ist besonders hilfreich bei der Bewältigung der Kaltstartherausforderungen einer frühen Datenexploration. Weitere Informationen finden Sie unter Datenstatistiken in BigQuery generieren.
- Mit dem BigQuery-Daten-Canvas Daten erkennen, transformieren, abfragen und visualisieren (Vorschau) Mithilfe natürlicher Sprache können Sie Tabellenassets suchen, zusammenführen und abfragen, Ergebnisse visualisieren und während des gesamten Prozesses nahtlos mit anderen zusammenarbeiten. 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 zu generieren oder vorzuschlagen und eine vorhandene SQL-Abfrage zu erklären. Sie können auch Abfragen in natürlicher Sprache verwenden, um mit der Datenanalyse zu beginnen. Informationen zum Generieren, Vervollständigen und Zusammenfassen von Code finden Sie in der folgenden Dokumentation:
- Tool „Hilfe beim Programmieren“ (Vorabversion) verwenden
- 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 mit Empfehlungen für Partitionierung, Clustering und materialisierte Ansichten. Sie können BigQuery Ihre SQL-Arbeitslasten überwachen lassen, um Möglichkeiten zur Leistungsverbesserung und Kostensenkung zu ermitteln. Weitere Informationen finden Sie in der folgenden Dokumentation:
- Serverlose Apache Spark-Arbeitslasten automatisch abstimmen und Fehler beheben (Vorschau) Mit der automatischen Abstimmung können Spark-Jobs automatisch optimiert werden. Dazu werden Konfigurationseinstellungen auf eine wiederkehrende Spark-Arbeitslast angewendet, die auf Best Practices und einer Analyse früherer Arbeitslastausführungen basieren. Die erweiterte Fehlerbehebung mit Gemini kann Jobfehler erklären und einblenden und umsetzbare Empfehlungen zum Beheben langsamer oder fehlgeschlagener Jobs bieten. Weitere Informationen finden Sie unter Spark-Arbeitslasten automatisch abstimmen und Erweiterte Fehlerbehebung.
- SQL-Übersetzungen mit Übersetzungsregeln anpassen (Vorschau) Mit dem interaktiven SQL-Übersetzer können Sie mit Gemini optimierte Übersetzungsregeln erstellen, um Ihre SQL-Übersetzungen anzupassen. Sie können Änderungen an der SQL-Übersetzungsausgabe mithilfe von Prompts in natürlicher Sprache beschreiben oder SQL-Muster zum Suchen und Ersetzen angeben. Weitere Informationen finden Sie unter Übersetzungsregel erstellen.
Informationen dazu, wie und wann Gemini für Google Cloud Ihre Daten verwendet Als Technologie im Anfangsstadium kann Gemini für Google Cloud Ergebnisse generieren, die plausibel erscheinen, aber faktisch falsch sind. Wir empfehlen Ihnen, alle Ausgaben von Gemini für Google Cloud vor der Verwendung zu validieren. 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 mit Gemini in BigQuery Folgendes in BigQuery Studio ausführen:
- Wenn Sie Datenstatistiken verwenden möchten, rufen Sie den Tab Statistiken für einen Tabelleneintrag auf. Dort können Sie Muster erkennen, die Qualität bewerten und statistische Analysen für Ihre BigQuery-Daten ausführen.
- Zur Verwendung des Daten-Canvas erstellen Sie einen Daten-Canvas oder verwenden einen Daten-Canvas aus einer Tabelle oder Abfrage, um Daten-Assets mit natürlicher Sprache zu untersuchen und Ihre Canvases freizugeben.
- Um unterstützte SQL-Abfragen zu erhalten, verwenden Sie das Tool Hilfe beim Programmieren, mit dem Sie Ihre Abfrage iterieren, Quelldaten angeben und die Abfrage dann in BigQuery Studio einfügen können.
- Klicken Sie in der Symbolleiste der Google Cloud Console auf Partitionierung, Clustering und materialisierte Ansichten aufzurufen. Empfehlungen, um Empfehlungen für
- Wenn Sie SQL- oder Python-Code mithilfe von natürlicher Sprache generieren oder während der Eingabe Vorschläge mit automatischer Vervollständigung erhalten möchten, verwenden Sie das Tool Hilfe beim Programmieren für Ihre SQL-Abfragen oder Python-Code. Gemini kann Ihren SQL-Code auch in natürlicher Sprache erklären.
Spark-Jobs automatisch abstimmen und Fehler beheben
Mit der automatischen Abstimmung können Sie die Leistung und Robustheit Ihrer Spark-Arbeitslasten optimieren. Anstatt die Einstellungen manuell zu konfigurieren, kann Gemini Best Practices auf wiederkehrende Arbeitslasten anwenden und Ihnen dann helfen, die automatische Abstimmung zu verstehen und zu überwachen. Die erweiterte Fehlerbehebung bietet Antworten in natürlicher Sprache auf „Was wurde automatisch abgestimmt?“, „Was passiert jetzt?“ und „Was kann ich darüber tun?“
Gemini für Google Cloud in BigQuery einrichten
Eine ausführliche Anleitung zur Einrichtung finden Sie unter Gemini für Google Cloud in BigQuery einrichten.
Nächste Schritte
- Gemini in BigQuery einrichten
- Abfragen mit Unterstützung durch Gemini schreiben
- So verwendet Gemini für Google Cloud Ihre Daten
- Weitere Informationen zur Google Cloud-Compliance