Gemini Code Assist-Messwerte generieren

In diesem Dokument wird beschrieben, wie Sie Gemini Code Assist-Messwerte generieren. Sie können beispielsweise Messwerte erstellen, die die tägliche aktive Nutzung oder die Akzeptanz von Code-Empfehlungen für eine Vielzahl von Google Cloud -Produkten, einschließlich Cloud Logging, Google Cloud CLI, Cloud Monitoring und BigQuery, erfassen.

Wenn Sie Logs für Gemini für Google Cloud-Prompts, ‑Antworten und ‑Metadaten aktivieren und aufrufen möchten, lesen Sie Gemini für Google Cloud -Logs ansehen.

Vorbereitung

Anzahl der einzelnen Nutzer auflisten

In der folgenden Anleitung wird beschrieben, wie Sie mit der gcloud CLI die Anzahl der einzelnen Nutzer von Gemini Code Assist im letzten Zeitraum von 28 Tagen auflisten können.

  1. Prüfen Sie in einer Shell-Umgebung, ob Sie alle installierten Komponenten der gcloud CLI auf die aktuelle Version aktualisiert haben:

    gcloud components update

  2. Lesen Sie die Logeinträge für Gemini Code Assist-Nutzer und ‑Nutzung:

    gcloud logging read 'resource.type=cloudaicompanion.googleapis.com/Instance labels.product=~"code_assist"' \
--freshness 28d \
--project PROJECT_ID \
--format "csv(timestamp.date('%Y-%m-%d'),labels.user_id)"

    Ersetzen Sie dabei PROJECT_ID durch die ID Ihres Projekts in Google Cloud .

    Mit dem Unix-Befehl uniq können Sie Nutzer pro Tag eindeutig identifizieren.

    Die Ausgabe sieht etwa so aus:

    2024-10-30,user1@company.com
2024-10-29,user2@company.com
2024-10-29,user2@company.com
2024-10-29,user2@company.com
2024-10-29,user1@company.com
2024-10-28,user1@company.com

Diagramm der täglichen Nutzung erstellen

In den folgenden Schritten wird beschrieben, wie Sie mit Monitoring Diagramme der täglichen Nutzung erstellen können, in denen die Gesamtzahl der täglich aktiven Gemini Code Assist-Nutzer sowie die Anzahl der Anfragen pro Tag dargestellt werden.

  1. Erstellen Sie einen Monitoring-Messwert aus Ihren Logdaten, der die Anzahl der Gemini Code Assist-Nutzer erfasst:

    1. Rufen Sie in der Google Cloud Console die Seite Log-Explorer auf:

      Zum Log-Explorer

      Wenn Sie diese Seite über die Suchleiste suchen, wählen Sie das Ergebnis aus, dessen Zwischenüberschrift Logging ist.

    2. Geben Sie in das Abfragefeld den folgenden Wert ein und klicken Sie auf Abfrage ausführen:

       resource.type="cloudaicompanion.googleapis.com/Instance" AND labels.product="code_assist" AND jsonPayload.@type="type.googleapis.com/google.cloud.cloudaicompanion.logging.v1.ResponseLog"

    3. Klicken Sie in der Symbolleiste auf Aktionen und wählen Sie dann Messwert erstellen aus.

      Das Dialogfeld Logbasierten Messwert erstellen wird angezeigt.

    4. Konfigurieren Sie die folgenden Messwertdetails:

      • Achten Sie darauf, dass der Messwerttyp auf Zähler festgelegt ist.
      • Geben Sie dem Messwert den Namen code_assist_example.

      • Achten Sie darauf, dass die Filterauswahl auf den Speicherort Ihrer Logs verweist, entweder Projekt oder Bucket.

        Informationen zum Generieren von Monitoring-Messwerten aus Ihren Logdaten finden Sie unter Logbasierte Messwerte – Übersicht.

    5. Klicken Sie auf Messwert erstellen.

      Es wird ein Erfolgsbanner angezeigt, in dem erklärt wird, dass der Messwert erstellt wurde.

    6. Klicken Sie darin auf Im Metrics Explorer ansehen.

      Der Metrics Explorer wird geöffnet und zeigt ein vorkonfiguriertes Diagramm an.

  2. Speichern Sie das Diagramm in einem Dashboard:

    1. Klicken Sie in der Symbolleiste auf Diagramm speichern.
    2. Optional: Aktualisieren Sie den Diagrammtitel.
    3. Verwenden Sie das Menü Dashboard, um ein vorhandenes benutzerdefiniertes Dashboard auszuwählen oder ein neues zu erstellen.
    4. Klicken Sie auf Diagramm speichern.

Nutzung mit BigQuery analysieren

In den folgenden Schritten wird beschrieben, wie Sie Ihre Logdaten mit BigQuery analysieren können.

Es gibt zwei Möglichkeiten, Ihre Logdaten in BigQuery zu analysieren:

  • Erstellen Sie eine Logsenke und exportieren Sie Ihre Logdaten in ein BigQuery-Dataset.
  • Führen Sie ein Upgrade des Log-Buckets durch, in dem Ihre Logdaten gespeichert sind, um Loganalysen zu verwenden, und erstellen Sie dann ein verknüpftes BigQuery-Dataset.

Bei beiden Ansätzen können Sie Ihre Logdaten mit SQL abfragen und analysieren und die Ergebnisse dieser Abfragen in einem Diagramm darstellen. Wenn Sie Loganalysen verwenden, können Sie die Diagramme in einem benutzerdefinierten Dashboard speichern. Es gibt jedoch Preisunterschiede. Weitere Informationen finden Sie unter Preisübersicht für Loganalysen und BigQuery-Preise.

In diesem Abschnitt wird beschrieben, wie Sie eine Logsenke erstellen, um ausgewählte Logeinträge nach BigQuery zu exportieren. Außerdem finden Sie hier eine Liste mit Beispielabfragen. Weitere Informationen zu Loganalysen finden Sie unter Logs mit Log Analytics abfragen und analysieren und Verknüpftes BigQuery-Dataset abfragen.

Logsenke erstellen

  1. Rufen Sie in der Google Cloud Console die Seite Logs Router auf.

    Zu Logs Router

    Wenn Sie diese Seite über die Suchleiste suchen, wählen Sie das Ergebnis aus, dessen Zwischenüberschrift Logging ist.

  2. Wählen Sie das Google Cloud -Projekt aus, aus dem die Logeinträge stammen, die Sie weiterleiten möchten.
  3. Wählen Sie Senke erstellen aus.

  4. Geben Sie im Bereich Senkendetails die folgenden Details ein:

    • Geben Sie als Name der Senke eine Kennzeichnung für die Senke an. Nachdem Sie die Senke erstellt haben, können Sie sie nicht mehr umbenennen, aber löschen und eine neue erstellen.

    • Geben Sie unter Beschreibung der Senke den Zweck oder den Anwendungsfall für die Senke an.

  5. Konfigurieren Sie im Bereich Senkenziel die folgenden Details:

    • Wählen Sie unter Senkendienst auswählen die Option BigQuery-Dataset aus.
    • Erstellen Sie unter BigQuery-Dataset auswählen ein neues Dataset und geben Sie ihm den Namen code_assist_bq.

  6. Öffnen Sie den Bereich Logs auswählen, die in der Senke enthalten sind und geben Sie im Feld Einschlussfilter erstellen Folgendes ein:

    resource.type="cloudaicompanion.googleapis.com/Instance" AND labels.product="code_assist"

  7. Optional: Wenn Sie prüfen möchten, ob Sie den richtigen Filter eingegeben haben, wählen Sie Logvorschau ansehen aus. Der Log-Explorer wird in einem neuen Tab geöffnet, auf dem der Filter bereits ausgefüllt ist.

  8. Klicken Sie auf Senke erstellen.

Logsenke zum Schreiben von Logeinträgen in das Dataset autorisieren

Wenn Sie Inhaberzugriff auf das BigQuery-Dataset haben, erteilt Cloud Logging der Logsenke die erforderlichen Berechtigungen zum Schreiben von Logdaten.

Falls Sie keinen Inhaberzugriff haben oder keine Einträge im Dataset sehen, hat die Logsenke möglicherweise nicht die erforderlichen Berechtigungen. Folgen Sie der Anleitung unter Zielberechtigungen festlegen, um diesen Fehler zu beheben.

Abfragen

Mit den folgenden BigQuery-Beispielabfragen können Sie Nutzer- und aggregierte Daten zur täglichen aktiven Nutzung und generierten Vorschlägen erstellen.

Bevor Sie die folgenden Beispielabfragen verwenden können, benötigen Sie den voll qualifizierten Pfad für die neu erstellte Senke. So rufen Sie den Pfad ab:

  1. Öffnen Sie in der Google Cloud Console die Seite BigQuery.

    BigQuery aufrufen

  2. Suchen Sie in der Ressourcenliste nach dem Dataset mit dem Namen code_assist_bq. Diese Daten sind das Senkenziel.

  3. Wählen Sie die Tabelle mit den Antworten unter code_assist_bq_dataset aus und klicken Sie auf das Symbol für das Dreipunkt-Menü  und dann auf ID kopieren, um die Dataset-ID zu generieren. Notieren Sie sich den Wert, damit Sie ihn in den folgenden Abschnitten als GENERATED_BIGQUERY_TABLE-Variable verwenden können.

Einzelne Nutzer nach Tag auflisten

SELECT DISTINCT labels.user_id as user, DATE(timestamp) as use_date
FROM GENERATED_BIGQUERY_TABLE
ORDER BY use_date

Ersetzen Sie GENERATED_BIGQUERY_TABLE durch den voll qualifizierten Pfad der BigQuery-Antworttabelle, den Sie in den vorherigen Schritten zum Erstellen einer Senke notiert haben.

Aggregierte Nutzer nach Tag auflisten

SELECT COUNT(DISTINCT labels.user_id) as total_users, DATE(timestamp) as use_date
FROM GENERATED_BIGQUERY_TABLE
GROUP BY use_date
ORDER BY use_date

Einzelne Anfragen pro Tag nach Nutzer auflisten

SELECT COUNT(*), DATE(timestamp) as use_date, labels.user_id as user
FROM GENERATED_BIGQUERY_TABLE
GROUP BY use_date, user
ORDER BY use_date

Aggregierte Anfragen pro Tag nach Datum auflisten

SELECT COUNT(*), DATE(timestamp) as use_date
FROM GENERATED_BIGQUERY_TABLE
GROUP BY use_date
ORDER BY use_date

Weitere Informationen