Membuat metrik Gemini Code Assist dengan Logging

Dokumen ini menjelaskan cara membuat metrik Gemini Code Assist. Misalnya, Anda dapat membuat metrik yang melaporkan penggunaan aktif harian atau penerimaan rekomendasi kode untuk berbagai produk Google Cloud, termasuk Cloud Logging, Google Cloud CLI, Cloud Monitoring, dan BigQuery.

Sebelum memulai

Mencantumkan jumlah pengguna unik

Petunjuk berikut menjelaskan cara menggunakan gcloud CLI untuk mencantumkan jumlah pengguna unik Gemini Code Assist dalam periode 28 hari terbaru:

  1. Di lingkungan shell, pastikan Anda telah mengupdate semua komponen gcloud CLI yang diinstal ke versi terbaru:

    gcloud components update

  2. Baca entri log untuk pengguna dan penggunaan Gemini Code Assist:

    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)"

    Ganti PROJECT_ID dengan ID project Google Cloud Anda.

    Anda dapat menggunakan perintah Unix uniq untuk mengidentifikasi pengguna secara unik setiap hari.

    Outputnya mirip dengan hal berikut ini:

    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

Membuat diagram yang menampilkan penggunaan harian

Langkah-langkah berikut menunjukkan cara menggunakan Monitoring untuk membuat grafik penggunaan harian yang menampilkan total gabungan pengguna Gemini Code Assist yang aktif setiap hari dan jumlah permintaan mereka per hari.

  1. Buat metrik Monitoring dari data log yang mencatat jumlah pengguna Gemini Code Assist:

    1. Di konsol Google Cloud, buka halaman Logs Explorer:

      Buka Logs Explorer

      Jika Anda menggunakan kotak penelusuran untuk menemukan halaman ini, pilih hasil yang subjudulnya adalah Logging.

    2. Di panel kueri, masukkan kueri berikut, lalu klik Run query:

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

    3. Di toolbar, klik Tindakan, lalu pilih Buat metrik.

      Dialog Create log-based metric akan muncul.

    4. Konfigurasikan detail metrik berikut:

      • Pastikan Jenis Metrik disetel ke Penghitung.
      • Beri nama metrik code_assist_example.

      • Pastikan Filter selection ditetapkan untuk mengarah ke lokasi penyimpanan log Anda, baik Project maupun Bucket.

        Untuk informasi tentang cara membuat Metrik pemantauan dari data log, lihat Ringkasan metrik berbasis log.

    5. Klik Create metric.

      Banner keberhasilan akan ditampilkan, yang menjelaskan bahwa metrik telah dibuat.

    6. Di banner sukses tersebut, klik Lihat di Metrics Explorer.

      Metrics Explorer akan terbuka dan menampilkan diagram yang telah dikonfigurasi sebelumnya.

  2. Simpan diagram ke dasbor:

    1. Di toolbar, klik Simpan diagram.
    2. Opsional: Perbarui judul diagram.
    3. Gunakan menu Dasbor untuk memilih dasbor kustom yang ada atau membuat dasbor baru.
    4. Klik Simpan diagram.

Menganalisis penggunaan menggunakan BigQuery

Langkah-langkah berikut menunjukkan cara menggunakan BigQuery untuk menganalisis data log Anda.

Ada dua pendekatan yang dapat Anda gunakan untuk menganalisis data log di BigQuery:

  • Buat sink log dan ekspor data log Anda ke set data BigQuery.
  • Upgrade bucket log yang menyimpan data log Anda untuk menggunakan Log Analytics, lalu buat set data BigQuery tertaut.

Dengan kedua pendekatan tersebut, Anda dapat menggunakan SQL untuk membuat kueri dan menganalisis data log, serta Anda dapat memetakan hasil kueri tersebut. Jika menggunakan Log Analytics, Anda dapat menyimpan diagram ke dasbor kustom. Namun, ada perbedaan harga. Untuk mengetahui detailnya, lihat harga Log Analytics dan harga BigQuery.

Bagian ini menjelaskan cara membuat sink log untuk mengekspor entri log tertentu ke BigQuery, dan memberikan daftar contoh kueri. Jika Anda ingin mengetahui Log Analytics lebih lanjut, lihat Mengkueri dan menganalisis log dengan Log Analytics dan Mengkueri set data BigQuery tertaut.

Membuat log sink

  1. Di konsol Google Cloud, buka halaman Log Router:

    Buka Router Log

    Jika Anda menggunakan kotak penelusuran untuk menemukan halaman ini, pilih hasil yang subjudulnya adalah Logging.

  2. Pilih project Google Cloud tempat entri log yang ingin Anda rutekan berasal.
  3. Pilih Create sink.

  4. Di panel Sink details, masukkan detail berikut:

    • Untuk Sink name, berikan ID untuk sink. Setelah membuat sink, Anda tidak dapat mengganti namanya, tetapi dapat menghapusnya dan membuat sink baru.

    • Untuk Deskripsi sink, jelaskan tujuan atau kasus penggunaan untuk sink.

  5. Di panel Sink destination, konfigurasikan detail berikut:

    • Untuk Select sink service, pilih BigQuery dataset.
    • Untuk Select BigQuery dataset, buat set data BigQuery baru dan beri nama code_assist_bq.

  6. Buka panel Pilih log untuk disertakan dalam sink, dan di kolom Buat filter penyertaan, masukkan kode berikut:

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

  7. Opsional: Untuk memverifikasi bahwa Anda memasukkan filter yang benar, pilih Pratinjau log. Logs Explorer akan terbuka di tab baru dengan filter yang telah diisi sebelumnya.

  8. Klik Create sink.

Mengizinkan sink log untuk menulis entri log ke set data

Jika Anda memiliki akses Pemilik ke set data BigQuery, Cloud Logging akan memberikan izin yang diperlukan ke sink log untuk menulis data log.

Jika Anda tidak memiliki akses Pemilik atau jika tidak melihat entri apa pun dalam set data, sink log mungkin tidak memiliki izin yang diperlukan. Untuk mengatasi kegagalan ini, ikuti petunjuk di Menetapkan izin tujuan.

Kueri

Anda dapat menggunakan contoh kueri BigQuery berikut untuk menghasilkan data tingkat pengguna dan agregat untuk penggunaan aktif harian dan saran yang dihasilkan.

Sebelum menggunakan contoh kueri berikut, Anda harus mendapatkan jalur yang sepenuhnya memenuhi syarat untuk penampung yang baru dibuat. Untuk mendapatkan jalur, lakukan hal berikut:

  1. Di Konsol Google Cloud, buka halaman BigQuery.

    Buka BigQuery

  2. Dalam daftar resource, cari set data bernama code_assist_bq. Data ini adalah tujuan sink.

  3. Pilih tabel respons dari bawah code_assist_bq_dataset, klik ikon , lalu klik Salin ID untuk membuat ID set data. Catat sehingga Anda dapat menggunakannya di bagian berikut sebagai variabel GENERATED_BIGQUERY_TABLE.

Mencantumkan pengguna individu menurut hari

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

Ganti GENERATED_BIGQUERY_TABLE dengan jalur yang sepenuhnya memenuhi syarat dari tabel respons BigQuery yang Anda catat di langkah sebelumnya untuk membuat sink.

Mencantumkan pengguna gabungan menurut hari

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

Mencantumkan setiap permintaan per hari menurut pengguna

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

Mencantumkan permintaan gabungan per hari berdasarkan tanggal

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

Langkah selanjutnya