Per creare un datastore e importare i dati per la ricerca, vai alla sezione relativa al che intendi utilizzare:
- Creare un datastore utilizzando i contenuti del sito web
- Importa da BigQuery
- Importa da Cloud Storage
- Sincronizzare da Google Drive
- Importa da Cloud SQL
- Importazione da Spanner (anteprima pubblica)
- Importa da Firestore
- Importa da Bigtable (anteprima pubblica)
- Importazione da AlloyDB per PostgreSQL (anteprima pubblica)
- Caricare dati JSON strutturati con l'API
- Creare un data store utilizzando Terraform
Per sincronizzare i dati da un'origine dati di terze parti, consulta: Collega un'origine dati di terze parti.
Creare un datastore utilizzando i contenuti del sito web
Utilizza la seguente procedura per creare un datastore e indicizzare i siti web.
Per utilizzare un data store del sito web dopo averlo creato, devi collegarlo a un'app in cui sono attive le funzionalità Enterprise. Puoi attivare Enterprise Edition per un'app quando lo crei. Questa operazione comporta costi aggiuntivi. Consulta: Creare un'app di ricerca e Informazioni sulle funzionalità avanzate.
Console
Per utilizzare la console Google Cloud per creare un datastore e indicizzare i siti web, segui questi passaggi:
Nella console Google Cloud, vai alla pagina Agent Builder.
Nel menu di navigazione, fai clic su Datastore.
Fai clic su Crea datastore.
Nella pagina Origine, seleziona Contenuti del sito web.
Scegli se attivare l'indicizzazione avanzata dei siti web per questo datastore. Questa opzione non può essere attivata o disattivata in un secondo momento.
L'indicizzazione avanzata dei siti web offre funzionalità aggiuntive, come la ricerca riassunti, ricerche con follow-up e risposte estrattive. L'indicizzazione avanzata dei siti web comporta costi aggiuntivi e richiede la verifica della proprietà del dominio per tutti i siti web che indicizzi. Per ulteriori informazioni, consulta la sezione Indicizzazione avanzata dei siti web e Prezzi.
Nel campo Siti da includere, inserisci i pattern URL corrispondenti ai siti web da includere nel datastore. Includi un pattern URL per riga, senza virgole. Ad esempio:
www.example.com/docs/*
(Facoltativo) Nel campo Siti da escludere, inserisci i pattern di URL che vuoi escludere dal tuo datastore.
Per conoscere il numero di pattern di URL che puoi includere o escludere, consulta la sezione Dati del sito web.
Fai clic su Continua.
Seleziona una località per il datastore. Per selezionare una località, l'indicizzazione avanzata dei siti web deve essere attivata.
Inserisci un nome per il tuo datastore.
Fai clic su Crea. Vertex AI Search crea il datastore visualizza i tuoi datastore nella pagina Datastore.
Per visualizzare le informazioni sul datastore, fai clic sul nome del datastore nella colonna Nome. Viene visualizzata la pagina del tuo datastore.
- Se hai attivato l'indicizzazione avanzata dei siti web, viene visualizzato un avviso che ti chiede di per verificare i domini nel datastore.
- Se riscontri un calo della quota (il numero di pagine dei siti web che specificato supera il "Numero di documenti per progetto" quota per il tuo progetto), un ulteriore avviso che richiede l'upgrade della quota.
Per verificare i domini per i pattern URL nel datastore, segui le istruzioni nella pagina Verifica i domini dei siti web.
Per eseguire l'upgrade della quota:
- Fai clic su Esegui l'upgrade della quota. Viene visualizzata la pagina IAM e amministrazione della console Google Cloud.
- Segui le istruzioni riportate in Richiedere un limite di quota più alto nella documentazione di Google Cloud. La la quota da aumentare è Numero di documenti in Discovery Engine API.
- Dopo aver inviato la richiesta di un limite di quota superiore, torna alla Agent Builder e fai clic su Data Stores nel menu di navigazione.
- Fai clic sul nome del tuo datastore nella colonna Nome. La colonna Stato indica che l'indicizzazione è in corso per i siti web che hanno superato la quota. Quando la colonna Stato di un URL mostra Indicizzato, le funzionalità di indicizzazione avanzata del sito web sono disponibili per quell'URL o pattern URL.
Per ulteriori informazioni, consulta la sezione Quota per pagina web l'indicizzazione nella sezione "Quote e limiti" .
Python
Per ulteriori informazioni, consulta API Python di Vertex AI Agent Builder documentazione di riferimento.
Per eseguire l'autenticazione su Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importare siti web
Passaggi successivi
Per collegare il datastore del tuo sito web a un'app, crea un'app con le funzionalità di Enterprise attivate e seleziona il datastore seguendo i passaggi descritti in Creare un'app di ricerca.
Per visualizzare l'anteprima dell'aspetto dei risultati di ricerca dopo la configurazione dell'app e del datastore, consulta Generare risultati di ricerca.
Importa da BigQuery
Puoi creare datastore dalle tabelle BigQuery in due modi:
Importazione una tantum: importi i dati da una tabella BigQuery in un un datastore. I dati nell'archivio dati non cambiano, a meno che non li aggiorni manualmente.
Importazione periodica: importa i dati da una o più tabelle BigQuery e imposta una frequenza di sincronizzazione che determina la frequenza con cui i depositi di dati vengono aggiornati con i dati più recenti del set di dati BigQuery.
La tabella seguente mette a confronto i due modi in cui puoi importare BigQuery nei datastore di Vertex AI Search.
Importazione una tantum | Importazione periodica |
---|---|
In disponibilità generale (GA). | Anteprima pubblica. |
I dati devono essere aggiornati manualmente. | I dati vengono aggiornati automaticamente ogni 1, 3 o 5 giorni. I dati non possono essere manualmente. |
Vertex AI Search crea un singolo data store da una tabella in BigQuery. | Vertex AI Search crea un connettore di dati per un set di dati BigQuery e un data store (chiamato data store di entità) per ogni tabella specificata. Per ogni connettore di dati, le tabelle devono avere lo stesso tipo di dati (ad esempio, strutturati) e trovarsi nello stesso set di dati BigQuery. |
I dati di più tabelle possono essere combinati in un unico data store importando prima i dati di una tabella e poi altri dati da un'altra origine o tabella BigQuery. | Poiché l'importazione manuale dei dati non è supportata, i dati in un data store delle entità possono provenire solo da una tabella BigQuery. |
Il controllo dell'accesso all'origine dati è supportato. | Il controllo dell'accesso all'origine dati non è supportato. I dati importati possono contenere controlli di accesso, ma questi controlli non verranno rispettati. |
Puoi creare un data store utilizzando la console Google Cloud o l'API. | Devi utilizzare la console per creare i connettori di dati e i relativi magazzini di dati delle entità. |
conforme a CMEK. | Non conforme a CMEK. |
Importa una volta da BigQuery
Per importare i dati da una tabella BigQuery, segui questi passaggi per creare un data store e importare i dati utilizzando la console Google Cloud o l'API.
Prima di importare i dati, controlla Prepara i dati per l'importazione.
Console
Per utilizzare la console Google Cloud per importare i dati da BigQuery, segui questi passaggi:
Nella console Google Cloud, vai alla pagina Agent Builder.
Vai alla pagina Datastore.
Fai clic su Nuovo datastore.
Nella pagina Origine, seleziona BigQuery.
Seleziona il tipo di dati che vuoi importare.
Fai clic su Una tantum.
Nel campo Percorso BigQuery, fai clic su Sfoglia, seleziona una tabella che hai preparato per l'importazione e poi fai clic su Seleziona. In alternativa, inserisci la posizione della tabella direttamente nel campo Percorso BigQuery.
Fai clic su Continua.
Se esegui l'importazione una tantum dei dati strutturati:
Mappa i campi alle proprietà chiave.
Se nello schema mancano campi importanti, utilizza Aggiungi nuovo campo per aggiungerli.
Per ulteriori informazioni, consulta Informazioni su rilevamento automatico e modifica.
Fai clic su Continua.
Scegli una regione per il datastore.
Inserisci un nome per il datastore.
Fai clic su Crea.
Per controllare lo stato dell'importazione, vai alla pagina Datastore e fai clic sul nome del datastore per visualizzarne i dettagli nella pagina Dati. Quando la colonna dello stato nella scheda Attività passa da In corso a Importazione completata, l'importazione è completata.
A seconda delle dimensioni dei dati, l'importazione può richiedere da alcuni minuti a diverse ore.
REST
Per utilizzare la riga di comando per creare un datastore e importare i dati da: BigQuery, segui questi passaggi.
Crea un datastore.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ -H "X-Goog-User-Project: PROJECT_ID" \ "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores?dataStoreId=DATA_STORE_ID" \ -d '{ "displayName": "DATA_STORE_DISPLAY_NAME", "industryVertical": "GENERIC", "solutionTypes": ["SOLUTION_TYPE_SEARCH"] }'
Sostituisci quanto segue:
PROJECT_ID
: l'ID del tuo progetto Google Cloud.DATA_STORE_ID
: l'ID del datastore di Vertex AI Search che vuoi creare. Questo ID può contenere solo lettere minuscole lettere, numeri, trattini bassi e trattini.DATA_STORE_DISPLAY_NAME
: il nome visualizzato di Vertex AI Cerca nel datastore che vuoi creare.
(Facoltativo) Se carichi dati non strutturati e vuoi configurare il documento per l'analisi o per attivare il chunking dei documenti per RAG, specifica
documentProcessingConfig
e includerlo nella richiesta di creazione del datastore. La configurazione di un Il parser OCR per i PDF è consigliato se stai importando PDF scansionati. Per informazioni su come configurare le opzioni di analisi o suddivisione in blocchi, vedi Eseguire l'analisi e suddividere i documenti in blocchi.Importa i dati da BigQuery.
Se hai definito uno schema, assicurati che i dati siano conformi a questo schema.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/documents:import" \ -d '{ "bigquerySource": { "projectId": "PROJECT_ID", "datasetId":"DATASET_ID", "tableId": "TABLE_ID", "dataSchema": "DATA_SCHEMA", "aclEnabled": "BOOLEAN" }, "reconciliationMode": "RECONCILIATION_MODE", "autoGenerateIds": "AUTO_GENERATE_IDS", "idField": "ID_FIELD", "errorConfig": { "gcsPrefix": "ERROR_DIRECTORY" } }'
Sostituisci quanto segue:
PROJECT_ID
: l'ID del tuo progetto Google Cloud.DATA_STORE_ID
: l'ID dello spazio dati di Vertex AI Search.DATASET_ID
: l'ID dell'elemento BigQuery del set di dati.TABLE_ID
: l'ID della tabella BigQuery.- Se la tabella BigQuery non è in
PROJECT_ID, devi concedere all'account di servizio
service-<project number>@gcp-sa-discoveryengine.iam.gserviceaccount.com
"Visualizzatore dati BigQuery" l'autorizzazione per Tabella BigQuery. Ad esempio, se importi una tabella BigQuery dal progetto di origine "123" al progetto di destinazione "456", concediservice-456@gcp-sa-discoveryengine.iam.gserviceaccount.com
le autorizzazioni per la tabella BigQuery nel progetto "123".
- Se la tabella BigQuery non è in
PROJECT_ID, devi concedere all'account di servizio
DATA_SCHEMA
: facoltativo. I valori sonodocument
ecustom
. Il valore predefinito èdocument
.document
: la tabella BigQuery che utilizzi deve essere conforme allo standard BigQuery schema fornito Prepara i dati per l'importazione. Puoi definire tu stesso l'ID di ogni documento, durante il wrapping di tutti i dati nella stringa jsonData.custom
: qualsiasi schema di tabella BigQuery è accettato e Vertex AI Search genera automaticamente gli ID per ogni documento importato.
ERROR_DIRECTORY
: facoltativo. Una directory Cloud Storage per le informazioni sugli errori relativi all'importazione, ad esempiogs://<your-gcs-bucket>/directory/import_errors
. Google consiglia di lasciare vuoto questo campo per consentire a Vertex AI Search di creare automaticamente una directory temporanea.RECONCILIATION_MODE
: facoltativo. I valori sonoFULL
eINCREMENTAL
. Il valore predefinito èINCREMENTAL
. La specifica diINCREMENTAL
provoca un aggiornamento incrementale dei dati da BigQuery al tuo data store. Viene eseguita un'operazione di upsert, che aggiunge nuovi documenti e sostituisce quelli esistenti con documenti aggiornati con lo stesso ID. Se specifichiFULL
, viene eseguita una rebase completa dei documenti nel tuo datastore. In altre parole, i documenti nuovi e aggiornati vengono aggiunti al tuo data store, mentre quelli non presenti in BigQuery vengono rimossi. La La modalitàFULL
è utile se vuoi eliminare automaticamente i documenti che non ti servono più.AUTO_GENERATE_IDS
: facoltativo. Specifica se generano automaticamente gli ID documento. Se impostato sutrue
, gli ID documento vengono generati sulla base di un hash del payload. Tieni presente che gli ID documento generati potrebbero non rimanere coerenti in più importazioni. Se generi automaticamente gli ID in più importazioni, Google consiglia vivamente di impostarereconciliationMode
suFULL
per mantenere ID documento coerenti.Specifica
autoGenerateIds
solo quandobigquerySource.dataSchema
è impostato sucustom
. In caso contrario, viene restituito un erroreINVALID_ARGUMENT
. Se non specifichiautoGenerateIds
o lo imposti sufalse
, devi specificareidField
. In caso contrario, l'importazione dei documenti non andrà a buon fine.ID_FIELD
: facoltativo. Specifica quali campi sono gli ID documento. Per i file di origine BigQuery,idField
indica il nome della colonna nella tabella BigQuery che contiene gli ID documento.Specifica
idField
solo se: (1)bigquerySource.dataSchema
è impostato sucustom
e (2)auto_generate_ids
è impostato sufalse
o non è specificato. In caso contrario, viene restituito un erroreINVALID_ARGUMENT
.Il valore del nome della colonna BigQuery deve essere su tipo di stringa, deve essere compreso tra 1 e 63 caratteri e deve essere conforme in RFC-1034. In caso contrario, l'importazione dei documenti non andrà a buon fine.
C#
Per ulteriori informazioni, consulta API C# di Vertex AI Agent Builder documentazione di riferimento.
Per eseguire l'autenticazione su Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importa documenti
Go
Per ulteriori informazioni, consulta API Go di Vertex AI Agent Builder documentazione di riferimento.
Per autenticarti in Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importa documenti
Java
Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Java Vertex AI Agent Builder.
Per eseguire l'autenticazione su Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importa documenti
Node.js
Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Node.js Vertex AI Agent Builder.
Per eseguire l'autenticazione su Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importa documenti
Python
Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Python Vertex AI Agent Builder.
Per eseguire l'autenticazione su Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importa documenti
Ruby
Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Ruby Vertex AI Agent Builder.
Per eseguire l'autenticazione su Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importa documenti
Connettiti a BigQuery con la sincronizzazione periodica
Prima di importare i dati, consulta Preparare i dati per l'importazione.
La procedura seguente descrive come creare un connettore dati che associa un set di dati BigQuery con dati di Vertex AI Search e come specificare una tabella sul set di dati per ciascun datastore per creare. I datastore che sono figli dei connettori dati vengono chiamati entity e nei datastore.
I dati del set di dati vengono sincronizzati periodicamente con i datastore delle entità. Puoi specificare la sincronizzazione giornaliera, ogni tre giorni o ogni cinque giorni.
Console
Utilizzare la console Google Cloud per creare un connettore che sincronizzi periodicamente i dati. da un set di dati BigQuery a Vertex AI Search, segui questi passaggi:
Nella console Google Cloud, vai alla pagina Agent Builder.
Nel menu di navigazione, fai clic su Datastore.
Fai clic su Crea datastore.
Nella pagina Origine, seleziona BigQuery.
Seleziona il tipo di dati che vuoi importare.
Fai clic su Periodico.
Seleziona Frequenza di sincronizzazione, la frequenza con cui vuoi che Connettore Vertex AI Search per la sincronizzazione con BigQuery del set di dati. Puoi modificare la frequenza in un secondo momento.
Nel campo Percorso set di dati BigQuery, fai clic su Sfoglia e seleziona il set di dati. che contiene le tabelle che hai preparato per importazione. In alternativa, inserisci la posizione della tabella direttamente nel campo Percorso BigQuery. Il formato del percorso è
projectname.datasetname
.Nel campo Tabelle da sincronizzare, fai clic su Sfoglia e seleziona una tabella. che contenga i dati da utilizzare per il datastore.
Se nel set di dati sono presenti altre tabelle che vuoi utilizzare datastore, fai clic su Aggiungi tabella e specifica anche queste tabelle.
Fai clic su Continua.
Scegli una regione per il datastore, inserisci un nome per il connettore dati e fai clic su Crea.
A questo punto hai creato un connettore dati che sincronizzerà periodicamente i dati con il set di dati BigQuery. Hai creato una o più entità e nei datastore. Gli archivi dati hanno gli stessi nomi delle tabelle BigQuery.
Per controllare lo stato dell'importazione, vai alla pagina Data store e fai clic sul nome del connettore dati per visualizzarne i dettagli nella pagina Dati > scheda Attività di importazione dei dati. Quando la colonna dello stato nella La scheda Attività passa da In corso a Riuscito, la prima Importazione completata.
A seconda delle dimensioni dei dati, l'importazione può richiedere diverse minuti o diverse ore.
Dopo aver configurato l'origine dati e importato i dati la prima volta, il datastore sincronizza i dati da tale sorgente con la frequenza selezionata durante la configurazione. Circa un'ora dopo la creazione del connettore dati, avviene la prima sincronizzazione. La sincronizzazione successiva avviene circa 24, 72 o 120 ore dopo.
Passaggi successivi
Per collegare il datastore a un'app, crea un'app e seleziona il datastore seguendo i passaggi descritti in Creare un'app di ricerca.
Per visualizzare l'anteprima dell'aspetto dei risultati di ricerca dopo che l'app e il datastore sono per l'impostazione, consulta Visualizza i risultati di ricerca.
Importa da Cloud Storage
Puoi creare magazzini di dati dalle tabelle Cloud Storage in due modi:
Importazione una tantum: importi i dati da una cartella o da un file Cloud Storage in un data store. I dati nel datastore non cambiano a meno che tu aggiornare i dati manualmente.
Importazione periodica: importi i dati da una cartella Cloud Storage oppure e imposti una frequenza di sincronizzazione che determina la frequenza con cui i dati il datastore viene aggiornato con i dati più recenti in ogni località.
La tabella seguente mette a confronto i due modi in cui puoi importare i dati di Cloud Storage nei datastore di Vertex AI Search.
Importazione una tantum | Importazione periodica |
---|---|
In disponibilità generale (GA). | Anteprima pubblica. |
I dati devono essere aggiornati manualmente. | I dati vengono aggiornati automaticamente ogni uno, tre o cinque giorni. I dati non possono essere aggiornati manualmente. |
Vertex AI Search crea un singolo data store da una cartella o un file in Cloud Storage. | Vertex AI Search crea un connettore dati e vi associa un datastore (denominato datastore entity) per al file o alla cartella specificati. Ogni connettore di dati Cloud Storage può avere un singolo archivio dati delle entità. |
I dati di più file, cartelle e bucket possono essere combinati in un unico un datastore importando prima i dati da una posizione di Cloud Storage quindi più dati da un'altra posizione. | Poiché l'importazione manuale dei dati non è supportata, i dati in un insieme di dati di entità possono provenire solo da un file o una cartella Cloud Storage. |
Il controllo dell'accesso all'origine dati è supportato. Per ulteriori informazioni, consulta Controllo dell'accesso alle origini dati. | Il controllo dell'accesso all'origine dati non è supportato. I dati importati possono contenere controlli di accesso, ma questi controlli non verranno rispettati. |
Puoi creare un data store utilizzando la console Google Cloud o l'API. | Devi utilizzare la console per creare i connettori di dati e i relativi magazzini di dati delle entità. |
CMEK-compliant. | Non conforme a CMEK. |
Importa una volta da Cloud Storage
Per importare dati da Cloud Storage, segui questi passaggi per creare: un datastore e importare i dati utilizzando la console Google Cloud o l'API.
Prima di importare i dati, consulta Preparare i dati per l'importazione.
Console
Per utilizzare la console per importare i dati da un bucket Cloud Storage, segui questi passaggi passaggi:
Nella console Google Cloud, vai alla pagina Agent Builder.
Vai alla pagina Datastore.
Fai clic su Nuovo datastore.
Nella pagina Origine, seleziona Cloud Storage.
Nella sezione Seleziona una cartella o un file da importare, seleziona Cartella o File.
Fai clic su Sfoglia e scegli i dati che hai preparato per l'importazione, poi fai clic su Seleziona. In alternativa, inserisci la sede direttamente nel campo
gs://
.Seleziona il tipo di dati che stai importando.
Fai clic su Continua.
Se esegui l'importazione una tantum dei dati strutturati:
Mappa i campi alle proprietà chiave.
Se nello schema mancano campi importanti, utilizza Aggiungi nuovo campo per aggiungerli.
Per saperne di più, consulta Informazioni sul rilevamento automatico e sull'editing.
Fai clic su Continua.
Scegli una regione per il datastore.
Inserisci un nome per il datastore.
(Facoltativo) Se hai selezionato documenti non strutturati, puoi selezionare le opzioni di analisi e suddivisione per i documenti. Per confrontare i parser, consulta Analisi documenti. Per informazioni sul frazionamento, consulta Eseguire il frazionamento dei documenti per RAG.
L'analizzatore sintattico OCR e l'analizzatore sintattico del layout possono comportare costi aggiuntivi. Consulta la pagina Prezzi delle funzionalità di DocAI.
Per selezionare un parser, espandi Opzioni di elaborazione documenti e specifica il le opzioni di parser che desideri utilizzare.
Fai clic su Crea.
Per controllare lo stato dell'importazione, vai alla pagina Datastore e fai clic sul nome del datastore per visualizzarne i dettagli nella pagina Dati. Quando la colonna dello stato nella scheda Attività passa da In corso a Importazione completata, l'importazione è completata.
A seconda delle dimensioni dei dati, l'importazione può richiedere diversi minuti o diverse ore.
REST
Utilizzare la riga di comando per creare un datastore e importare i dati da Cloud Storage, segui questi passaggi.
Crea un datastore.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ -H "X-Goog-User-Project: PROJECT_ID" \ "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores?dataStoreId=DATA_STORE_ID" \ -d '{ "displayName": "DATA_STORE_DISPLAY_NAME", "industryVertical": "GENERIC", "solutionTypes": ["SOLUTION_TYPE_SEARCH"], "contentConfig": "CONTENT_REQUIRED", }'
Sostituisci quanto segue:
PROJECT_ID
: l'ID del tuo progetto Google Cloud.DATA_STORE_ID
: l'ID del datastore di Vertex AI Search che vuoi creare. Questo ID può contenere solo lettere minuscole lettere, numeri, trattini bassi e trattini.DATA_STORE_DISPLAY_NAME
: il nome visualizzato di Vertex AI Cerca nel datastore che vuoi creare.
(Facoltativo) Per configurare l'analisi dei documenti o attivare il documento per RAG, specifica
documentProcessingConfig
e includerlo nella richiesta di creazione del datastore. La configurazione di un Il parser OCR per i PDF è consigliato se stai importando PDF scansionati. Per come per configurare le opzioni di analisi o chunking, consulta Analisi e chunking documenti.Importa i dati da Cloud Storage.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/documents:import" \ -d '{ "gcsSource": { "inputUris": ["INPUT_FILE_PATTERN_1", "INPUT_FILE_PATTERN_2"], "dataSchema": "DATA_SCHEMA", }, "reconciliationMode": "RECONCILIATION_MODE", "autoGenerateIds": "AUTO_GENERATE_IDS", "idField": "ID_FIELD", "errorConfig": { "gcsPrefix": "ERROR_DIRECTORY" } }'
Sostituisci quanto segue:
PROJECT_ID
: l'ID del tuo progetto Google Cloud.DATA_STORE_ID
: l'ID dello spazio dati di Vertex AI Search.INPUT_FILE_PATTERN
: un pattern di file in Cloud Storage contenente i tuoi documenti.Per i dati strutturati o per i dati non strutturati con metadati, un esempio di pattern del file di input è
gs://<your-gcs-bucket>/directory/object.json
e un esempio di corrispondenza del pattern a uno o più file ègs://<your-gcs-bucket>/directory/*.json
.Per i documenti non strutturati, un esempio è
gs://<your-gcs-bucket>/directory/*.pdf
. Ogni file corrispondente al pattern diventa un documento.Se
<your-gcs-bucket>
non è in PROJECT_ID, devi assegnare all'account di servizioservice-<project number>@gcp-sa-discoveryengine.iam.gserviceaccount.com
le autorizzazioni "Visualizzatore oggetti Storage" per il bucket Cloud Storage. Per Ad esempio, se importi un bucket Cloud Storage progetto di origine "123" al progetto di destinazione "456",service-456@gcp-sa-discoveryengine.iam.gserviceaccount.com
autorizzazioni per il bucket Cloud Storage nel progetto "123".DATA_SCHEMA
: facoltativo. I valori sonodocument
,custom
,csv
econtent
. Il valore predefinito èdocument
.document
: carica dati non strutturati con metadati per documenti non strutturati. Ogni riga del file deve seguire uno dei seguenti formati. Puoi definire l'ID di ciascun documento:{ "id": "<your-id>", "jsonData": "<JSON string>", "content": { "mimeType": "<application/pdf or text/html>", "uri": "gs://<your-gcs-bucket>/directory/filename.pdf" } }
{ "id": "<your-id>", "structData": <JSON object>, "content": { "mimeType": "<application/pdf or text/html>", "uri": "gs://<your-gcs-bucket>/directory/filename.pdf" } }
custom
: carica JSON per i documenti strutturati. I dati vengono sono organizzate in base a uno schema. Puoi specificare lo schema. altrimenti viene rilevata automaticamente. Puoi inserire la stringa JSON del documento in un formato coerente direttamente in ogni riga e Vertex AI Search genera automaticamente gli ID per ogni documento importato.content
: carica i documenti non strutturati (PDF, HTML, DOC, TXT, PPTX). L'ID di ogni documento viene generato automaticamente come primi 128 bit di SHA256(GCS_URI) codificati come stringa esadecimale. Puoi specificare più pattern di file di input, a condizione che i file corrispondenti non superino il limite di 100.000 file.csv
: includi una riga di intestazione nel file CSV, con ogni intestazione mappata a un campo del documento. Specifica il percorso di il file CSV utilizzando il campoinputUris
.
ERROR_DIRECTORY
: facoltativo. Una directory Cloud Storage per informazioni sugli errori di importazione, ad esempiogs://<your-gcs-bucket>/directory/import_errors
. Google consiglia lasciando questo campo vuoto per consentire a Vertex AI Search automaticamente una directory temporanea.RECONCILIATION_MODE
: facoltativo. I valori sonoFULL
eINCREMENTAL
. Il valore predefinito èINCREMENTAL
. SpecificaINCREMENTAL
causa un aggiornamento incrementale dei dati da Cloud Storage un datastore. Viene eseguita un'operazione di upsert, che aggiunge nuovi documenti e sostituisce i documenti esistenti con quelli aggiornati ID. Se specifichiFULL
, viene eseguita una rebase completa dei documenti nel datastore. In altre parole, i documenti nuovi e aggiornati vengono aggiunti al tuo data store e quelli che non sono presenti in Cloud Storage vengono rimossi. La modalitàFULL
è utile se vuoi eliminare automaticamente i documenti che non ti servono più.AUTO_GENERATE_IDS
: facoltativo. Specifica se generano automaticamente gli ID documento. Se impostato sutrue
, gli ID documento vengono generati sulla base di un hash del payload. Tieni presente che ha generato gli ID documento potrebbero non rimanere coerenti in più importazioni. Se gli ID vengono generati automaticamente in più importazioni, Google ha consiglia di impostarereconciliationMode
suFULL
per mantenere gli ID dei documenti coerenti.Specifica
autoGenerateIds
solo quandogcsSource.dataSchema
è impostato sucustom
ocsv
. In caso contrario, viene restituito un erroreINVALID_ARGUMENT
. Se non specifichiautoGenerateIds
o non lo imposti sufalse
, devi specificareidField
. In caso contrario, l'importazione dei documenti non andrà a buon fine.ID_FIELD
: facoltativo. Specifica quali campi sono gli ID documento. Per i documenti di origine Cloud Storage,idField
specifica il nome nei campi JSON che sono gli ID documento. Ad esempio, se{"my_id":"some_uuid"}
è il campo ID documento in uno dei tuoi documenti, specifica"idField":"my_id"
. che identifica tutti i pod Campi JSON con il nome"my_id"
come ID documento.Specifica questo campo solo se: (1)
gcsSource.dataSchema
è impostato sucustom
ocsv
e (2)auto_generate_ids
è impostato sufalse
o non è specificato. In caso contrario, viene restituito un erroreINVALID_ARGUMENT
.Tieni presente che il valore del campo JSON di Cloud Storage deve essere di di stringa, deve avere una lunghezza compresa tra 1 e 63 caratteri e deve essere conforme a RFC-1034. In caso contrario, l'importazione dei documenti non andrà a buon fine.
Tieni presente che il nome del campo JSON specificato da
id_field
deve essere di tipo di stringa, deve essere compreso tra 1 e 63 caratteri e deve essere conforme in RFC-1034. In caso contrario, l'importazione dei documenti non andrà a buon fine.
C#
Per ulteriori informazioni, consulta API C# di Vertex AI Agent Builder documentazione di riferimento.
Per eseguire l'autenticazione su Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importa documenti
Go
Per ulteriori informazioni, consulta API Go di Vertex AI Agent Builder documentazione di riferimento.
Per autenticarti in Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importa documenti
Java
Per ulteriori informazioni, consulta API Java di Vertex AI Agent Builder documentazione di riferimento.
Per eseguire l'autenticazione su Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importa documenti
Node.js
Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Node.js Vertex AI Agent Builder.
Per autenticarti in Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importa documenti
Python
Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Python Vertex AI Agent Builder.
Per eseguire l'autenticazione su Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importa documenti
Ruby
Per ulteriori informazioni, consulta API Ruby di Vertex AI Agent Builder documentazione di riferimento.
Per eseguire l'autenticazione su Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importa documenti
Connettiti a Cloud Storage con sincronizzazione periodica
Prima di importare i dati, consulta Preparare i dati per l'importazione.
La procedura seguente descrive come creare un connettore dati che associa una località di Cloud Storage con dati di Vertex AI Search e come specificare una cartella o un file in quella posizione per i dati che vuoi creare. I datastore figli dei connettori dati sono chiamati datastore di entità.
I dati vengono sincronizzati periodicamente con il data store delle entità. Puoi specificare la sincronizzazione giornaliera, ogni tre giorni o ogni cinque giorni.
Console
Nella console Google Cloud, vai alla pagina Agent Builder.
Vai alla pagina Datastore.
Fai clic su Crea datastore.
Nella pagina Origine, seleziona Cloud Storage.
Seleziona il tipo di dati che vuoi importare.
Fai clic su Periodico.
Seleziona la frequenza della sincronizzazione, ovvero la frequenza con cui vuoi che il connettore di ricerca Vertex AI si sincronizzi con la posizione di Cloud Storage. Puoi modificare la frequenza in un secondo momento.
Nella sezione Seleziona una cartella o un file da importare, seleziona Cartella o File.
Fai clic su Sfoglia e scegli i dati di cui disponi. preparati per l'importazione, quindi fai clic su Seleziona. In alternativa, inserisci la località direttamente nel campo
gs://
.Fai clic su Continua.
Scegli una regione per il connettore dati.
Inserisci un nome per il connettore dati.
(Facoltativo) Se hai selezionato documenti non strutturati, puoi selezionare le opzioni di analisi e suddivisione per i documenti. Per confrontare i parser, consulta Analisi documenti. Per informazioni sul frazionamento, consulta Eseguire il frazionamento dei documenti per RAG.
L'analizzatore sintattico OCR e l'analizzatore sintattico del layout possono comportare costi aggiuntivi. Consulta la pagina Prezzi delle funzionalità di DocAI.
Per selezionare un parser, espandi Opzioni di elaborazione documenti e specifica il le opzioni di parser che desideri utilizzare.
Fai clic su Crea.
Ora hai creato un connettore dati che sincronizzerà periodicamente i dati con la posizione Cloud Storage. Hai anche creato un'entità denominato
gcs_store
.Per controllare lo stato dell'importazione, vai alla pagina Datastore e fai clic sul nome del connettore dati per visualizzarne i dettagli nella pagina Dati.
Scheda Attività di importazione dati. Quando la colonna dello stato nella scheda Attività di importazione dei dati passa da In corso a Riuscito, la prima importazione è completata.
A seconda delle dimensioni dei dati, l'importazione può richiedere da alcuni minuti a diverse ore.
Dopo aver configurato l'origine dati e importato i dati la prima volta, i dati vengono sincronizzati da tale sorgente con la frequenza selezionata durante la configurazione. Circa un'ora dopo la creazione del connettore dati, avviene la prima sincronizzazione. La sincronizzazione successiva avviene quindi circa 24 ore, 72 ore, o 120 ore dopo.
Passaggi successivi
Per collegare il datastore a un'app, crea un'app e seleziona il datastore seguendo i passaggi Crea un'app di ricerca.
Per visualizzare l'anteprima dell'aspetto dei risultati di ricerca dopo la configurazione dell'app e del datastore, consulta Generare risultati di ricerca.
Sincronizzare da Google Drive
Per sincronizzare i dati da Google Drive, attieniti alla procedura seguente per creare: un datastore e importare i dati utilizzando la console Google Cloud.
I dati di Google Drive vengono sincronizzati continuamente con Vertex AI Search dopo crei il tuo datastore.
Prima di iniziare:
Devi aver eseguito l'accesso alla console Google Cloud con lo stesso account che utilizzi per l'istanza di Google Drive che intendi collegare. Vertex AI Search utilizza il tuo ID cliente Google Workspace per collegarti a Google Drive.
Configura il controllo dell'accesso per Google Drive. Per informazioni sulla configurazione del controllo dell'accesso, consulta Utilizzare il controllo dell'accesso all'origine dati.
Console
Per utilizzare la console per rendere disponibili per la ricerca i dati di Google Drive, segui questi passaggi:
Nella console Google Cloud, vai alla pagina Agent Builder.
Vai alla pagina Datastore.
Fai clic su Nuovo datastore.
Nella pagina Origine, seleziona Google Drive.
Scegli una regione per il datastore.
Inserisci un nome per il datastore.
Fai clic su Crea. A seconda delle dimensioni dei dati, l'importazione può richiedere da alcuni minuti a diverse ore. Attendi almeno un'ora prima di utilizzare un datastore per la ricerca.
Passaggi successivi
Per collegare il datastore a un'app, crea un'app e seleziona il datastore seguendo i passaggi Crea un'app di ricerca.
Per visualizzare l'anteprima dell'aspetto dei risultati di ricerca dopo la configurazione dell'app e del datastore, consulta Generare risultati di ricerca.
Importa da Cloud SQL
Per importare i dati da Cloud SQL, segui questi passaggi per configurare Accesso a Cloud SQL, creazione di un datastore e importazione dei dati.
Configura l'accesso gestione temporanea ai bucket per le istanze Cloud SQL
Durante l'importazione dei dati da Cloud SQL, i dati vengono prima impostati in una nel bucket Cloud Storage. Segui questi passaggi per concedere a un'istanza Cloud SQL l'accesso ai bucket Cloud Storage.
Nella console Google Cloud, vai alla pagina SQL.
Fai clic sull'istanza Cloud SQL da cui prevedi di eseguire l'importazione.
Copia l'identificatore dell'account di servizio dell'istanza, che ha il formato di un indirizzo email, ad esempio
p9876-abcd33f@gcp-sa-cloud-sql.iam.gserviceaccount.com
.Vai alla sezione IAM e Console di amministrazione.
Fai clic su Concedi accesso.
In Nuove entità, inserisci l'identificatore dell'account di servizio dell'istanza e seleziona il ruolo Cloud Storage > Amministratore Storage.
Fai clic su Salva.
Successivo:
Se i tuoi dati Cloud SQL si trovano nello stesso progetto di Vertex AI Search: vai a Importare i dati da Cloud SQL.
Se i dati Cloud SQL si trovano in un progetto diverso da quello di Vertex AI Search: vai a Configurare l'accesso a Cloud SQL da un progetto diverso.
Configurare l'accesso a Cloud SQL da un progetto diverso
Per concedere a Vertex AI Search l'accesso ai dati Cloud SQL di un progetto diverso:
Sostituisci la seguente variabile
PROJECT_NUMBER
con la tua del progetto Vertex AI Search, quindi copia i contenuti di blocco di codice. Questo è il tuo account di servizio Vertex AI Search identificatore:service-PROJECT_NUMBER@gcp-sa-discoveryengine.iam.gserviceaccount.com`
Vai alla pagina IAM e amministrazione.
Passa al tuo progetto Cloud SQL nella piattaforma IAM e Pagina Amministrazione e fai clic su Concedi l'accesso.
In Nuove entità, inserisci l'identificatore per l'account di servizio e seleziona Cloud SQL > Visualizzatore Cloud SQL.
Fai clic su Salva.
Poi, vai a Importare i dati da Cloud SQL.
Importare dati da Cloud SQL
Console
Per utilizzare la console per importare i dati da Cloud SQL, segui questi passaggi: passaggi:
Nella console Google Cloud, vai alla pagina Agent Builder.
Vai alla pagina Datastore.
Fai clic su Nuovo datastore.
Nella pagina Origine, seleziona Cloud SQL.
Specifica l'ID progetto, l'ID istanza, l'ID database e l'ID tabella dei dati che prevedi di importare.
Fai clic su Sfoglia e scegli una posizione intermedia di Cloud Storage in cui esportare i dati, quindi fai clic su Seleziona. In alternativa, inserisci la località direttamente nel campo
gs://
.Scegli se attivare l'esportazione serverless. L'esportazione serverless comporta costi aggiuntivi. Per informazioni sull'esportazione serverless, consulta Minimizzare l'impatto delle esportazioni sulle prestazioni nella documentazione di Cloud SQL.
Fai clic su Continua.
Scegli una regione per il datastore.
Inserisci un nome per il datastore.
Fai clic su Crea.
Per controllare lo stato dell'importazione, vai alla pagina Datastore e fai clic sul nome del datastore per visualizzarne i dettagli nella pagina Dati. Quando la colonna dello stato nella scheda Attività passa da In corso a Importazione completata, l'importazione è completata.
A seconda delle dimensioni dei dati, l'importazione può richiedere diversi minuti o diverse ore.
REST
Utilizzare la riga di comando per creare un datastore e importare i dati da Cloud SQL, segui questi passaggi:
Crea un datastore.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ -H "X-Goog-User-Project: PROJECT_ID" \ "https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores?dataStoreId=DATA_STORE_ID" \ -d '{ "displayName": "DISPLAY_NAME", "industryVertical": "GENERIC", "solutionTypes": ["SOLUTION_TYPE_SEARCH"], }'
Sostituisci quanto segue:
PROJECT_ID
: l'ID del progetto.DATA_STORE_ID
: l'ID del datastore. L'ID può Deve contenere solo lettere minuscole, cifre, trattini bassi e trattini.DISPLAY_NAME
: il nome visualizzato del datastore. Questo potrebbe verranno visualizzate nella console Google Cloud.
Importa i dati da Cloud SQL.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/documents:import" \ -d '{ "cloudSqlSource": { "projectId": "SQL_PROJECT_ID", "instanceId": "INSTANCE_ID", "databaseId": "DATABASE_ID", "tableId": "TABLE_ID", "gcsStagingDir": "STAGING_DIRECTORY" }, "reconciliationMode": "RECONCILIATION_MODE", "autoGenerateIds": "AUTO_GENERATE_IDS", "idField": "ID_FIELD", }'
Sostituisci quanto segue:
PROJECT_ID
: l'ID del tuo progetto Vertex AI Search.DATA_STORE_ID
: l'ID del datastore. L'ID può Deve contenere solo lettere minuscole, cifre, trattini bassi e trattini.SQL_PROJECT_ID
: l'ID del tuo progetto Cloud SQL.INSTANCE_ID
: l'ID dell'istanza Cloud SQL.DATABASE_ID
: l'ID del database Cloud SQL.TABLE_ID
: l'ID della tabella Cloud SQL.STAGING_DIRECTORY
: facoltativo. Una directory Cloud Storage, ad esempiogs://<your-gcs-bucket>/directory/import_errors
.RECONCILIATION_MODE
: facoltativo. I valori sonoFULL
eINCREMENTAL
. Il valore predefinito èINCREMENTAL
. La specifica diINCREMENTAL
provoca un aggiornamento incrementale dei dati da Cloud SQL al tuo data store. Viene eseguita un'operazione di upsert, che aggiunge nuovi documenti e sostituisce quelli esistenti con documenti aggiornati con lo stesso ID. Se specifichiFULL
, viene generato un rebase completo dei documenti nei tuoi dati . In altre parole, i documenti nuovi e aggiornati vengono aggiunti al tuo data store e quelli che non sono presenti in Cloud SQL vengono rimossi. La modalitàFULL
è utile se vuoi elimineranno automaticamente i documenti che non ti servono più.
Python
Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Python Vertex AI Agent Builder.
Per autenticarti in Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importa documenti
Passaggi successivi
Per collegare il datastore a un'app, crea un'app e seleziona il datastore seguendo i passaggi descritti in Creare un'app di ricerca.
Per visualizzare l'anteprima dell'aspetto dei risultati di ricerca dopo la configurazione dell'app e del datastore, consulta Generare risultati di ricerca.
Importa da Spanner
Per importare dati da Spanner, segui questi passaggi per creare un datastore e importare i dati utilizzando la console Google Cloud o l'API.
Configura l'accesso a Spanner da un progetto diverso
Se i dati Spanner si trovano nello stesso progetto di Vertex AI Search, passa a Importa dati da Spanner.
Per concedere a Vertex AI Search l'accesso ai dati Spanner in un progetto diverso, segui questi passaggi:
Sostituisci la seguente variabile
PROJECT_NUMBER
con la tua di Vertex AI Search, quindi copia il contenuto di questo di blocco di codice. Questo è il tuo account di servizio Vertex AI Search identificatore:service-PROJECT_NUMBER@gcp-sa-discoveryengine.iam.gserviceaccount.com
Vai alla sezione IAM e Console di amministrazione.
Passa al tuo progetto Spanner nella pagina IAM e amministrazione e fai clic su Concedi l'accesso.
In Nuove entità, inserisci l'identificatore per l'account di servizio e seleziona una delle seguenti opzioni:
- Se non utilizzerai il miglioramento dei dati durante l'importazione, seleziona il ruolo Cloud Spanner > Lettore database Cloud Spanner.
- Se prevedi di utilizzare Data Boost durante l'importazione, seleziona Cloud Spanner > Amministratore database Cloud Spanner o un ruolo personalizzato con le autorizzazioni di Lettore database Cloud Spanner e spanner.databases.useDataBoost. Per informazioni su Data Boost, consulta la panoramica di Data Boost nella documentazione di Spanner.
Fai clic su Salva.
Poi, vai a Importare i dati da Spanner.
Importa dati da Spanner
Console
Per utilizzare la console per importare i dati da Spanner, segui questi passaggi:
Nella console Google Cloud, vai alla pagina Agent Builder.
Vai alla pagina Datastore.
Fai clic su Nuovo datastore.
Nella pagina Origine, seleziona Cloud Spanner.
Specifica l'ID progetto, l'ID istanza, l'ID database e l'ID tabella dei dati che prevedi di importare.
Scegli se attivare o meno Data Boost. Per informazioni su Data Boost, vedi Panoramica di Data Boost nella documentazione di Spanner.
Fai clic su Continua.
Scegli una regione per il datastore.
Inserisci un nome per il datastore.
Fai clic su Crea.
Per controllare lo stato dell'importazione, vai alla pagina Datastore e fai clic sul nome del datastore per visualizzarne i dettagli nella pagina Dati. Quando la colonna dello stato nella scheda Attività passa da In corso a Importazione completata, l'importazione è completata.
A seconda delle dimensioni dei dati, l'importazione può richiedere diversi minuti o diverse ore.
REST
Per utilizzare la riga di comando per creare un data store e importare i dati da Spanner:
Creare un datastore.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ -H "X-Goog-User-Project: PROJECT_ID" \ "https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores?dataStoreId=DATA_STORE_ID" \ -d '{ "displayName": "DISPLAY_NAME", "industryVertical": "GENERIC", "solutionTypes": ["SOLUTION_TYPE_SEARCH"], "contentConfig": "CONTENT_REQUIRED", }'
Sostituisci quanto segue:
PROJECT_ID
: l'ID del tuo progetto Vertex AI Search.DATA_STORE_ID
: l'ID del datastore. L'ID può contenere solo lettere minuscole, cifre, trattini bassi e trattini.DISPLAY_NAME
: il nome visualizzato del datastore. Questo messaggio potrebbe essere visualizzato nella console Google Cloud.
Importa i dati da Spanner.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/documents:import" \ -d '{ "cloudSpannerSource": { "projectId": "SPANNER_PROJECT_ID", "instanceId": "INSTANCE_ID", "databaseId": "DATABASE_ID", "tableId": "TABLE_ID", "enableDataBoost": "DATA_BOOST_BOOLEAN" }, "reconciliationMode": "RECONCILIATION_MODE", "autoGenerateIds": "AUTO_GENERATE_IDS", "idField": "ID_FIELD", }'
Sostituisci quanto segue:
PROJECT_ID
: l'ID del tuo progetto Vertex AI Search.DATA_STORE_ID
: l'ID del datastore.SPANNER_PROJECT_ID
: l'ID del tuo progetto Spanner.INSTANCE_ID
: l'ID della tua istanza Spanner.DATABASE_ID
: l'ID del tuo database Spanner.TABLE_ID
: l'ID della tabella Spanner.DATA_BOOST_BOOLEAN
: facoltativo. L'attivazione di Data Boost. Per informazioni su Data Boost, consulta Data Boost panoramica nel documentazione di Spanner.RECONCILIATION_MODE
: facoltativo. I valori sonoFULL
eINCREMENTAL
. Il valore predefinito èINCREMENTAL
. La specifica diINCREMENTAL
provoca un aggiornamento incrementale dei dati da Spanner al tuo datastore. Questa operazione esegue l'upsert che aggiunge nuovi documenti e sostituisce quelli esistenti con documenti aggiornati con lo stesso ID. Se specifichiFULL
, viene eseguita una rebase completa dei documenti nel tuo datastore. In altre parole, i documenti nuovi e aggiornati vengono aggiunti al tuo data store, mentre quelli che non sono in Spanner vengono rimossi. La modalitàFULL
è utile se vuoi eliminare automaticamente i documenti che non ti servono più.AUTO_GENERATE_IDS
: facoltativo. Specifica se generare automaticamente gli ID documento. Se impostato sutrue
, gli ID documento vengono generati in base a un hash del payload. Tieni presente che gli ID documento generati potrebbero non rimanere coerenti in più importazioni. Se gli ID vengono generati automaticamente in più importazioni, Google ha consiglia di impostarereconciliationMode
suFULL
per mantenere gli ID dei documenti coerenti.ID_FIELD
: facoltativo. Specifica quali campi sono ID documento.
Python
Per ulteriori informazioni, consulta API Python di Vertex AI Agent Builder documentazione di riferimento.
Per autenticarti in Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importa documenti
Passaggi successivi
Per collegare il datastore a un'app, crea un'app e seleziona il datastore seguendo i passaggi Crea un'app di ricerca.
Per visualizzare l'anteprima dell'aspetto dei risultati di ricerca dopo la configurazione dell'app e del datastore, consulta Generare risultati di ricerca.
Importa da Firestore
Per importare i dati da Firestore, segui questi passaggi per creare un datastore e importare i dati utilizzando la console Google Cloud o l'API.
Se i tuoi dati Firestore si trovano nello stesso progetto di Vertex AI Search, vai a Importa dati da Firestore.
Se i dati Firestore si trovano in un progetto diverso da quello Progetto Vertex AI Search, vai a Configurare Firestore l'accesso alle app.
Configura l'accesso a Firestore da un altro progetto
Per concedere a Vertex AI Search l'accesso ai dati di Firestore che si trovano in un altro progetto:
Sostituisci la seguente variabile
PROJECT_NUMBER
con il numero del progetto Vertex AI Search e poi copia i contenuti di questo blocco di codice. Questo è il tuo account di servizio Vertex AI Search identificatore:service-PROJECT_NUMBER@gcp-sa-discoveryengine.iam.gserviceaccount.com
Vai alla pagina IAM e amministrazione.
Passa al tuo progetto Firestore nella pagina IAM e amministrazione e fai clic su Concedi l'accesso.
In Nuove entità, inserisci l'identificatore dell'account di servizio dell'istanza e seleziona il ruolo Datastore > Amministratore di importazione ed esportazione di Cloud Datastore.
Fai clic su Salva.
Torna al tuo progetto Vertex AI Search.
Quindi, vai a Importare i dati da Firestore.
Importa dati da Firestore
Console
Per utilizzare la console per importare i dati da Firestore, segui questi passaggi:
Nella console Google Cloud, vai alla pagina Agent Builder.
Vai alla pagina Datastore.
Fai clic su Nuovo datastore.
Nella pagina Origine, seleziona Firestore.
Specifica l'ID progetto, l'ID database e l'ID collezione dei dati che prevedi di importare.
Fai clic su Continua.
Scegli una regione per il datastore.
Inserisci un nome per il datastore.
Fai clic su Crea.
Per controllare lo stato dell'importazione, vai alla pagina Datastore e fai clic sul nome del datastore per visualizzarne i dettagli nella pagina Dati. Quando la colonna dello stato nella scheda Attività passa da In corso a Importazione completata, l'importazione è completata.
A seconda delle dimensioni dei dati, l'importazione può richiedere diversi minuti o diverse ore.
REST
Utilizzare la riga di comando per creare un datastore e importare i dati da Firestore, segui questi passaggi:
Crea un datastore.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ -H "X-Goog-User-Project: PROJECT_ID" \ "https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores?dataStoreId=DATA_STORE_ID" \ -d '{ "displayName": "DISPLAY_NAME", "industryVertical": "GENERIC", "solutionTypes": ["SOLUTION_TYPE_SEARCH"], }'
Sostituisci quanto segue:
PROJECT_ID
: l'ID del progetto.DATA_STORE_ID
: l'ID del datastore. L'ID può Deve contenere solo lettere minuscole, cifre, trattini bassi e trattini.DISPLAY_NAME
: il nome visualizzato del datastore. Questo messaggio potrebbe essere visualizzato nella console Google Cloud.
Importa i dati da Firestore.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/documents:import" \ -d '{ "firestoreSource": { "projectId": "FIRESTORE_PROJECT_ID", "databaseId": "DATABASE_ID", "collectionId": "COLLECTION_ID", }, "reconciliationMode": "RECONCILIATION_MODE", "autoGenerateIds": "AUTO_GENERATE_IDS", "idField": "ID_FIELD", }'
Sostituisci quanto segue:
PROJECT_ID
: l'ID del tuo progetto Vertex AI Search.DATA_STORE_ID
: l'ID del datastore. L'ID può contenere solo lettere minuscole, cifre, trattini bassi e trattini.FIRESTORE_PROJECT_ID
: l'ID del tuo progetto Firestore.DATABASE_ID
: l'ID di Firestore per configurare un database.COLLECTION_ID
: l'ID della raccolta Firestore.RECONCILIATION_MODE
: facoltativo. I valori sonoFULL
eINCREMENTAL
. Il valore predefinito èINCREMENTAL
. SpecificaINCREMENTAL
provoca un aggiornamento incrementale dei dati da Firestore un datastore. Viene eseguita un'operazione di upsert, che aggiunge nuovi documenti sostituisce i documenti esistenti con documenti aggiornati con lo stesso ID. Se specifichiFULL
, viene generato un rebase completo dei documenti nei tuoi dati . In altre parole, i documenti nuovi e aggiornati vengono aggiunti ai tuoi dati , mentre i documenti non in Firestore vengono rimossi dal tuo datastore. La modalitàFULL
è utile se vuoi elimineranno automaticamente i documenti che non ti servono più.AUTO_GENERATE_IDS
: facoltativo. Specifica se generano automaticamente gli ID documento. Se impostato sutrue
, gli ID documento vengono generati sulla base di un hash del payload. Tieni presente che ha generato gli ID documento potrebbero non rimanere coerenti in più importazioni. Se gli ID vengono generati automaticamente in più importazioni, Google ha consiglia di impostarereconciliationMode
suFULL
per mantenere gli ID dei documenti coerenti.ID_FIELD
: facoltativo. Specifica quali campi sono ID documento.
Python
Per ulteriori informazioni, consulta API Python di Vertex AI Agent Builder documentazione di riferimento.
Per autenticarti in Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importa documenti
Passaggi successivi
Per collegare il datastore a un'app, crea un'app e seleziona il datastore seguendo i passaggi descritti in Creare un'app di ricerca.
Per visualizzare l'anteprima dell'aspetto dei risultati di ricerca dopo che l'app e il datastore sono per l'impostazione, consulta Visualizza i risultati di ricerca.
Importa da Bigtable
Per importare dati da Bigtable, segui questi passaggi un datastore e importare i dati utilizzando l'API.
Configurare l'accesso a Bigtable
Per concedere a Vertex AI Search l'accesso ai dati Bigtable di un altro progetto, segui questi passaggi:
Sostituisci la seguente variabile
PROJECT_NUMBER
con il numero del tuo progetto Vertex AI Search, quindi copia i contenuti di questo blocco di codice. Questo è l'identificatore del tuo account di servizio Vertex AI Search:service-PROJECT_NUMBER@gcp-sa-discoveryengine.iam.gserviceaccount.com`
Vai alla sezione IAM e Console di amministrazione.
Passa al tuo progetto Bigtable nella piattaforma IAM e Pagina Amministrazione e fai clic su Concedi l'accesso.
In Nuove entità, inserisci l'identificatore dell'account di servizio dell'istanza e seleziona Bigtable > Lettore Bigtable.
Fai clic su Salva.
Torna al progetto Vertex AI Search.
Poi vai a Importare i dati da Bigtable.
Importa dati da Bigtable
REST
Utilizzare la riga di comando per creare un datastore e importare i dati da Bigtable, segui questi passaggi:
Crea un datastore.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ -H "X-Goog-User-Project: PROJECT_ID" \ "https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores?dataStoreId=DATA_STORE_ID" \ -d '{ "displayName": "DISPLAY_NAME", "industryVertical": "GENERIC", "solutionTypes": ["SOLUTION_TYPE_SEARCH"], }'
Sostituisci quanto segue:
PROJECT_ID
: l'ID del progetto.DATA_STORE_ID
: l'ID del datastore. L'ID può Deve contenere solo lettere minuscole, cifre, trattini bassi e trattini.DISPLAY_NAME
: il nome visualizzato del datastore. Questo potrebbe verranno visualizzate nella console Google Cloud.
Importa i dati da Bigtable.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/documents:import" \ -d '{ "bigtableSource ": { "projectId": "BIGTABLE_PROJECT_ID", "instanceId": "INSTANCE_ID", "tableId": "TABLE_ID", "bigtableOptions": { "keyFieldName": "KEY_FIELD_NAME", "families": { "key": "KEY", "value": { "fieldName": "FIELD_NAME", "encoding": "ENCODING", "type": "TYPE", "columns": [ { "qualifier": "QUALIFIER", "fieldName": "FIELD_NAME", "encoding": "COLUMN_ENCODING", "type": "COLUMN_VALUES_TYPE" } ] } } ... } }, "reconciliationMode": "RECONCILIATION_MODE", "autoGenerateIds": "AUTO_GENERATE_IDS", "idField": "ID_FIELD", }'
Sostituisci quanto segue:
PROJECT_ID
: l'ID del tuo progetto Vertex AI Search.DATA_STORE_ID
: l'ID del datastore. L'ID può contenere solo lettere minuscole, cifre, trattini bassi e trattini.BIGTABLE_PROJECT_ID
: l'ID del progetto Bigtable.INSTANCE_ID
: l'ID del tuo Bigtable in esecuzione in un'istanza Compute Engine.TABLE_ID
: l'ID della tabella Bigtable.KEY_FIELD_NAME
: facoltativo ma consigliato. Il nome del campo da come valore chiave di riga dopo l'importazione in Vertex AI Search.KEY
: obbligatorio. Un valore di stringa per la chiave di famiglia di colonne.ENCODING
: facoltativo. La modalità di codifica dei valori quando il tipo non è STRING.Può essere sostituito per una colonna specifica elenca la colonna incolumns
e ne specifica una codifica.COLUMN_TYPE
: facoltativo. Il tipo di valori in questa colonna famiglia.QUALIFIER
: campo obbligatorio. Qualificatore della colonna.FIELD_NAME
: facoltativo ma consigliato. Il nome del campo da utilizzare per questa colonna dopo l'importazione in Vertex AI Search.COLUMN_ENCODING
: facoltativo. La modalità di codifica dei valori per una colonna specifica quando il tipo non è STRING.RECONCILIATION_MODE
: facoltativo. I valori sonoFULL
eINCREMENTAL
. Il valore predefinito èINCREMENTAL
. La specifica diINCREMENTAL
provoca un aggiornamento incrementale dei dati da Bigtable al tuo datastore. Viene eseguita un'operazione di upsert, che aggiunge nuovi documenti e sostituisce quelli esistenti con quelli aggiornati lo stesso ID. Se specifichiFULL
, viene generato un rebase completo dei documenti in del tuo datastore. In altre parole, i documenti nuovi e aggiornati vengono aggiunti del datastore e documenti non presenti in Bigtable vengono rimossi dal datastore. La modalitàFULL
è utile se: quando vuoi eliminare automaticamente i documenti che non ti servono più.AUTO_GENERATE_IDS
: facoltativo. Specifica se generare automaticamente gli ID documento. Se impostato sutrue
, gli ID documento vengono generati in base a un hash del payload. Tieni presente che gli ID documento generati potrebbero non rimanere coerenti in più importazioni. Se generi automaticamente gli ID in più importazioni, Google consiglia vivamente di impostarereconciliationMode
suFULL
per mantenere ID documento coerenti.Specifica
autoGenerateIds
solo quandobigquerySource.dataSchema
è impostato sucustom
. In caso contrario, viene restituito un erroreINVALID_ARGUMENT
. Se non specifichiautoGenerateIds
o non lo imposti sufalse
, devi specificareidField
. In caso contrario, l'importazione dei documenti non andrà a buon fine.ID_FIELD
: facoltativo. Specifica quali campi sono ID documento.
Python
Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Python Vertex AI Agent Builder.
Per eseguire l'autenticazione su Vertex AI Agent Builder, configura le credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Crea un datastore
Importa documenti
Passaggi successivi
Per collegare il datastore a un'app, crea un'app e seleziona il datastore seguendo i passaggi Crea un'app di ricerca.
Per visualizzare l'anteprima dell'aspetto dei risultati di ricerca dopo la configurazione dell'app e del datastore, consulta Generare risultati di ricerca.
Importa da AlloyDB per PostgreSQL
Per importare dati da AlloyDB per PostgreSQL, segui questi passaggi per creare un datastore e importare i dati utilizzando la console Google Cloud o l'API.
Se i dati di AlloyDB per PostgreSQL si trovano nello stesso progetto del progetto Vertex AI Search, vai a Importare i dati da AlloyDB per PostgreSQL.
Se i dati di AlloyDB per PostgreSQL si trovano in un progetto diverso da quello di Vertex AI Search, vai a Configurare l'accesso ad AlloyDB per PostgreSQL.
Configura l'accesso ad AlloyDB per PostgreSQL da un progetto diverso
Per concedere a Vertex AI Search l'accesso ai dati AlloyDB per PostgreSQL, di un altro progetto, segui questi passaggi:
Sostituisci la seguente variabile
PROJECT_NUMBER
con il numero del progetto Vertex AI Search e poi copia i contenuti di questo blocco di codice. Questo è l'identificatore del tuo account di servizio Vertex AI Search:service-PROJECT_NUMBER@gcp-sa-discoveryengine.iam.gserviceaccount.com
Passa al progetto Google Cloud in cui si trovano i dati di AlloyDB per PostgreSQL.
Vai alla pagina IAM.
Fai clic su Concedi l'accesso.
In Nuove entità, inserisci l'account di servizio Vertex AI Search identificatore e seleziona Cloud AlloyDB > Amministratore Cloud AlloyDB.
Fai clic su Salva.
Torna al tuo progetto Vertex AI Search.
Poi, vai a Importare dati da AlloyDB per PostgreSQL.
Importa i dati da AlloyDB per PostgreSQL
Console
Per utilizzare la console per importare i dati da AlloyDB per PostgreSQL, segui questi passaggi:
Nella console Google Cloud, vai alla pagina Agent Builder.
Nel menu di navigazione, fai clic su Datastore.
Fai clic su Crea datastore.
Nella pagina Origine, seleziona AlloyDB.
Specifica l'ID progetto, l'ID località, l'ID cluster, l'ID database e l'ID tabella dei dati che prevedi di importare.
Fai clic su Continua.
Scegli una regione per il datastore.
Inserisci un nome per il datastore.
Fai clic su Crea.
Per controllare lo stato dell'importazione, vai alla pagina Datastore e fai clic sul nome del datastore per visualizzarne i dettagli nella pagina Dati. Quando la colonna dello stato nella scheda Attività passa da In corso a Importazione completata, l'importazione è completata.
A seconda delle dimensioni dei dati, l'importazione può richiedere diversi minuti o diverse ore.
REST
Utilizzare la riga di comando per creare un datastore e importare i dati da AlloyDB per PostgreSQL:
Crea un datastore.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ -H "X-Goog-User-Project: PROJECT_ID" \ "https://discoveryengine.googleapis.com/v1beta/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores?dataStoreId=DATA_STORE_ID" \ -d '{ "displayName": "DISPLAY_NAME", "industryVertical": "GENERIC", "solutionTypes": ["SOLUTION_TYPE_SEARCH"], }'
Sostituisci quanto segue:
PROJECT_ID
: l'ID del progetto.DATA_STORE_ID
: l'ID del datastore. L'ID può Deve contenere solo lettere minuscole, cifre, trattini bassi e trattini.DISPLAY_NAME
: il nome visualizzato del datastore. Questo potrebbe verranno visualizzate nella console Google Cloud.
Importa i dati da AlloyDB per PostgreSQL.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/documents:import" \ -d '{ "alloydbSource": { "projectId": "ALLOYDB_PROJECT_ID", "locationId": "LOCATION_ID", "clusterId": "CLUSTER_ID", "databaseId": "DATABASE_ID", "tableId": "TABLE_ID", }, "reconciliationMode": "RECONCILIATION_MODE", "autoGenerateIds": "AUTO_GENERATE_IDS", "idField": "ID_FIELD", }'
Sostituisci quanto segue:
PROJECT_ID
: l'ID del tuo progetto Vertex AI Search.DATA_STORE_ID
: l'ID del datastore. L'ID può contenere solo lettere minuscole, cifre, trattini bassi e trattini.ALLOYDB_PROJECT_ID
: l'ID del progetto AlloyDB per PostgreSQL.LOCATION_ID
: l'ID di AlloyDB per PostgreSQL in ogni località.CLUSTER_ID
: l'ID del tuo cluster AlloyDB per PostgreSQL.DATABASE_ID
: l'ID di AlloyDB per PostgreSQL per configurare un database.TABLE_ID
: l'ID di AlloyDB per PostgreSQL tabella.RECONCILIATION_MODE
: facoltativo. I valori sonoFULL
eINCREMENTAL
. Il valore predefinito èINCREMENTAL
. La specifica diINCREMENTAL
provoca un aggiornamento incrementale dei dati da AlloyDB per PostgreSQL al tuo data store. Viene eseguita un'operazione di upsert, che aggiunge nuovi documenti sostituisce i documenti esistenti con documenti aggiornati con lo stesso ID. Se specifichiFULL
, viene generato un rebase completo dei documenti nei tuoi dati . In altre parole, i documenti nuovi e aggiornati vengono aggiunti al tuo data store e quelli che non sono presenti in AlloyDB per PostgreSQL vengono rimossi dal tuo data store. La modalitàFULL
è utile se vuoi elimineranno automaticamente i documenti che non ti servono più.AUTO_GENERATE_IDS
: facoltativo. Specifica se generano automaticamente gli ID documento. Se impostato sutrue
, gli ID documento vengono generati sulla base di un hash del payload. Tieni presente che ha generato gli ID documento potrebbero non rimanere coerenti in più importazioni. Se gli ID vengono generati automaticamente in più importazioni, Google ha consiglia di impostarereconciliationMode
suFULL
per mantenere gli ID dei documenti coerenti.ID_FIELD
: facoltativo. Specifica quali campi sono ID documento.
Passaggi successivi
Per collegare il datastore a un'app, crea un'app e seleziona il datastore seguendo i passaggi descritti in Creare un'app di ricerca.
Per visualizzare l'anteprima dell'aspetto dei risultati di ricerca dopo la configurazione dell'app e del datastore, consulta Generare risultati di ricerca.
Carica dati JSON strutturati con l'API
Per caricare direttamente un documento o un oggetto JSON utilizzando l'API, segui questi passaggi.
Prima di importare i dati, Prepara i dati per l'importazione.
REST
Per utilizzare la riga di comando per creare un data store e importare dati JSON strutturati, segui questi passaggi.
Creare un datastore.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ -H "X-Goog-User-Project: PROJECT_ID" \ "https://discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores?dataStoreId=DATA_STORE_ID" \ -d '{ "displayName": "DATA_STORE_DISPLAY_NAME", "industryVertical": "GENERIC", "solutionTypes": ["SOLUTION_TYPE_SEARCH"] }'
Sostituisci quanto segue:
PROJECT_ID
: l'ID del tuo progetto Google Cloud.DATA_STORE_ID
: l'ID del datastore di Vertex AI Search che vuoi creare. Questo ID può contenere solo lettere minuscole lettere, numeri, trattini bassi e trattini.DATA_STORE_DISPLAY_NAME
: il nome visualizzato di Vertex AI Cerca nel datastore che vuoi creare.
Importa i dati strutturati.
Esistono diversi approcci che puoi utilizzare per caricare i dati, tra cui:
Carica un documento JSON.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://discoveryengine.googleapis.com/v1beta/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/documents?documentId=DOCUMENT_ID" \ -d '{ "jsonData": "JSON_DOCUMENT_STRING" }'
Sostituisci quanto segue:
DOCUMENT_ID
: un ID univoco per il documento. Questo ID può avere una lunghezza massima di 63 caratteri e contenere solo lettere minuscole. lettere, numeri, trattini bassi e trattini.JSON_DOCUMENT_STRING
: il documento JSON come singola stringa. Deve essere conforme allo schema JSON fornito nel passaggio precedente, ad esempio:{ \"title\": \"test title\", \"categories\": [\"cat_1\", \"cat_2\"], \"uri\": \"test uri\"}
Carica un oggetto JSON.
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://discoveryengine.googleapis.com/v1beta/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/documents?documentId=DOCUMENT_ID" \ -d '{ "structData": JSON_DOCUMENT_OBJECT }'
Sostituisci
JSON_DOCUMENT_OBJECT
con il documento JSON come oggetto JSON. Deve essere conforme allo schema JSON fornito nel passaggio precedente, ad esempio:```json { "title": "test title", "categories": [ "cat_1", "cat_2" ], "uri": "test uri" } ```
Esegui l'aggiornamento con un documento JSON.
curl -X PATCH \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://discoveryengine.googleapis.com/v1beta/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/documents/DOCUMENT_ID" \ -d '{ "jsonData": "JSON_DOCUMENT_STRING" }'
Esegui l'aggiornamento con un oggetto JSON.
curl -X PATCH \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ "https://discoveryengine.googleapis.com/v1beta/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/documents/DOCUMENT_ID" \ -d '{ "structData": JSON_DOCUMENT_OBJECT }'
Passaggi successivi
Per collegare il datastore a un'app, crea un'app e seleziona il datastore seguendo i passaggi descritti in Creare un'app di ricerca.
Per visualizzare l'anteprima dell'aspetto dei risultati di ricerca dopo che l'app e il datastore sono per l'impostazione, consulta Visualizza i risultati di ricerca.
Risolvere i problemi di importazione dati
In caso di problemi con importazione dati, consulta questi suggerimenti:
Se utilizzi chiavi di crittografia gestite dal cliente e l'importazione dei dati non va a buon fine (con il messaggio di errore
The caller does not have permission
), assicurati che il ruolo IAM Autore crittografia/decrittografia CryptoKey (roles/cloudkms.cryptoKeyEncrypterDecrypter
) sulla chiave sia stato concesso all'agente di servizio Cloud Storage. Per saperne di più, consulta Prima di iniziare in "Chiavi di crittografia gestite dal cliente".Se utilizzi l'indicizzazione avanzata del sito web e l'utilizzo dei documenti per l'armadietto dei dati è molto inferiore alle aspettative, rivedi i pattern URL specificati per l'indicizzazione e assicurati che coprano le pagine che vuoi indicizzare ed espandili se necessario. Ad esempio, se hai utilizzato
*.en.example.com/*
, potresti dover aggiungere*.example.com/*
ai siti che vuoi indicizzare.
Creare un datastore utilizzando Terraform
Puoi usare Terraform per creare un datastore vuoto. Dopo aver creato il data store vuoto, puoi importare i dati utilizzando i comandi della console o dell'API Google Cloud.
Per scoprire come applicare o rimuovere una configurazione Terraform, consulta: Comandi Terraform di base.
Per creare un data store vuoto utilizzando Terraform, consulta
google_discovery_engine_data_store
.