本頁面由 Cloud Translation API 翻譯而成。

使用 BigQuery、Cloud Run 和 Gemma 分析 GKE 上的資料

自動駕駛標準

本教學課程將示範如何使用 BigQuery、Cloud Run 和 Gemma LLM，從大型資料集擷取洞察資訊。在本教學課程中，您會將範例應用程式部署至 Google Kubernetes Engine (GKE)。這個範例應用程式會運用 BigQuery 儲存及處理資料、使用 Cloud Run 處理要求，並透過 Gemma LLM 分析資料，以及根據收到的提示生成預測結果。

本教學課程的適用對象為雲端平台管理員和架構師、資料和 AI 專家、機器學習工程師，以及機器學習運作 (DevOps) 專業人員。閱讀本頁面之前，請務必先熟悉 Kubernetes 和 Jupyter 等筆記本環境。

完成「Serve Gemma open models using GPUs on GKE with Hugging Face TGI」(透過 Hugging Face TGI 使用 GKE 中的 GPU 提供 Gemma 開放式模型服務) 教學課程，是本教學課程的先決條件。TGI 架構可簡化模型服務程序。

選用 GKE 和 BigQuery 的理由

BigQuery 是一項平台即服務 (PaaS)，提供全代管無伺服器資料倉儲，可對 PB 級資料進行可擴充的分析。BigQuery 可讓您專注於分析資料，找出有意義的洞察資訊，同時使用熟悉的 SQL 和內建機器學習。

在 GKE 上搭配 TGI 使用 GPU，即可部署 Gemma 語言模型，以自然語言分析及摘要使用者互動內容。隨後，只要將 BigQuery 與 GKE 整合，就能使用 BigQuery 有效率地處理大量資料集 (例如 Google Analytics)，並運用模型的自然語言理解功能產生有意義的洞察資料。

舉例來說，如果您是電子商務公司的資料科學家、分析師或業務決策者，可能想瞭解網站或應用程式的使用者行為。這類洞察資料有助於最佳化及個人化使用者歷程，並做出明智的業務決策來提高銷售量。

在這種情況下，您可以從 BigQuery 取得原始 Google Analytics 資料，提供給 Gemma 模型，然後以自然語言取得網頁造訪摘要和洞察資料。Gemma 模型在 GKE 的 GPU 加速可擴充基礎架構上執行，可快速處理使用者歷程資料，找出模式和趨勢。您可以取得洞察資料，找出熱門的產品組合、找出結帳程序中常見的流失點，以及找出能將流量帶往特定到達網頁的成功行銷活動。

優點

這項解決方案提供精簡的工作流程，具備下列優點：

BigQuery 整合：使用 BigQuery 儲存及處理大型資料集 (例如本教學課程中的 Google Analytics 資料)。這樣您就能查詢及彙整模型分析所需的資料。
GPU 加速：在支援 GPU 的 GKE 叢集上執行 Gemma 模型，加快推論程序，預測速度遠勝 CPU 型處理器。
降低成本和時間：使用預先訓練的開放原始碼 Gemma 語言模型，節省時間和資源，不必從頭建構自訂模型。

目標

在本教學課程中，您將瞭解以下內容：

部署模型並公開：建立服務 YAML 檔案，定義內部負載平衡器，以便存取 Gemma 模型。
建立 BigQuery 遠端函式：執行 Python 程式碼，定義可接收 Google Analytics 資料的遠端函式、為模型建構提示、使用負載平衡器將要求傳送至模型端點，以及傳回模型的回應。
設定虛擬私有雲 (VPC) 網路：設定 VPC 網路和 VPC 連接器，以便在 BigQuery 和 GKE 叢集之間啟用安全通訊。遠端函式必須存取模型端點，才能順利運作。
分析資料：使用 BigQuery DataFrames 分析資料，或使用 bq 指令列工具直接以 SQL 分析資料。在 Colab Enterprise 筆記本中執行提供的程式碼片段，即可：
- 使用 SQL 查詢 BigQuery 中的 Google Analytics 資料。
- 將遠端函式套用至資料，從 Gemma 模型產生洞察。
- 顯示結果。

架構

下圖顯示相關元件和互動方式：

資料分析架構

使用 Colab Enterprise 筆記本執行 Python 程式碼。使用 Python 時，您可以透過 bigframes 程式庫簡化 SQL 互動。
BigQuery 是大數據處理引擎，可讓您使用 SQL 處理資料。
遠端函式會叫用 Cloud Run 函式。資料會自動傳送至遠端函式，經過準備後再傳送至 GKE 進行推論。
結果會傳回 BigQuery，並顯示在表格中。

費用

在本文件中，您會使用 Google Cloud的下列計費元件：

如要根據預測用量估算費用，請使用 Pricing Calculator。

初次使用 Google Cloud 的使用者可能符合免費試用資格。

完成本文所述工作後，您可以刪除已建立的資源，避免繼續計費。詳情請參閱清除所用資源一節。

事前準備

請務必完成下列必要條件：

選取或建立專案

您可以使用現有專案，或為本教學課程建立新專案。

Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Go to project selector

Make sure that billing is enabled for your Google Cloud project.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Go to project selector

Make sure that billing is enabled for your Google Cloud project.

啟用 API

Enable the Artifact Registry, Compute Engine, GKE, IAM Service Account Credentials, Cloud Functions, Cloud Build, Cloud Run Admin, Cloud Logging, Serverless VPC Access, BigQuery, Dataform, Vertex AI APIs.

Enable the APIs

設定 Cloud Shell

在本教學課程中，您將使用 Cloud Shell 執行 gcloud 和 kubectl 指令。Cloud Shell 是殼層環境，用於管理 Google Cloud上託管的資源。這個環境已預先安裝 Google Cloud CLI 和 kubectl 指令列工具。

In the Google Cloud console, activate Cloud Shell.

Activate Cloud Shell

此時 Cloud Shell 工作階段會在控制台底部的頁框中開啟，

在本教學課程中執行指令前，請務必將預設專案設為要部署範例應用程式的專案 ID。如果尚未設定，請在 Cloud Shell 中執行下列指令：

gcloud config set project PROJECT_ID

將 PROJECT_ID 替換為專案 ID。

授予 IAM 角色

請確認您的使用者帳戶和專案中的 Compute Engine 預設服務帳戶，都具備本教學課程所需的身分與存取權管理 (IAM) 角色。

Grant roles to your user account. Run the following command once for each of the following IAM roles: roles/aiplatform.colabEnterpriseAdmin, roles/run.invoker, roles/container.admin, roles/iam.serviceAccountAdmin, roles/logging.logWriter

gcloud projects add-iam-policy-binding PROJECT_ID --member="user:USER_IDENTIFIER" --role=ROLE

Replace PROJECT_ID with your project ID.
Replace USER_IDENTIFIER with the identifier for your user account. For example, user:myemail@example.com.
Replace ROLE with each individual role.

將角色授予 Compute Engine 預設服務帳戶。針對下列每個 IAM 角色執行一次下列指令：roles/logging.logWriter, roles/artifactregistry.writer, roles/storage.objectViewer

gcloud projects add-iam-policy-binding PROJECT_ID --member="serviceAccount:PROJECT_NUMBER-compute@developer.gserviceaccount.com" --role=ROLE

將 PROJECT_ID 替換為您的專案 ID。
將 PROJECT_NUMBER 替換為專案編號，為專案建構 Compute Engine 預設服務帳戶網域。例如：123456789012-compute@developer.gserviceaccount.com。
將 ROLE 替換為各個角色。

提供 Gemma 模型

前往「使用 Hugging Face TGI 在 GKE 上透過 GPU 提供 Gemma 開放式模型」教學課程，按照「事前準備」到「使用 curl 與模型互動的指示操作，確保 Gemma 模型部署成功，且您可以與模型互動。

在本教學課程中，請部署 Gemma 2B-it 模型。

設定虛擬私有雲網路

在 us-central1 區域中建立或使用 VPC 網路，讓遠端函式可以連線至 GKE 叢集。在本教學課程中，請使用 Default VPC。

為確保 BigQuery 資料集、遠端函式和基礎 Cloud Run 函式部署在相容的位置，VPC 網路必須與 BigQuery 遠端函式位於相同區域。在本教學課程中，您建立遠端函式時設定 BigQuery DataFrame 選項，並指定 US 做為資料集的位置，預設為 Cloud Run 函式的 us-central1 區域。因此，請在 us-central1 地區建立或使用虛擬私有雲。

建立負載平衡器

請按照下列操作說明，在 GKE 叢集中建立內部負載平衡器：

建立下列 tgi-2b-lb-service.yaml 資訊清單：

apiVersion: v1
kind: Service
metadata:
name: llm-lb-service
annotations:
    networking.gke.io/load-balancer-type: "Internal"
spec:
selector:
  app: gemma-server
type: LoadBalancer
ports:
- protocol: TCP
  port: 8000
  targetPort: 8000

開啟新的 Cloud Shell 終端機，然後執行下列指令來套用資訊清單：
```
kubectl apply -f tgi-2b-lb-service.yaml
```
取得負載平衡器 IP 位址。您可能需要等待 1 到 2 分鐘，才能擷取這個 IP 位址：
```
kubectl get service llm-lb-service --output yaml | grep ip:
```

您將使用這個 IP 位址，與負載平衡器後方執行的 gemma-server 應用程式通訊。

建立連接器

您可以使用無伺服器虛擬私有雲存取連接器，透過虛擬私有雲網路傳送及接收要求，不必使用公開網際網路。詳情請參閱無伺服器虛擬私有雲存取。

在本教學課程中，您將建立具有新專屬子網路的連接器，避免與虛擬私有雲中的現有資源發生 IP 位址衝突。如需操作說明，請參閱「建立連接器」一節，並按照「建立連接器和新的子網路」一節的 gcloud 操作說明操作。

如要使用現有子網路，請按照「使用現有子網路建立連接器」一節的說明操作。

會強制執行這項規定。

詳情請參閱「連接器子網路需求」。

建立筆記本

在本教學課程中，您將使用 Colab Enterprise 筆記本執行所有程式碼，定義 BigQuery 遠端函式並執行分析。

如要透過 Google Cloud 控制台建立 Colab Enterprise 筆記本，請按照下列步驟操作：

前往 Google Cloud 控制台的「Colab Enterprise Notebooks」頁面：

前往 Notebooks
在「Region」(區域) 選單中選取「us-central1」。您在本教學課程中建立的所有服務，都位於這個區域。
按一下「檔案」旁的「建立筆記本」。

新的筆記本就會出現在「My notebooks」(我的筆記本) 分頁中。

如要在新筆記本中執行程式碼，請為要執行的每個指令或程式碼片段，在筆記本中插入新的程式碼儲存格。

建立 BigQuery 遠端函式

您可以使用 bigframes 程式庫定義 BigQuery 遠端函式。在本節中，請使用 bigframes 建立名為 process_incoming 的遠端函式。這項遠端函式會將 Google Analytics 資料做為輸入內容、建構提示，並傳送至 Gemma 模型進行分析。

在您建立的 Colab Enterprise 筆記本中：

按一下「+ 程式碼」，插入新的程式碼儲存格。

在新的程式碼儲存格中複製下列程式碼：

# Install the necessary packages on the notebook runtime
%pip install --upgrade bigframes --quiet

import bigframes.pandas as bpd
import os
import ast
import requests

# Replace the following  variables
# Use the format ip:port
# For example, "10.128.05:8000"
lb_url = "LOADBALANCER_IP_ADDRESS:8000"

# Set BigQuery DataFrames options
bpd.options.bigquery.project = "PROJECT_ID"
bpd.options.bigquery.location = "US"
# Update the VPC connector name with the one you created
vpc_connector_name = "VPC_CONNECTOR_NAME"

# Create a remote function using bigframes
# https://cloud.google.com/bigquery/docs/remote-functions#bigquery-dataframes

@bpd.remote_function(
  dataset="ga_demo",
  name="ga_explain_example",
  bigquery_connection="bigframes-rf-conn",
  reuse=True,
  packages=["requests"],
  cloud_function_vpc_connector=VPC_CONNECTOR_NAME,
  cloud_function_service_account="default",
)
def process_incoming(data: str) -> str:
  ga_data = ast.literal_eval(data)
  USER_PROMPT = """
      'The following are the results from Google Analytics.
      They are reverse ranked.
      reverse_event_number 1 is the last page visited.
      reverse_event_number 2 is the second last page visited.
      You are given the following data.
      {}
      Can you summarize what was the most popular page people landed on and what page they came from?
  """.format(ga_data)

  url = 'http://{}/generate'.format(lb_url)

  myobj = {
      "inputs": USER_PROMPT,
      "temperature": 0.90,
      "top_p": 0.95,
      "max_tokens": 2048
  }
  x = requests.post(url, json=myobj)
  result = x.text
  return (result)

function_name = process_incoming.bigframes_remote_function
print (f"The function name is: {function_name}")

更改下列內容：

LOADBALANCER_IP_ADDRESS：您先前建立的內部負載平衡器的 IP 位址和通訊埠，例如 10.128.05:8000。
PROJECT_ID：您的專案 ID。
VPC_CONNECTOR_NAME：您先前建立的無伺服器虛擬私有雲存取連接器名稱。

在本教學課程中，BigQuery 資料集的位置設為 US，預設為 us-central1 地區。

按一下「執行儲存格」圖示。

輸出內容會顯示函式名稱，如下所示：

The function name is: PROJECT_ID.ga_demo.ga_explain_example

分析使用者行為

在本節中，您將使用 process_incoming 遠端函式，透過下列任一方式分析網站上的使用者行為：

使用 BigQuery DataFrames
使用 bq 指令列工具，直接在 SQL 中執行查詢。

使用 BigQuery DataFrames

如要使用您建立的 Colab Enterprise 筆記本，透過 BigQuery DataFrames 執行遠端函式，請按照下列步驟操作：

按一下「+ 程式碼」，插入新的程式碼儲存格。
將下列程式碼複製到新的程式碼儲存格中，然後按一下「執行儲存格」。

# Generate a list of all matchups and their histories as a JSON

grouping_sql = """
with
data_table as (
 SELECT
 distinct
   user_pseudo_id,
   events.value.string_value,
   event_timestamp,
   rank() over (partition by user_pseudo_id order by event_timestamp desc) as reverse_event_number
 FROM
   `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_20210131` as events20210131,
   unnest (events20210131.event_params) as events
 where events.key = 'page_location'
 qualify reverse_event_number < 3
)
select
*,TO_JSON_STRING (data_table) as ga_history
from data_table
limit 10;

"""

ga_df = bpd.read_gbq(grouping_sql)
post_processed = ga_df.assign(results=ga_df['ga_history'].apply(process_incoming),axis=1)
post_processed.head(10)

以下輸出內容顯示查詢的範例結果：

user_pseudo_id	string_value	event_timestamp	reverse_event_number	ga_history	結果	軸
0	2342103247.0307162928	https://shop.googlemerchandisestore.com/Google...	1612096237169825	2	{"user_pseudo_id":"2342103247.0307162928","str...	{"generated_text":"\n 'The following are...
1	48976087.6959390698	https://www.googlemerchandisestore.com/	1612056537823270	2	{"user_pseudo_id":"48976087.6959390698","strin...	{"generated_text":"\n \n ```python\n imp...

使用 `bq` 指令列工具

或者，您也可以使用 bq 指令列工具，直接使用 SQL 執行分析。

如要在您建立的 Colab Enterprise 筆記本中，使用 bq 指令列工具執行遠端函式，請按照下列步驟操作：

按一下「+ 程式碼」，插入新的程式碼儲存格。

在新的程式碼儲存格中複製下列程式碼，並將 PROJECT_ID 替換為您的專案 ID。

# Update with your PROJECT_ID

function_name = 'PROJECT_ID.ga_demo.ga_explain_example'

new_sql = """'with \
data_table as ( \
SELECT \
distinct \
  user_pseudo_id, \
  events.value.string_value, \
  event_timestamp, \
  rank() over (partition by user_pseudo_id order by event_timestamp desc) as reverse_event_number \
FROM \
  `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_20210131` as events20210131, \
  unnest (events20210131.event_params) as events \
where events.key = "page_location" \
qualify reverse_event_number < 3 \
) \
select \
*, `{}`(TO_JSON_STRING (data_table)) as result \
from data_table \
limit 10;' \
""".format(function_name)

# Run query using bq cli directly in a notebook cell

!bq query --use_legacy_sql=false \
{new_sql}

按一下「執行儲存格」圖示。

以下輸出內容顯示查詢的範例結果：

user_pseudo_id	string_value	event_timestamp	reverse_event_number	result
86037838.0267811614	https://shop.googlemerchandisestore.com/Google+Redesign/Apparel/Google+Dino+Game+Tee	1612128627715585	1	{"generated_text":"Answer:\n The most popular page was https://shop.googlemerchandisestore.com/Google+Redesign/Apparel/Google+Dino+Game+Tee\n The next most popular page was the page they came from.\n\n Explanation:\n\nThe provided data shows that the current user visited Google's merchandise store specifically for the product "Google Dino Game Tee." \n \n重要考量：\n\n* 資料解讀：您無法明確指出「}
4024190.3037653934	https://shop.googlemerchandisestore.com/Google+Redesign/Apparel/Google+Black+Cloud+Zip+Hoodie	1612085948486438	1	{"generated_text":"\n ```python\n import pandas as pd\n\n data = {'user_pseudo_id': ['4024190.3037653934', '4024190.3037653934', '4024190.3037653934'],\n 'string_value': ['https://shop.googlemerchandisestore.com"}

清除所用資源

如要避免系統向您的 Google Cloud 帳戶收取本教學課程中所用資源的相關費用，請刪除含有該項資源的專案，或者保留專案但刪除個別資源。

如要避免系統向您的 Google Cloud 帳戶收取本教學課程所用資源的費用，請刪除個別資源。

刪除 Colab Enterprise 筆記本。
刪除 Colab Enterprise 執行階段。
刪除 BigQuery 函式。請確認服務帳戶具備「bigquery.routines.delete」權限。詳情請參閱 BigQuery 權限。
刪除 BigQuery 外部連結。
刪除 Cloud Run 函式。
刪除 GKE 叢集。
刪除虛擬私有雲連接器。

後續步驟

試用實作程式碼研究室，瞭解結構化和非結構化資料分析的使用情境。
請參閱「在 GKE 上執行批次工作負載的最佳做法」。
進一步瞭解 BigQuery 中的 AI/ML 應用實例。
進一步瞭解 GKE 中的 AI/機器學習應用實例。

使用 BigQuery、Cloud Run 和 Gemma 分析 GKE 上的資料 透過集合功能整理內容 你可以依據偏好儲存及分類內容。

選用 GKE 和 BigQuery 的理由

優點

目標

架構

費用

事前準備

選取或建立專案

啟用 API

設定 Cloud Shell

授予 IAM 角色

提供 Gemma 模型

設定虛擬私有雲網路

建立負載平衡器

建立連接器

建立筆記本

建立 BigQuery 遠端函式

分析使用者行為

使用 BigQuery DataFrames

使用 bq 指令列工具

清除所用資源

後續步驟

使用 BigQuery、Cloud Run 和 Gemma 分析 GKE 上的資料

使用 `bq` 指令列工具