Mengintegrasikan Cloud SQL dengan Vertex AI

MySQL   |  PostgreSQL   |  SQL Server

Halaman ini menjelaskan cara mengintegrasikan Cloud SQL dengan Vertex AI. Integrasi ini memungkinkan Anda menerapkan model bahasa besar (LLM), yang dihosting di Vertex AI, ke database Cloud SQL untuk PostgreSQL, versi 12 dan yang lebih baru.

Dengan mengintegrasikan Cloud SQL dengan Vertex AI, Anda dapat menerapkan kemampuan semantik dan prediktif model machine learning (ML) ke data Anda. Integrasi ini memperluas sintaksis PostgreSQL dengan dua fungsi untuk membuat kueri model:

• Mengaktifkan prediksi untuk memanggil model menggunakan SQL dalam transaksi.
• Buat embedding agar model embedding menerjemahkan perintah teks menjadi vektor numerik. Selanjutnya, Anda dapat menerapkan embedding vektor ini sebagai input ke fungsi pgvector. Hal ini mencakup metode untuk membandingkan dan mengurutkan contoh teks sesuai dengan jarak semantik relatifnya.

Hasilnya, Anda dapat membuat prediksi real-time dan mendapatkan insight berharga langsung dalam database, sehingga menyederhanakan alur kerja dan meningkatkan kemampuan pengambilan keputusan.

Untuk mengetahui informasi selengkapnya tentang Vertex AI, lihat Pengantar Vertex AI.

Sebelum memulai

Catatan: Nama yang Anda gunakan untuk project harus terdiri dari 4 hingga 30 karakter. Saat Anda mengetik nama tersebut, formulir akan menyarankan ID project yang dapat Anda edit. ID project harus terdiri dari 6 hingga 30 karakter, dengan huruf kecil sebagai karakter pertama. Anda dapat menggunakan tanda hubung, huruf kecil, atau angka untuk karakter yang tersisa, tetapi karakter terakhir tidak boleh berupa tanda hubung.

1. 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.

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

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

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

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

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

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

6. Mengaktifkan Google Cloud API yang diperlukan.

   Konsol

   1. Buka halaman API & Layanan.
   2. Dari daftar project, pilih project Anda.
   3. Jika API Library tidak terbuka, dari menu navigasi, pilih Library.

   4. Klik API yang ingin Anda aktifkan. Untuk prosedur ini, aktifkan Cloud SQL Admin API dan Vertex AI API.

      Catatan: Jika Anda memerlukan bantuan untuk menemukan API ini, gunakan kolom penelusuran.

   5. Setelah memilih setiap API, klik Aktifkan.

   gcloud

   1. Buka Cloud Shell, yang menyediakan akses command line ke resource Google Cloud Anda langsung dari browser.
   2. Untuk mengaktifkan API yang diperlukan, gunakan perintah gcloud services enable:

      gcloud services enable sqladmin.googleapis.com \
      enable aiplatform.googleapis.com

   Perintah ini mengaktifkan API berikut:
   • Cloud SQL Admin API
   • Vertex AI API

7. Berikan izin Identity and Access Management (IAM) akun layanan Cloud SQL untuk mengakses Vertex AI.

   gcloud

   Untuk menambahkan izin Vertex AI ke akun layanan Cloud SQL untuk project tempat instance Cloud SQL berada, gunakan perintah gcloud projects add-iam-policy-binding:

   gcloud projects add-iam-policy-binding PROJECT_ID \
     --member="serviceAccount:SERVICE_ACCOUNT_EMAIL" \
     --role="roles/aiplatform.user"

   Lakukan penggantian berikut:

   • PROJECT_ID: ID project yang memiliki endpoint Vertex AI. Cloud SQL menggunakan endpoint ini untuk mengakses LLM yang dihosting di Vertex AI.

   • SERVICE_ACCOUNT_EMAIL: alamat email akun layanan Cloud SQL.

     Untuk menemukan alamat email ini, gunakan perintah gcloud sql instances describe INSTANCE_NAME dan ganti INSTANCE_NAME dengan nama instance Cloud SQL. Nilai yang muncul di samping parameter serviceAccountEmailAddress adalah alamat email.

   Catatan: Secara umum, perubahan kebijakan akan berlaku dalam waktu 2 menit. Namun, dalam keadaan tertentu, diperlukan waktu hingga 7 menit agar perubahan tersebut diterapkan sepenuhnya di seluruh sistem. Untuk mengetahui informasi selengkapnya, lihat Penerapan perubahan akses.

Mengaktifkan integrasi database dengan Vertex AI

Untuk mengaktifkan integrasi database dengan Vertex AI, selesaikan langkah-langkah berikut:

1. Buat atau perbarui instance Cloud SQL agar instance dapat berintegrasi dengan Vertex AI.

   gcloud

   Buat instance

   Untuk membuat instance Cloud SQL, gunakan perintah gcloud sql instances create.

   gcloud sql instances create INSTANCE_NAME \
   --database-version=DATABASE_VERSION \
   --tier=MACHINE_TYPE \
   --region=REGION_NAME \
   --enable-google-ml-integration \
   --database-flags cloudsql.enable_google_ml_integration=on

   Lakukan penggantian berikut:

   • INSTANCE_NAME: nama instance
   • DATABASE_VERSION: versi database untuk instance (misalnya, POSTGRES_13)
   • MACHINE_TYPE: jenis mesin untuk instance
   • REGION_NAME: nama region untuk instance

   Catatan: Untuk mengetahui informasi selengkapnya tentang parameter ini, lihat Membuat instance.

   Mengupdate instance

   Untuk memperbarui instance, gunakan perintah gcloud sql instances patch.

   gcloud sql instances patch INSTANCE_NAME \
   --enable-google-ml-integration \
   --database-flags cloudsql.enable_google_ml_integration=on

   Jika update ini mengubah nilai yang memerlukan proses mulai ulang, Anda akan melihat perintah untuk melanjutkan perubahan atau membatalkan.

   Catatan: Untuk mengetahui informasi selengkapnya tentang cara mengupdate instance, lihat Mengedit instance.

   REST v1

   Buat instance

   Gunakan contoh ini untuk membuat instance. Untuk mengetahui daftar lengkap parameter panggilan ini, lihat halaman instances:insert. Untuk mengetahui informasi tentang setelan instance, termasuk nilai yang valid untuk region, lihat Setelan instance.

   Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

   • PROJECT_ID: ID atau nomor project project Google Cloud yang berisi instance
   • INSTANCE_NAME: nama instance
   • REGION_NAME: nama region untuk instance
   • DATABASE_VERSION: string enum versi database (misalnya: POSTGRES_13)
   • PASSWORD: sandi untuk pengguna root
   • MACHINE_TYPE: string enum jenis (tingkat) mesin, seperti: db-custom-[CPUS]-[MEMORY_MBS]
   • EDITION_TYPE: edisi Cloud SQL Anda

   Catatan: Untuk mengetahui informasi selengkapnya tentang parameter ini, lihat Membuat instance.

   Anda juga harus menyertakan objek enableGoogleMlIntegration dalam permintaan. Tetapkan parameter berikut, jika diperlukan:

   • enableGoogleMlIntegration: jika parameter ini ditetapkan ke true, instance Cloud SQL dapat terhubung ke Vertex AI untuk meneruskan permintaan prediksi real-time dan insight ke AI
   • cloudsql.enable_google_ml_integration: jika parameter ini ditetapkan ke on, Cloud SQL dapat berintegrasi dengan Vertex AI

   Metode HTTP dan URL:

   POST https://sqladmin.googleapis.com/v1/projects/PROJECT_ID/instances

   Meminta isi JSON:

   {
     "name": "INSTANCE_NAME",
     "region": "REGION_NAME",
     "databaseVersion": "DATABASE_VERSION",
     "rootPassword": "PASSWORD",
     "settings": {
       "tier": "MACHINE_TYPE",
       "edition": "EDITION_TYPE",
       "enableGoogleMlIntegration": "true" | "false"
       "databaseFlags":
         {
           "name": "cloudsql.enable_google_ml_integration",
           "value": "on" | "off"
         }
     }
   }
   

   Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

   curl (Linux, macOS, atau Cloud Shell)

   Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI dengan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login , atau dengan menggunakan Cloud Shell, yang secara otomatis membuat Anda login ke gcloud CLI . Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

   Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

   curl -X POST \
        -H "Authorization: Bearer $(gcloud auth print-access-token)" \
        -H "Content-Type: application/json; charset=utf-8" \
        -d @request.json \
        "https://sqladmin.googleapis.com/v1/projects/PROJECT_ID/instances"

   PowerShell (Windows)

   Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI dengan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login . Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

   Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

   $cred = gcloud auth print-access-token
   $headers = @{ "Authorization" = "Bearer $cred" }
   
   Invoke-WebRequest `
       -Method POST `
       -Headers $headers `
       -ContentType: "application/json; charset=utf-8" `
       -InFile request.json `
       -Uri "https://sqladmin.googleapis.com/v1/projects/PROJECT_ID/instances" | Select-Object -Expand Content

   Anda akan melihat respons JSON seperti berikut:

   {
     "kind": "sql#operation",
     "targetLink": "https://sqladmin.googleapis.com/v1/projects/PROJECT_ID/instances/INSTANCE_ID",
     "status": "PENDING",
     "user": "[e-mail]",
     "insertTime": "2019-09-25T22:19:33.735Z",
     "operationType": "CREATE",
     "name": "OPERATION_ID",
     "targetId": "INSTANCE_ID",
     "selfLink": "https://sqladmin.googleapis.com/v1/projects/PROJECT_ID/operations/OPERATION_ID",
     "targetProject": "PROJECT_ID"
   }
   

   Mengupdate instance

   Gunakan contoh ini untuk mengupdate instance. Untuk mengetahui daftar lengkap parameter panggilan ini, lihat halaman instances.patch.

   Jika update ini mengubah nilai yang memerlukan proses mulai ulang, Anda akan melihat perintah untuk melanjutkan perubahan atau membatalkan.

   Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

   • PROJECT_ID: ID atau nomor project project Google Cloud yang berisi instance
   • INSTANCE_NAME: nama instance

   Metode HTTP dan URL:

   PATCH https://sqladmin.googleapis.com/v1/projects/PROJECT_ID/instances/INSTANCE_NAME

   Meminta isi JSON:

   {
     "settings": {
       "enableGoogleMlIntegration": true,
       "databaseFlags":
         {
           "name": "cloudsql.enable_google_ml_integration",
           "value": "on"
         }
      }
   }

   Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

   curl (Linux, macOS, atau Cloud Shell)

   Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI dengan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login , atau dengan menggunakan Cloud Shell, yang secara otomatis membuat Anda login ke gcloud CLI . Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

   Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

   curl -X PATCH \
        -H "Authorization: Bearer $(gcloud auth print-access-token)" \
        -H "Content-Type: application/json; charset=utf-8" \
        -d @request.json \
        "https://sqladmin.googleapis.com/v1/projects/PROJECT_ID/instances/INSTANCE_NAME"

   PowerShell (Windows)

   Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI dengan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login . Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

   Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

   $cred = gcloud auth print-access-token
   $headers = @{ "Authorization" = "Bearer $cred" }
   
   Invoke-WebRequest `
       -Method PATCH `
       -Headers $headers `
       -ContentType: "application/json; charset=utf-8" `
       -InFile request.json `
       -Uri "https://sqladmin.googleapis.com/v1/projects/PROJECT_ID/instances/INSTANCE_NAME" | Select-Object -Expand Content

   Anda akan melihat respons JSON seperti berikut:

   {
     "kind": "sql#operation",
     "targetLink": "https://sqladmin.googleapis.com/v1/projects/PROJECT_ID/instances/INSTANCE_NAME",
     "status": "PENDING",
     "user": "[e-mail]",
     "insertTime": "2020-01-16T02:32:12.281Z",
     "operationType": "UPDATE",
     "name": "OPERATION_ID",
     "targetId": "INSTANCE_NAME",
     "selfLink": "https://sqladmin.googleapis.com/v1/projects/PROJECT_ID/operations/OPERATION_ID",
     "targetProject": "PROJECT_ID"
   }
   

   Catatan: Untuk mengetahui informasi selengkapnya tentang cara mengupdate instance, lihat Mengedit instance.

   REST v1beta4

   Buat instance

   Gunakan contoh ini untuk membuat instance. Untuk mengetahui daftar lengkap parameter panggilan ini, lihat halaman instances:insert. Untuk mengetahui informasi tentang setelan instance, termasuk nilai yang valid untuk region, lihat Setelan instance.

   Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

   • PROJECT_ID: ID atau nomor project project Google Cloud yang berisi instance
   • INSTANCE_NAME: nama instance
   • REGION_NAME: nama region untuk instance
   • DATABASE_VERSION: string enum versi database (misalnya: POSTGRES_13)
   • PASSWORD: sandi untuk pengguna root
   • MACHINE_TYPE: string enum jenis (tingkat) mesin, seperti: db-custom-[CPUS]-[MEMORY_MBS]
   • EDITION_TYPE: edisi Cloud SQL Anda

   Catatan: Untuk mengetahui informasi selengkapnya tentang parameter ini, lihat Membuat instance.

   Anda juga harus menyertakan objek enableGoogleMlIntegration dalam permintaan. Tetapkan parameter berikut, jika diperlukan:

   • enableGoogleMlIntegration: jika parameter ini ditetapkan ke true, instance Cloud SQL dapat terhubung ke Vertex AI untuk meneruskan permintaan prediksi real-time dan insight ke AI
   • cloudsql.enable_google_ml_integration: jika parameter ini ditetapkan ke on, Cloud SQL dapat berintegrasi dengan Vertex AI

   Metode HTTP dan URL:

   POST https://sqladmin.googleapis.com/v1beta4/projects/PROJECT_ID/instances

   Meminta isi JSON:

   {
     "name": "INSTANCE_NAME",
     "region": "REGION_NAME",
     "databaseVersion": "DATABASE_VERSION",
     "rootPassword": "PASSWORD",
     "settings": {
       "tier": "MACHINE_TYPE",
       "edition": "EDITION_TYPE",
       "enableGoogleMlIntegration": "true" | "false"
       "databaseFlags":
         {
           "name": "cloudsql.enable_google_ml_integration",
           "value": "on" | "off"
         }
     }
   }
   

   Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

   curl (Linux, macOS, atau Cloud Shell)

   Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI dengan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login , atau dengan menggunakan Cloud Shell, yang secara otomatis membuat Anda login ke gcloud CLI . Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

   Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

   curl -X POST \
        -H "Authorization: Bearer $(gcloud auth print-access-token)" \
        -H "Content-Type: application/json; charset=utf-8" \
        -d @request.json \
        "https://sqladmin.googleapis.com/v1beta4/projects/PROJECT_ID/instances"

   PowerShell (Windows)

   Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI dengan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login . Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

   Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

   $cred = gcloud auth print-access-token
   $headers = @{ "Authorization" = "Bearer $cred" }
   
   Invoke-WebRequest `
       -Method POST `
       -Headers $headers `
       -ContentType: "application/json; charset=utf-8" `
       -InFile request.json `
       -Uri "https://sqladmin.googleapis.com/v1beta4/projects/PROJECT_ID/instances" | Select-Object -Expand Content

   Anda akan melihat respons JSON seperti berikut:

   {
     "kind": "sql#operation",
     "targetLink": "https://sqladmin.googleapis.com/v1beta4/projects/PROJECT_ID/instances/INSTANCE_ID",
     "status": "PENDING",
     "user": "[e-mail]",
     "insertTime": "2019-09-25T22:19:33.735Z",
     "operationType": "CREATE",
     "name": "OPERATION_ID",
     "targetId": "INSTANCE_ID",
     "selfLink": "https://sqladmin.googleapis.com/v1beta4/projects/PROJECT_ID/operations/OPERATION_ID",
     "targetProject": "PROJECT_ID"
   }
   

   Mengupdate instance

   Gunakan contoh ini untuk mengupdate instance. Untuk mengetahui daftar lengkap parameter panggilan ini, lihat halaman instances.patch.

   Jika update ini mengubah nilai yang memerlukan proses mulai ulang, Anda akan melihat perintah untuk melanjutkan perubahan atau membatalkan.

   Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

   • PROJECT_ID: ID atau nomor project project Google Cloud yang berisi instance
   • INSTANCE_NAME: nama instance

   Metode HTTP dan URL:

   PATCH https://sqladmin.googleapis.com/v1beta4/projects/PROJECT_ID/instances/INSTANCE_NAME

   Meminta isi JSON:

   {
     "settings": {
       "enableGoogleMlIntegration": true,
       "databaseFlags":
         {
           "name": "cloudsql.enable_google_ml_integration",
           "value": "on"
         }
      }
   }

   Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

   curl (Linux, macOS, atau Cloud Shell)

   Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI dengan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login , atau dengan menggunakan Cloud Shell, yang secara otomatis membuat Anda login ke gcloud CLI . Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

   Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

   curl -X PATCH \
        -H "Authorization: Bearer $(gcloud auth print-access-token)" \
        -H "Content-Type: application/json; charset=utf-8" \
        -d @request.json \
        "https://sqladmin.googleapis.com/v1beta4/projects/PROJECT_ID/instances/INSTANCE_NAME"

   PowerShell (Windows)

   Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI dengan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login . Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

   Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

   $cred = gcloud auth print-access-token
   $headers = @{ "Authorization" = "Bearer $cred" }
   
   Invoke-WebRequest `
       -Method PATCH `
       -Headers $headers `
       -ContentType: "application/json; charset=utf-8" `
       -InFile request.json `
       -Uri "https://sqladmin.googleapis.com/v1beta4/projects/PROJECT_ID/instances/INSTANCE_NAME" | Select-Object -Expand Content

   Anda akan melihat respons JSON seperti berikut:

   {
     "kind": "sql#operation",
     "targetLink": "https://sqladmin.googleapis.com/v1beta4/projects/PROJECT_ID/instances/INSTANCE_NAME",
     "status": "PENDING",
     "user": "[e-mail]",
     "insertTime": "2020-01-16T02:32:12.281Z",
     "operationType": "UPDATE",
     "name": "OPERATION_ID",
     "targetId": "INSTANCE_NAME",
     "selfLink": "https://sqladmin.googleapis.com/v1beta4/projects/PROJECT_ID/operations/OPERATION_ID",
     "targetProject": "PROJECT_ID"
   }
   

   Catatan: Untuk mengetahui informasi selengkapnya tentang cara mengupdate instance, lihat Mengedit instance.
2. Instal ekstensi google_ml_integration di database instance Cloud SQL utama. Database ini berisi data yang ingin Anda gunakan untuk menjalankan prediksi.
   Catatan: Anda harus terhubung ke instance utama meskipun ingin menjalankan prediksi saat terhubung ke replika baca instance.
   1. Hubungkan klien psql ke instance utama, seperti yang dijelaskan dalam Menghubungkan menggunakan klien psql.
   2. Di command prompt psql, hubungkan ke database:

      \c DB_NAME

      Ganti DB_NAME dengan nama database tempat Anda ingin menginstal ekstensi.

   3. Instal ekstensi:

      CREATE EXTENSION IF NOT EXISTS google_ml_integration CASCADE;

Memecahkan masalah

Bagian ini berisi informasi tentang masalah yang terkait dengan integrasi Cloud SQL dengan Vertex AI beserta langkah-langkah untuk memecahkan masalah tersebut.

Masalah	Pemecahan masalah
Pesan error: Google ML integration API is supported only on Postgres version 12 or above.	Untuk mengaktifkan integrasi Vertex AI di Cloud SQL, Anda harus memiliki database Cloud SQL untuk PostgreSQL, versi 12 atau yang lebih baru. Untuk mengupgrade database ke versi ini, lihat Mengupgrade versi utama database yang diterapkan.
Pesan error: Google ML Integration API is not supported on shared core instance. Please upsize your machine type.	Jika memilih core bersama untuk jenis mesin instance, Anda tidak dapat mengaktifkan integrasi Vertex AI di Cloud SQL. Upgrade jenis mesin Anda ke core khusus. Untuk mengetahui informasi selengkapnya, lihat Jenis Mesin.
Pesan error: Google ML Integration is unsupported for this maintenance version. Please follow https://cloud.google.com/sql/docs/postgres/self-service-maintenance to update the maintenance version of the instance.	Untuk mengaktifkan integrasi Vertex AI di Cloud SQL, versi pemeliharaan instance Anda harus R20240130 atau yang lebih baru. Untuk mengupgrade instance ke versi ini, lihat Pemeliharaan mandiri.
Pesan error: Cannot invoke ml_predict_row if 'cloudsql.enable_google_ml_integration' is off.	Flag database cloudsql.enable_google_ml_integration dinonaktifkan. Cloud SQL tidak dapat berintegrasi dengan Vertex AI. Untuk mengaktifkan flag ini, gunakan perintah gcloud sql instances patch: gcloud sql instances patch INSTANCE_NAME --database-flags cloudsql.enable_google_ml_integration=on Ganti INSTANCE_NAME dengan nama instance Cloud SQL utama.
Pesan error: Failed to connect to remote host: Connection refused.	Integrasi antara Cloud SQL dan Vertex AI tidak diaktifkan. Untuk mengaktifkan integrasi ini, gunakan perintah gcloud sql instances patch: gcloud sql instances patch INSTANCE_NAME --enable-google-ml-integration Ganti INSTANCE_NAME dengan nama instance Cloud SQL utama.
Pesan error: Vertex AI API has not been used in project PROJECT_ID before or it is disabled. Enable it by visiting /apis/api/aiplatform.googleapis.com/overview?project=PROJECT_ID then retry.	Vertex AI API tidak diaktifkan. Untuk mengetahui informasi selengkapnya tentang cara mengaktifkan API ini, lihat Mengaktifkan integrasi database dengan Vertex AI.
Pesan error: Permission 'aiplatform.endpoints.predict' denied on resource.	Izin Vertex AI tidak ditambahkan ke akun layanan Cloud SQL untuk project tempat instance Cloud SQL berada. Untuk mengetahui informasi selengkapnya tentang cara menambahkan izin ini ke akun layanan, lihat Mengaktifkan integrasi database dengan Vertex AI.
Pesan error: Publisher Model `projects/PROJECT_ID/locations/REGION_NAME/publishers/google/models/MODEL_NAME` not found.	Model machine learning atau LLM tidak ada di Vertex AI.
Pesan error: Resource exhausted: grpc: received message larger than max.	Ukuran permintaan yang diteruskan Cloud SQL ke Vertex AI melebihi batas gRPC sebesar 4 MB per permintaan.
Pesan error: Cloud SQL attempts to send a request to Vertex AI. However, the instance is in the %s region, but the Vertex AI endpoint is in the %s region. Make sure the instance and endpoint are in the same region.	Cloud SQL mencoba mengirim permintaan ke Vertex AI. Namun, instance berada di satu region, tetapi endpoint Vertex AI berada di region yang berbeda. Untuk mengatasi masalah ini, instance dan endpoint harus berada di region yang sama.
Pesan error: The Vertex AI endpoint isn't formatted properly.	Endpoint Vertex AI tidak diformat dengan benar. Untuk mengetahui informasi selengkapnya, lihat Menggunakan endpoint pribadi untuk prediksi online.
Pesan error: Quota exceeded for aiplatform.googleapis.com/online_prediction_requests_per_base_model with base model: textembedding-gecko.	Jumlah permintaan yang diteruskan Cloud SQL ke Vertex AI melebihi batas 1.500 permintaan per menit per region per model per project.

Langkah selanjutnya

• Mem-build aplikasi AI generatif menggunakan Cloud SQL

• Menggunakan penyematan vektor

• Memanggil prediksi online dari instance Cloud SQL

• Memahami contoh alur kerja penyematan

• Mem-build aplikasi yang didukung LLM menggunakan LangChain