Einführung in die Pipeline-Komponenten von Google Cloud
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Das Google Cloud (GCPC) SDK bietet eine Reihe vordefinierter Kubeflow Pipelines-Komponenten, die produktionsbereit, leistungsfähig und einfach zu verwenden sind. Mit Google Cloud Pipeline-Komponenten können Sie ML-Pipelines in Vertex AI Pipelines und anderen mit Kubeflow Pipelines konformen Backends zur ML-Pipeline-Ausführung definieren und ausführen.
Sie können diese Komponenten beispielsweise für Folgendes verwenden:
Neues Dataset erstellen und verschiedene Datentypen in das Dataset laden (Bild, Tabelle, Text oder Video)
Daten aus einem Dataset in Cloud Storage exportieren
AutoML zum Trainieren eines Modells mit Bild-, Tabellen- oder Videodaten verwenden
Einen benutzerdefinierten Trainingsjob mit einem benutzerdefinierten Container oder einem Python-Paket ausführen
Vorhandenes Modell zur Batchvorhersage in Vertex AI hochladen
Neuen Endpunkt erstellen und darin ein Modell für Onlinevorhersagen bereitstellen
Außerdem werden diese vordefinierten Komponenten in Vertex AI Pipelines unterstützt und bieten folgende Vorteile: Google Cloud
Einfachere Fehlerbehebung: Zeigt die zugrunde liegenden Ressourcen an, die von der Komponente gestartet wurden, um das Debugging zu vereinfachen.
Standardisierte Artefakttypen: Stellen Sie Es werden konsistente Schnittstellen zur Verwendung von Standardartefakttypen für die Eingabe und Ausgabe bereitgestellt. Diese Standardartefakte werden in Vertex ML Metadata erfasst, was die Analyse der Herkunft der Artefakte Ihrer Pipeline erleichtert.
Weitere Informationen zur Herkunft von Artefakten finden Sie unter Herkunft von Pipeline-Artefakten verfolgen.
Pipelinekosten mit Abrechnungslabels verstehen: Ressourcenlabels werden automatisch an Google Cloud -Dienste weitergegeben, die von den Google Cloud Pipeline Components in der Pipelineausführung generiert werden. Verwenden Sie Abrechnungslabels zusammen mit dem Cloud Billing-Export nach BigQuery, um die Kosten für die Ausführung Ihrer Pipeline zu prüfen. Weitere Informationen dazu, wie Sie mithilfe von Labels die Kosten einer Pipelineausführung ermitteln, finden Sie unter Kosten für Pipelineausführungen nachvollziehen. Weitere Informationen dazu, wie Labels von einer Pipelineausführung auf Ressourcen übertragen werden, die von Google Cloud Pipeline Components generiert werden, finden Sie unter Ressourcen-Labeling von Vertex AI Pipelines.
Kosteneinsparungen*: Vertex AI Pipelines optimiert die Ausführung dieser Komponenten, indem die Google Cloud -Ressourcen gestartet werden, ohne den Container starten zu müssen.
Dadurch werden die Startlatenz und die Kosten für den Busy-Waiting-Container verringert.
*
Dieses Feature gilt nur für die folgenden Komponenten:
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-09-04 (UTC)."],[],[],null,["# Introduction to Google Cloud Pipeline Components\n\nThe Google Cloud (GCPC) SDK provides a set of prebuilt\nKubeflow Pipelines components that are production quality,\nperformant, and easy to use. You can use Google Cloud Pipeline Components to define and run ML\npipelines in Vertex AI Pipelines and other\nML pipeline execution backends conformant with Kubeflow Pipelines.\n\nFor example, you can use these components to complete the following:\n\n- Create a new dataset and load different data types into the dataset (image, tabular, text, or video).\n- Export data from a dataset to Cloud Storage.\n- Use AutoML to train a model using image, tabular, or video data.\n- Run a custom training job using a custom container or a Python package.\n- Upload an existing model to Vertex AI for batch prediction.\n- Create a new endpoint and deploy a model to it for online predictions.\n\nAdditionally, Google Cloud Pipeline Components supports these prebuilt components\nin Vertex AI Pipelines and offers the following benefits:\n\n- **Easier debugging**: Show the underlying resources launched from the component for simplified debugging.\n- **Standardized artifact types** : Provide consistent interfaces to use [standard artifact types](/vertex-ai/docs/pipelines/artifact-types) for input and output. Vertex ML Metadata tracks these standard artifacts, making it easier for you to analyze the lineage of your pipeline's artifacts. For more details on artifact lineage, see [Tracking the lineage of pipeline\n artifacts](/vertex-ai/docs/pipelines/lineage).\n- **Understand pipeline costs with billing labels** : Resource labels automatically propagate to Google Cloud services generated by the Google Cloud Pipeline Components in your pipeline run. Use billing labels along with Cloud Billing export to BigQuery to review the cost of your pipeline run. For more information about using labels to understand the cost of a pipeline run, see [Understand pipeline run costs](/vertex-ai/docs/pipelines/understand-pipeline-cost-labels). For more information about how labels propagate from a pipeline run to resources spawned by Google Cloud Pipeline Components, see [Resource labeling by Vertex AI Pipelines](/vertex-ai/docs/pipelines/gcpc-label-propagation).\n- **Cost efficiencies** ^\\*^: Vertex AI Pipelines optimizes the execution of these components by launching the Google Cloud resources, without having to launch the container. This reduces the startup latency and reduces the costs of the busy-waiting container.\n\nWhat's next\n-----------\n\n- See all [tutorials that use the Google Cloud SDK](/vertex-ai/docs/pipelines/notebooks).\n- Learn more about specific [Google Cloud Pipeline Components in the reference section](/vertex-ai/docs/pipelines/gcpc-list).\n- Read the official [Google Cloud SDK reference](https://google-cloud-pipeline-components.readthedocs.io/en/google-cloud-pipeline-components-2.19.0/api/v1/index.html).\n- See the Google Cloud Pipeline Components section in the [Kubeflow Pipelines SDK repository](https://github.com/kubeflow/pipelines/tree/master/components/google-cloud)."]]
