Présentation de Gemini dans BigQuery

Ce document décrit comment Gemini dans BigQuery, de la suite de produits Gemini pour Google Cloud, propose une assistance optimisée par l'IA pour vous aider à exploiter vos données. En plus de l'assistance Gemini, BigQuery ML vous permet également d'accéder Modèles Vertex AI et Cloud AI API pour effectuer des tâches d'IA, comme générer du texte ou pour la traduction.

Assistance par IA avec Gemini dans BigQuery

Gemini dans BigQuery offre une assistance basée sur l'IA procédez comme suit:

  • Explorez et comprenez vos données grâce aux insights. Données en phase de disponibilité générale les insights permettent d'identifier des tendances et d'améliorer vos performances, des analyses statistiques à l'aide de requêtes pertinentes sont générées à partir des métadonnées de vos tables. Cette fonctionnalité est particulièrement utile pour résoudre les problèmes de démarrage à froid de l'exploration précoce des données. Pour en savoir plus, consultez Générer des insights dans BigQuery
  • Découvrir, transformer, interroger et visualiser des données à l'aide des données BigQuery canevas. (GA) À l'aide du langage naturel, rechercher, joindre et interroger des composants de table, visualiser les résultats et facilement collaborer avec d'autres personnes tout au long du processus. Pour en savoir plus, consultez la section Analyser avec le canevas de données.
  • Bénéficiez d'une aide à l'analyse de données SQL et Python. Vous pouvez utiliser Gemini dans BigQuery pour générer ou suggérer du code en SQL ou en Python, et pour expliquer une requête SQL existante. Vous pouvez également utiliser des requêtes en langage naturel pour commencer l'analyse des données. Pour apprendre à générer, terminer et résumer le code, consultez la documentation suivante:
  • Optimisez votre infrastructure de données grâce au partitionnement, au clustering et aux recommandations de vues matérialisées. Vous pouvez laisser BigQuery de surveiller vos charges de travail SQL afin d'identifier des opportunités d'amélioration des performances réduire les coûts. Pour en savoir plus, consultez la documentation suivante:
  • Réglez automatiquement les charges de travail Apache Spark sans serveur et dépannez-les. (Aperçu) Le réglage automatique peut optimiser automatiquement les jobs Spark en appliquant la configuration à une charge de travail Spark récurrente, en fonction des bonnes pratiques une analyse des exécutions précédentes des charges de travail. Dépannage avancé avec Gemini dans BigQuery peut expliquer et identifier et offre des recommandations concrètes pour corriger les problèmes de lenteur ou d'échec emplois. Pour en savoir plus, consultez la section Réglage automatique de Spark charges de travail et dépannage.
  • Personnalisez vos traductions SQL à l'aide de règles de traduction. (Preview) Créez des règles de traduction améliorées par Gemini pour personnaliser vos traductions SQL lorsque vous utilisez le traducteur SQL interactif. Vous pouvez décrire les modifications apportées au résultat de la traduction SQL à l'aide d'invites en langage naturel ou spécifier des modèles SQL à rechercher et à remplacer. Pour plus pour en savoir plus, consultez Créez une règle de traduction.
Gemini dans BigQuery utilise de grands modèles de langage (LLM) qui sont développés par Google. Les LLM sont affinés avec des milliards de lignes d'ouverture le code source, les données de sécurité et les contenus spécifiques à Google Cloud, comme de la documentation et de l'exemple de code.

Découvrez comment et quand Gemini pour Google Cloud utilise vos données. Comme il s'agit d'une technologie qui en est encore à un stade précoce, les produits Gemini pour Google Cloud peuvent générer une sortie qui semble plausible, mais qui est en fait incorrecte. Nous vous recommandons de valider tous les résultats des produits Gemini pour Google Cloud avant que vous ne les utilisiez. Pour en savoir plus, consultez la section Gemini pour Google Cloud et l'IA responsable.

Tarifs

Pour le moment, les fonctionnalités en disponibilité générale sont accessibles à tous les clients. sans frais supplémentaires. Plus tard en 2024, Google annoncera comment l'accès Dans BigQuery, Gemini sera limité aux options suivantes:

  • Édition BigQuery Enterprise Plus: BigQuery L'édition Enterprise Plus donne accès à toutes les fonctionnalités Gemini dans BigQuery. Il se peut que d'autres annonces inclure des options pour les clients qui utilisent d'autres ou de calcul à la demande pour utiliser Gemini dans BigQuery caractéristiques.

  • Package par utilisateur et par mois: ce package contient des fonctionnalités qui créer des expériences basées sur les données comme SQL Code Assist, Python Code Assist, le canevas, l'analyse des données et la préparation des données. Ce package n'inclut pas de recommandations ni de fonctionnalités de dépannage.

Pour en savoir plus, consultez la page Gemini pour Google Cloud tarifs.

Quotas et limites

Pour les quotas et les limites qui s'appliquent à Gemini dans BigQuery, consultez la page sur les quotas et limites de Gemini pour Google Cloud.

Où interagir avec Gemini dans BigQuery

Une fois que vous avez configuré Gemini dans BigQuery, vous pouvez l'utiliser dans BigQuery pour effectuer les opérations suivantes dans BigQuery Studio :

  • Pour utiliser les insights sur les données, accédez à l'onglet Insights d'une entrée de table. Vous pourrez y identifier des tendances, évaluer la qualité et exécuter des analyses statistiques sur vos données BigQuery.
  • Pour utiliser un canevas de données, créez-en un ou utilisez-en un à partir d'un tableau ou d'une requête afin d'explorer des composants de données en langage naturel et de partager vos canevas.
  • Utiliser le langage naturel pour générer du code SQL ou Python, ou recevoir des suggestions avec saisie semi-automatique lors de la saisie, utilisez l'outil de génération SQL dans les requêtes SQL ou Code Python. Gemini dans BigQuery peut aussi à expliquer votre code SQL en langage naturel.
  • Pour afficher les recommandations pour partitionnement, clustering et vues matérialisées, cliquez sur Recommandations dans la barre d'outils de la console Google Cloud.

Auto-ajuster et résoudre les problèmes des tâches Spark

Le réglage automatique peut vous aider à optimiser les performances de vos charges de travail Spark et la résilience. Au lieu de configurer manuellement les paramètres, Gemini dans BigQuery peut appliquer les bonnes pratiques aux charges de travail récurrentes, puis vous aider à comprendre et à surveiller votre réglage automatique. Dépannage avancé fournit des réponses en langage naturel à la question "Qu'est-ce qui a été réglé automatiquement ?", "Que se passe-t-il maintenant ? » et « Que puis-je faire à ce sujet ? »

Configurer Gemini dans BigQuery

Pour connaître la procédure de configuration détaillée, consultez la page Configurer Gemini dans BigQuery.

Étape suivante