AlloyDB AI in AlloyDB Omni installieren

Wählen Sie eine Dokumentenversion aus:

Auf dieser Seite erfahren Sie, wie Sie AlloyDB Omni installieren und AlloyDB AI einbinden.

AlloyDB AI ist eine Reihe von Funktionen, die in AlloyDB Omni enthalten sind und mit denen Sie generative KI-Anwendungen für Unternehmen erstellen können. Weitere Informationen zu den KI/ML-Funktionen von AlloyDB finden Sie unter Generative KI-Anwendungen erstellen.

Mit AlloyDB Omni mit AlloyDB AI können Sie Remote-ML-Modelle abfragen, um mit Online-Vorhersagen und Texteinbettungen zu arbeiten, die aus ML-Modellen generiert wurden. AlloyDB Omni mit AlloyDB AI kann auch Vektoreinbettungen aus anderen Inhalten wie z. B. einem Bild verarbeiten, wenn Sie die google_ml.predict_row-Schnittstelle verwenden und die Übersetzung selbst in der Abfrage vornehmen.

AlloyDB Omni-Instanz für das Abfragen von Remote-Modellen konfigurieren

Sie können Remote-Modelle mithilfe der Modellendpunktverwaltung abfragen, indem Sie googleMLExtension im Manifest Ihres Datenbankclusters aktivieren.

Optional können Sie Vertex AI-Modelle abfragen. Dazu müssen Sie das AlloyDB-Dienstkonto mit Vertex AI konfigurieren, ein Kubernetes-Secret mit dem Schlüssel erstellen und das Kubernetes-Secret im Manifest des Datenbankclusters festlegen.

Vertex AI-Berechtigungen zum AlloyDB-Dienstkonto hinzufügen

So konfigurieren Sie AlloyDB Omni für das Abfragen von Remote-Vertex AI-Modellen:

  1. Erstellen Sie ein Dienstkonto mit Google Cloud.

  2. Erstellen Sie einen Dienstkontoschlüssel und speichern Sie ihn im JSON-Format in der Datei private-key.json und laden Sie ihn herunter.

  3. Speichern Sie den Schlüssel an einem permanenten Speicherort in Ihrem Dateisystem. Er befindet sich dort für die gesamte Lebensdauer Ihres AlloyDB Omni-Servers.

    Notieren Sie sich den Speicherort im Dateisystem. Sie benötigen ihn für die nächsten Schritte.

  4. Fügen Sie dem entsprechenden Projekt und Dienstkonto Vertex AI-Berechtigungen für Identity and Access Management (IAM) hinzu.

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

    Ersetzen Sie Folgendes:

    • PROJECT_ID: die ID Ihres Google Cloud Projekts in.

    • SERVICE_ACCOUNT_ID: die ID des Dienstkontos, das Sie im vorherigen Schritt erstellt haben. Dazu gehört das vollständige @PROJECT_ID.iam.gserviceaccount.com Suffix, z. B. my-service@my-project.iam.gserviceaccount.com.

Kubernetes-Secret mit dem Dienstkontoschlüssel erstellen

Führen Sie den folgenden Befehl aus, um ein Kubernetes-Secret basierend auf dem Dienstkontoschlüssel zu erstellen, der in den vorherigen Schritten heruntergeladen wurde:

kubectl create secret generic SECRET_NAME \
--from-file=PATH_TO_SERVICE_ACCOUNT_KEY/private-key.json \
-n NAMESPACE

Ersetzen Sie Folgendes:

  • SECRET_NAME: der Name des Secrets, das beim Erstellen eines DBCluster-Manifests verwendet wird, um AlloyDB Omni den Zugriff auf AlloyDB AI-Funktionen zu ermöglichen. Beispiel: vertex-ai-key-alloydb.

  • PATH_TO_SERVICE_ACCOUNT_KEY: der Pfad zum Speicherort, an dem Sie den Dienstkontoschlüssel private-key.json heruntergeladen haben.

  • NAMESPACE: der Namespace des Datenbankclusters.

AlloyDB Omni-Operator installieren

Installieren Sie den AlloyDB Omni-Operator anhand der Schritte unter AlloyDB Omni-Operator installieren.

Datenbankcluster mit AlloyDB AI erstellen

  1. Erstellen Sie einen Datenbankcluster mit AlloyDB AI.

    Wenn Sie enabled unter dem Feld googleMLExtension auf true setzen, können Sie Remote-Modelle abfragen. Setzen Sie vertexAIKeyRef auf das Kubernetes-Secret, wenn Sie Vertex AI-Modelle abfragen möchten.

    apiVersion: v1
kind: Secret
metadata:
  name: db-pw-DB_CLUSTER_NAME
type: Opaque
data:
  DB_CLUSTER_NAME: "ENCODED_PASSWORD"
---
apiVersion: alloydbomni.dbadmin.goog/v1
kind: DBCluster
metadata:
  name: DB_CLUSTER_NAME
spec:
databaseVersion: "15.7.1"
primarySpec:
    adminUser:
      passwordRef:
        name: db-pw-DB_CLUSTER_NAME
    features:
      googleMLExtension:
        enabled: true
        config:
          vertexAIKeyRef: VERTEX_AI_SECRET_NAME
          vertexAIRegion: VERTEX_AI_REGION
    resources:
      cpu: CPU_COUNT
      memory: MEMORY_SIZE
      disks:
      - name: DataDisk
        size: DISK_SIZE
        storageClass: standard

    Ersetzen Sie Folgendes:

    • DB_CLUSTER_NAME: der Name dieses Datenbankclusters, z. B. my-db-cluster.

    • VERTEX_AI_SECRET_NAME (optional): das Vertex AI-Secret, das Sie in den vorherigen Schritten erstellt haben. Sie müssen diese Option festlegen, wenn Sie Vertex AI-Modelle aufrufen möchten.

    • VERTEX_AI_REGION (optional): der regionale Vertex AI-Endpunkt, an den Sie Ihre Anfrage senden möchten, z. B. us-west4. Der Standardwert ist us-central1.

    • ENCODED_PASSWORD: das Datenbank-Anmeldepasswort für die Standardnutzerrolle postgres, codiert als Base64-String, z. B. Q2hhbmdlTWUxMjM= für ChangeMe123.

    • CPU_COUNT: Die Anzahl der CPUs, die für jede Datenbankinstanz in diesem Datenbankcluster verfügbar sind.

    • MEMORY_SIZE: Die Menge an Arbeitsspeicher pro Datenbankinstanz dieses Datenbankclusters. Wir empfehlen, diesen Wert auf 8 GB pro CPU festzulegen. Wenn Sie beispielsweise cpu weiter oben in diesem Manifest auf 2 gesetzt haben, empfehlen wir, memory auf 16Gi zu setzen.

    • DISK_SIZE: die Laufwerksgröße pro Datenbankinstanz, z. B. 10Gi.

  2. Wenden Sie das Manifest an.

    kubectl apply -f DB_CLUSTER_YAML

    Ersetzen Sie Folgendes:

    • DB_CLUSTER_YAML: der Name dieser Datenbankcluster-Manifestdatei, z. B. alloydb-omni-db-cluster.yaml.

Verbindung mit dem vorinstallierten psql herstellen

Sie können eine Testverbindung mit einem psql-Client herstellen, der bereits auf dem Pod installiert ist, auf dem die Datenbank ausgeführt wird.

Führen Sie dazu die folgenden Befehle aus:

export DBPOD=`kubectl get pod --selector=alloydbomni.internal.dbadmin.goog/dbcluster=DB_CLUSTER_NAME,alloydbomni.internal.dbadmin.goog/task-type=database -o jsonpath='{.items[0].metadata.name}'`
kubectl exec -ti $DBPOD -c database -- psql -h localhost -U postgres

Ersetzen Sie DB_CLUSTER_NAME durch den Namen Ihres Datenbankclusters. Das ist derselbe Datenbankclustername, den Sie beim Erstellen des Clusters angegeben haben.

Nachdem Sie den Befehl eingegeben haben, werden Sie vom Datenbankserver aufgefordert, ein Passwort einzugeben. Geben Sie das Passwort ein, dessen Base64-codierte Version Sie beim Erstellen des Datenbankclusters als Kubernetes-Secret angegeben haben. Wenn Sie den Datenbankcluster beispielsweise mit einem Secret von Q2hhbmdlTWUxMjM= erstellt haben, lautet das Anmeldepasswort, das Sie hier verwenden müssen, ChangeMe123.

Installation von AlloyDB Omni mit AlloyDB AI prüfen

Geben Sie Folgendes ein, um zu prüfen, ob die Installation erfolgreich war und die Modellvorhersage verwendet wird:

CREATE EXTENSION IF NOT EXISTS google_ml_integration CASCADE;

SELECT array_dims(embedding('text-embedding-005', 'AlloyDB AI')::real[]);

Die Ausgabe sieht dann ungefähr so aus:

array_dims
------------
[1:768]
(1 row)

In der vorherigen Abfrage generiert der Aufruf embedding() Einbettungen für den Eingabetext AlloyDB AI. array_dims gibt die Dimensionen des Arrays zurück, das von embedding() zurückgegeben wird. Da das Modell text-embedding-005 eine Ausgabe mit 768 Dimensionen zurückgibt, lautet die Ausgabe [768].

Nächste Schritte