En esta página, se documenta la versión 16.8.0 de AlloyDB Omni con la opción de implementación de Kubernetes. Elige otra opción de implementación.

Google uses AI technology to translate content into your preferred language. AI translations can contain errors.

Instala AlloyDB AI en AlloyDB Omni

Selecciona una versión de la documentación:

En esta página, se muestra cómo instalar AlloyDB Omni y cómo integrar AlloyDB AI.

AlloyDB AI es un conjunto de funciones incluidas con AlloyDB Omni que te permiten compilar aplicaciones de IA generativa empresarial. Para obtener más información sobre la funcionalidad de IA/AA de AlloyDB, consulta Compila aplicaciones de IA generativa.

AlloyDB Omni con AlloyDB AI te permite consultar modelos de AA remotos para trabajar con predicciones en línea y embeddings de texto generados a partir de modelos de AA. AlloyDB Omni con AlloyDB AI también puede procesar embeddings de vectores de otro contenido, como una imagen, por ejemplo, si usas la interfaz google_ml.predict_row y realizas la traducción tú mismo en la consulta.

Configura tu instancia de AlloyDB Omni para consultar modelos remotos

Puedes consultar modelos remotos con la administración de extremos de modelos habilitando googleMLExtension en el manifiesto de tu clúster de base de datos.

De manera opcional, si deseas consultar modelos de Vertex AI, debes configurar la cuenta de servicio de AlloyDB con Vertex AI, crear un secreto de Kubernetes con la clave y establecer el secreto de Kubernetes en el manifiesto del clúster de base de datos.

Agrega los permisos de Vertex AI a la cuenta de servicio de AlloyDB

Para configurar AlloyDB Omni para consultar modelos remotos de Vertex AI, sigue estos pasos:

Crea una cuenta de servicio con Google Cloud.
Crea una clave de cuenta de servicio y guárdala en formato JSON en el archivo private-key.json y descárgala.

Nota: Las claves de cuenta de servicio son un riesgo de seguridad si no se administran de forma adecuada. Eres responsable de la seguridad de la clave privada y de otras operaciones que se describen en Prácticas recomendadas para administrar claves de cuentas de servicio. Si no se te permite crear una clave de cuenta de servicio, es posible que la creación de claves de cuentas de servicio esté inhabilitada para tu organización. Para obtener más información, consulta Administra los recursos de la organización con seguridad de forma predeterminada.
Si obtuviste la clave de cuenta de servicio de una fuente externa, debes validarla antes de usarla. Para obtener más información, consulta Requisitos de seguridad para las credenciales de origen externo.
Almacena la clave en una ubicación permanente en tu sistema de archivos. Reside en esta ubicación durante la vida útil de tu servidor de AlloyDB Omni.

Toma nota de su ubicación en tu sistema de archivos; la necesitarás para los pasos posteriores.
Agrega permisos de Identity and Access Management (IAM) de Vertex AI al proyecto y a la cuenta de servicio adecuados.
```
gcloud projects add-iam-policy-binding PROJECT_ID \
--member="serviceAccount:SERVICE_ACCOUNT_ID" \
--role="roles/aiplatform.user"
```
Reemplaza lo siguiente:
- PROJECT_ID: el ID de tu Google Cloud proyecto.
- SERVICE_ACCOUNT_ID: el ID de la cuenta de servicio que creaste en el paso anterior. Esto incluye el sufijo completo @PROJECT_ID.iam.gserviceaccount.com, por ejemplo, my-service@my-project.iam.gserviceaccount.com.

Crea un secreto de Kubernetes con la clave de cuenta de servicio

Para crear un secreto de Kubernetes basado en la clave de cuenta de servicio descargada en los pasos anteriores, ejecuta el siguiente comando:

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

Reemplaza lo siguiente:

SECRET_NAME: el nombre del secreto que se usa cuando creas un manifiesto de DBCluster para permitir que AlloyDB Omni acceda a las funciones de AlloyDB AI. Por ejemplo, vertex-ai-key-alloydb.
PATH_TO_SERVICE_ACCOUNT_KEY: la ruta de acceso a la ubicación en la que descargaste la clave de cuenta de servicio private-key.json.
NAMESPACE: el espacio de nombres del clúster de base de datos.

Instala el operador de AlloyDB Omni

Instala el operador de AlloyDB Omni con los pasos que se indican en Instala el operador de AlloyDB Omni.

Crea un clúster de base de datos con AlloyDB AI

Crea un clúster de base de datos con AlloyDB AI.

Cuando estableces enabled en true en el campo googleMLExtension, te permite consultar modelos remotos. Establece vertexAIKeyRef en el secreto de Kubernetes si deseas consultar modelos de Vertex AI.
```
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: "16.8.0"
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
```
Reemplaza lo siguiente:
- DB_CLUSTER_NAME: Es el nombre de este clúster de base de datos, por ejemplo, my-db-cluster.
- VERTEX_AI_SECRET_NAME (opcional): El secreto de Vertex AI que creaste en los pasos anteriores. Debes establecer esta opción si deseas llamar a modelos de Vertex AI.
- VERTEX_AI_REGION (opcional): El extremo regional de Vertex AI al que deseas enviar tu solicitud, por ejemplo, us-west4. El valor predeterminado es us-central1.
- ENCODED_PASSWORD: Es la contraseña de acceso a la base de datos del rol de usuario postgres predeterminado, codificada como una cadena base64 (por ejemplo, Q2hhbmdlTWUxMjM= para ChangeMe123).
- CPU_COUNT: Es la cantidad de CPU disponibles para cada instancia de base de datos en este clúster de base de datos.
- MEMORY_SIZE: Es la cantidad de memoria por instancia de base de datos de este clúster de base de datos. Recomendamos establecer este valor en 8 gigabytes por CPU. Por ejemplo, si estableciste cpu en 2 anteriormente en este manifiesto, te recomendamos que establezcas memory en 16Gi.
- DISK_SIZE: Es el tamaño del disco por instancia de base de datos, por ejemplo, 10Gi.
Aplica el manifiesto.
```
kubectl apply -f DB_CLUSTER_YAML
```
Reemplaza lo siguiente:
- DB_CLUSTER_YAML: Es el nombre de este archivo de manifiesto del clúster de base de datos, por ejemplo, alloydb-omni-db-cluster.yaml.
Precaución: La base de datos se reiniciará después de que apliques el manifiesto con la extensión googleMLExtension habilitada.

Conéctate con psql preinstalado

Puedes realizar una conexión de prueba con un cliente psql que ya esté instalado en el pod que ejecuta la base de datos.

Para ello, ejecuta los siguientes comandos:

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

Reemplaza DB_CLUSTER_NAME por el nombre de tu clúster de base de datos. Es el mismo nombre de clúster de base de datos que declaraste cuando lo creaste.

Después de ingresar el comando, el servidor de base de datos te solicitará una contraseña. Ingresa la contraseña cuya versión codificada en base64 proporcionaste como un secreto de Kubernetes cuando creaste el clúster de base de datos. Por ejemplo, si creaste el clúster de base de datos con un secreto de Q2hhbmdlTWUxMjM=, la contraseña de acceso que se usará aquí es ChangeMe123.

Verifica la instalación de AlloyDB Omni con AlloyDB AI

Para verificar que la instalación se realizó correctamente y que usa la predicción de modelos, ingresa lo siguiente:

CREATE EXTENSION IF NOT EXISTS google_ml_integration CASCADE;

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

El resultado es similar al siguiente:

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

En la consulta anterior, la llamada embedding() genera embeddings para el texto de entrada AlloyDB AI. array_dims muestra las dimensiones del array que muestra embedding(). Dado que el modelo text-embedding-005 muestra un resultado con 768 dimensiones, el resultado es [768].