Consultar dados do BigLake com linguagem natural

Este guia mostra como usar a análise de conversação no BigQuery para consultar dados nas tabelas do BigLake com comandos em linguagem natural. Ao aproveitar Google Cloudo BigLake, você pode interagir com seus próprios dados como se eles fossem uma tabela padrão do BigQuery.

Como a análise de conversação funciona

A análise de conversação usa modelos de linguagem grande (LLM, na sigla em inglês) para entender suas perguntas em linguagem natural e mapeá-las para o esquema das tabelas do BigLake. O processo segue estas etapas:

  1. Descoberta de esquema: o sistema recupera metadados do BigLake Metastore para entender as estruturas de tabelas, os nomes das colunas e os tipos de dados.
  2. Geração de SQL: o LLM gera uma consulta SQL compatível com o mecanismo do BigQuery e o formato de dados subjacente.
  3. Execução: o BigQuery executa a consulta SQL gerada diretamente nos dados de formato aberto no BigLake.
  4. Resposta: os resultados são retornados à interface de conversação, geralmente acompanhados de um resumo ou visualização.

Para mais informações sobre a análise de conversação, como gerenciamento de agentes de dados, preços ou práticas recomendadas, consulte Visão geral da análise de conversação.

Formatos compatíveis

A análise de conversação traduz suas perguntas em linguagem natural em consultas SQL. Ela oferece suporte aos formatos de tabela aberta compatíveis com o BigLake Metastore, como tabelas do Apache Iceberg.

Antes de começar

Antes de consultar seus dados, registre as tabelas externas no BigLake Metastore. O BigLake Metastore funciona como o hub unificado que conecta o BigQuery Studio aos seus dados externos de formato aberto. Depois de conectadas, as tabelas se tornam recursos detectáveis no BigQuery.

Consultar tabelas com análise de conversação

  1. Noconsole, acesse o Hub de agentes do BigQuery Studio. Google Cloud

    Acessar o Hub de agentes

  2. Crie um agente de dados ou inicie uma conversa direta com um agente de dados.

  3. Selecione as tabelas do BigLake.

    Como o BigLake Metastore unifica todos esses formatos diferentes, a experiência de descoberta é idêntica à de encontrar tabelas padrão do BigQuery.

    1. Pesquisar: ao adicionar sua fonte de conhecimento, procure os nomes das tabelas na interface de pesquisa e seleção de tabelas. Você pode usar palavras-chave de pesquisa para filtrar os resultados, incluindo:

      • TABLE_NAME
      • catalog: CATALOG_NAME
      • project: PROJECT_ID
      • namespace: NAMESPACE_NAME

    2. Verificar a origem: preste atenção à parte do conjunto de dados do nome totalmente qualificado. As tabelas do BigLake criadas por fontes externas e gerenciadas pelo BigLake Metastore geralmente seguem um formato que combina o catálogo e o namespace. Por exemplo: PROJECT_ID.biglake_catalog.finance_namespace.my_iceberg_table ou PROJECT_ID.sap_catalog.sales.delta_table.

    3. Selecionar: adicione a tabela do BigLake selecionada ao seu contexto de conversa ativo.

  4. Faça perguntas em linguagem natural. O sistema traduz automaticamente seu comando em uma consulta SQL federada.

Melhorar a precisão da consulta

Para ajudar a análise de conversação a entender melhor os esquemas e a terminologia do BigLake, use as opções de configuração do agente de dados. Essas opções incluem glossários empresariais, consultas SQL verificadas e instruções do sistema.

A seguir