יצירת משאב חיבור חדש. חיבורים משמשים את BigQuery להפעלת שאילתות מאוחדות על מקורות נתונים חיצוניים.
המשך למידה
לקבלת הסבר מפורט שכולל את דוגמת הקוד הזו, קראו את המאמר:
- הוספת הערות לתמונות באמצעות הפונקציה ML.ANNOTATE_IMAGE
- יצירה והגדרה של קישור למשאבים ב-Cloud
- יצירת מערכי נתונים חיצוניים ב-Spanner
- ייצוא נתונים ל-Spanner (העברת נתונים הפוכה של ETL)
- יצירת הטמעות של תמונות באמצעות הפונקציה AI.GENERATE_EMBEDDING
- יצירת נתונים מובְנים באמצעות הפונקציה AI.GENERATE_TABLE
- יצירת טקסט באמצעות מודל Gemini והפונקציה AI.GENERATE_TEXT
- יצירת טקסט באמצעות הפונקציה AI.GENERATE_TEXT
- יצירת הטמעה של טקסט באמצעות הפונקציה AI.GENERATE_EMBEDDING
- יצירת הטמעות של סרטונים באמצעות הפונקציה AI.GENERATE_EMBEDDING
- ניתוח קובצי PDF בפייפליין של יצירה משולבת-אחזור (RAG)
- עיבוד מסמכים באמצעות הפונקציה ML.PROCESS_DOCUMENT
- הפעלת שאילתות מאוחדות באמצעות Data Boost
- הגדרת הרשאות לפונקציות של AI גנרטיבי שקוראות למודלים גדולים של שפה (LLM) ב-Gemini Enterprise Agent Platform
- תמלול של קובצי אודיו באמצעות הפונקציה ML.TRANSCRIBE
- תרגום טקסט באמצעות הפונקציה ML.TRANSLATE
- שיפור מודל באמצעות הנתונים שלכם
- הבנת טקסט באמצעות הפונקציה ML.UNDERSTAND_TEXT
- עבודה עם פונקציות מרוחקות
- עבודה עם פונקציות בהגדרת המשתמש ב-Python
דוגמת קוד
Node.js
לפני שמנסים את הדוגמה הזו, צריך לפעול לפי Node.jsהוראות ההגדרה שבמדריך למתחילים של BigQuery באמצעות ספריות לקוח. מידע נוסף מופיע במאמרי העזרה של BigQuery Node.js API.
כדי לבצע אימות ב-BigQuery, צריך להגדיר את Application Default Credentials. מידע נוסף זמין במאמר הגדרת אימות לספריות לקוח.
Python
לפני שמנסים את הדוגמה הזו, צריך לפעול לפי Pythonהוראות ההגדרה שבמדריך למתחילים של BigQuery באמצעות ספריות לקוח. מידע נוסף מופיע במאמרי העזרה של BigQuery Python API.
כדי לבצע אימות ב-BigQuery, צריך להגדיר את Application Default Credentials. מידע נוסף זמין במאמר הגדרת אימות לספריות לקוח.
המאמרים הבאים
כדי לחפש ולסנן דוגמאות קוד למוצרים אחרים של Google Cloud , אפשר להיעזר בGoogle Cloud דפדפן לדוגמה.