Gemini Cloud Assist verwenden
In diesem Dokument wird beschrieben, wie Sie Gemini Cloud Assist, ein Produkt aus dem Portfolio Gemini für Google Cloud, verwenden können, um Ihre Metadaten, Jobs und Abfragen in BigQuery besser zu verstehen und damit zu arbeiten. Hier finden Sie unterstützte Anwendungsfälle und Beispielprompts, die Sie in Gemini Cloud Assist verwenden können.
Hinweis
Bevor Sie Gemini Cloud Assist verwenden können, muss Ihr Administrator die Schritte zum Einrichten von Gemini Cloud Assist für das Projekt oder den Ordner ausführen, in dem Sie arbeiten.
Damit Gemini Cloud Assist Fragen und Anfragen zu Ihren Ressourcen in Google Cloud beantworten kann, benötigt es die entsprechenden IAM-Berechtigungen für diese Ressourcen. Gemini Cloud Assist übernimmt Ihre Berechtigungen, wenn Sie es auffordern, Ihre BigQuery-Daten abzufragen. In vielen Fällen sind die erforderlichen IAM-Berechtigungen also bereits erteilt. Weitere Informationen finden Sie unter IAM-Anforderungen für die Verwendung von Gemini Cloud Assist.
Gemini Cloud Assist verwenden
Rufen Sie die Seite BigQuery auf.
Klicken Sie in der Google Cloud -Symbolleiste auf spark Gemini-KI-Chat öffnen oder schließen, um den Gemini Cloud Assist-Chat zu öffnen.
Geben Sie im Feld Prompt eingeben Ihren Prompt ein.
Klicken Sie auf Senden Senden.
In den folgenden Abschnitten finden Sie Beispiele für Aufgaben, die Sie mit Gemini Cloud Assist ausführen können, sowie Beispielprompts.
Ressourcen entdecken
Suchen Sie nach Datasets und Tabellenressourcen in einem einzelnen Projekt oder in mehreren Projekten und erhalten Sie Informationen dazu. Gemini Cloud Assist verwendet Knowledge Catalog, um Ihre BigQuery-Ressourcen zu durchsuchen. Die Suche erfolgt mit Ihren Berechtigungen. Wenn Sie beispielsweise keine Berechtigung zum Aufrufen der Metadaten einer Ressource haben, wird sie nicht in den Ergebnissen angezeigt. Zu den unterstützten Anwendungsfällen gehören:
Nach einer Ressource anhand des Namens suchen Geben Sie im Bereich Cloud Assist einen Prompt ähnlich dem folgenden ein:
Habe ich Datasets mit dem Namen „ecommerce“?Metadaten einer Tabelle abfragen Sie können nach einer Tabelle anhand des Namens fragen oder Gemini Cloud Assist anhand Ihres Chatverlaufs oder der Tabelle, auf die auf dem aktiven Abfragetab verwiesen wird, ableiten lassen, welche Tabelle Sie meinen. Wenn Sie eine Tabelle anhand des Namens angeben, müssen Sie den vollqualifizierten Namen verwenden. Sie können nach dem Schema einer Tabelle oder anderen Metadaten wie Partitionierung und Clustering fragen. Geben Sie im Bereich Cloud Assist einen Prompt ähnlich dem folgenden ein:
Wie sieht das Schema für PROJECT_NAME.DATASET_NAME.TABLE_NAME aus?Nach dem Speicherort bestimmter Informationen fragen: Geben Sie im Bereich Cloud Assist einen Prompt wie den folgenden ein:
Wo finde ich demografische Daten wie Alter und Standort für neue Nutzer aus dem letzten Jahr?
Code erstellen
Mit Gemini Cloud Assist können Sie SQL- und Python-Code generieren, um Ihre Daten abzufragen und zu analysieren.
SQL generieren
Generieren Sie eine SQL-Abfrage, indem Sie beschreiben, was die Abfrage tun soll. Für optimale Ergebnisse geben Sie den Namen der Tabelle an, die Sie abfragen möchten. Geben Sie beispielsweise im Bereich Cloud Assist einen Prompt wie den folgenden ein:
Generiere eine SQL-Abfrage, die mir die Dauer und den Abonnententyp für die zehn längsten Fahrten anzeigt. Verwenden Sie die Tabelle bigquery-public-data.san_francisco_bikeshare.bikeshare_trips.
Python-Code generieren
Sie können Python-Code generieren, indem Sie beschreiben, was er tun soll. Im Bereich Cloud Assist können Sie beispielsweise den folgenden Prompt eingeben, um Gemini aufzufordern, die Tabelle penguins aus einem öffentlichen Dataset mit der BigQuery-Magics-Syntax abzufragen:
Generiere Python-Code, um die Tabelle bigquery-public-data.ml_datasets.penguins mit magischen Befehlen in BigQuery abzufragen.
Abfrage planen
Planen Sie eine Abfrage, indem Sie die folgenden Details in Ihrem Prompt angeben:
- Zeitplan, z. B. jeden Montag um 17:00 Uhr oder jeden zweiten Dienstag um 2:00 Uhr
- Anzeigename
- ID der Zieltabelle und ID des Ziel-Datasets
- Beginn
- Ende
- Schreibanordnung, z. B.
WRITE_EMPTY,WRITE_APPENDoderWRITE_TRUNCATE
Sie können beispielsweise im Bereich Cloud Assist einen Prompt ähnlich dem folgenden eingeben:
Schedule the query open in the editor to run daily. The display name
should be "test query". Write the results to a new table in mydataset
called scheduled_results. Use WRITE_APPEND. Start it now.
Datenherkunft nachvollziehen
Mit Gemini Cloud Assist können Sie die Datenherkunft untersuchen und analysieren. Damit können Sie Datenabhängigkeiten nachvollziehen, die Auswirkungen von strukturellen Änderungen bewerten und komplexe Datenflüsse zusammenfassen. Wenn Sie die Herkunft analysieren möchten, können Sie Gemini Cloud Assist Fragen zu den folgenden Funktionsbereichen stellen:
Lineage-Statistiken abrufen Bitten Sie Gemini Cloud Assist um quantitative Daten zu einem Lineage-Diagramm, z. B. die Gesamtzahl der beteiligten Assets, Datasets oder Projekte. Geben Sie im Bereich Cloud Assist einen Prompt ähnlich dem folgenden ein:
Wie viele Upstream-Assets hat Customer_Master?Wie viele BigQuery-Datasets sind an der Upstream-Herkunft von „Customer_Interaction_Summary“ beteiligt?Geben Sie die Anzahl aller eindeutigen Assets im Upstream-Diagramm von Marketing_Interaction an.
Unmittelbare Abhängigkeiten analysieren: Sie können die direkten übergeordneten Elemente (Quellen) oder untergeordneten Elemente (Nutzer) eines bestimmten Assets ermitteln, indem Sie Beziehungen mit nur einem Schritt analysieren. Geben Sie im Bereich Cloud Assist einen Prompt ähnlich dem folgenden ein:
Was sind die unmittelbaren Quellen von „Customer_Master“?Wer sind die direkten Nutzer der Tabelle „Card_Master“?Was sind die direkten Quellen von „Web_Session_Validated“?
Downstream-Auswirkungen bewerten: Die Auswirkungen von Änderungen oder dem Entfernen eines Assets Sie können den Umfang dieser Prompts nach Tiefe (Anzahl der Hops) oder nach bestimmten Projektgrenzen festlegen. Geben Sie im Bereich Cloud Assist einen Prompt ähnlich dem folgenden ein:
Welche Assets sind betroffen, wenn ich „Customer_Master“ entferne?Zeige mir die Assets an, die zwei Hops nach „Customer_Master“ folgen.Wirkt sich die Änderung von Customer_Master auf Assets im Projekt „data-lineage-manual-tests“ aus?
Quellen und Ziele identifizieren: Suchen Sie die ursprünglichen Quellen oder endgültigen Ziele Ihrer Daten und umgehen Sie Zwischenschritte. Geben Sie im Bereich Cloud Assist einen Prompt ähnlich dem folgenden ein:
Was sind alle endgültigen Datenquellen für Customer_Master?Was sind die ursprünglichen Datenquellen für „Transaction_Data_Enriched“ (angereicherte Transaktionsdaten), ohne Zwischentabellen?Was sind die endgültigen Ziele von Daten aus Card_Data_Validated?
Datenfluss zwischen Assets nachvollziehen: Bitten Sie Gemini Cloud Assist, die spezifische Verbindung, den Pfad oder den Datenfluss zwischen zwei bekannten Assets zu erläutern. Geben Sie im Bereich Cloud Assist einen Prompt ähnlich dem folgenden ein:
Wie hängt „Customer_Master“ von „Customer_Data_Raw“ ab?Wie ist der Datenfluss von „Customer_Data_Raw“ zu „Customer_Profile_Snapshot“?Wie viele Hops gibt es zwischen „Customer_Data_Raw“ und „Alert_Fact“?
Lineage nach Asset-Typ oder -Name filtern: Suchen Sie nach bestimmten Typen von verbundenen Assets (z. B. BigQuery-Ansichten oder Looker-Dashboards) oder nach Assets, die einem bestimmten Namensmuster entsprechen. Geben Sie im Bereich Cloud Assist einen Prompt ein, der dem folgenden ähnelt:
Wird „Customer_Master“ in BigQuery-Ansichten verwendet?Gibt es Looker-Dashboards, die von „Customer_Master“ abhängig sind?Welche Upstream-Tabellen von Customer_Master enthalten „Country“ im Namen?
Zusammenfassung von Lineage-Diagrammen: Sie können eine Übersicht der Lineage eines Assets in natürlicher Sprache anfordern, anstatt eine bestimmte Liste oder Anzahl. Geben Sie im Bereich Cloud Assist einen Prompt ähnlich dem folgenden ein:
Gib mir eine Zusammenfassung der Assets, die von „Web_Session_Validated“ abhängen.Fasse die Downstream-Abstammung dieser Tabelle zusammen.What is the lineage of bigquery:PROJECT_NAME.DATASET_NAME(Was ist der Datenursprung von „bigquery:PROJECT_NAME.DATASET_NAME“?)
Jobs analysieren
Hier finden Sie weitere Informationen zu Jobs, die in Ihrem Projekt ausgeführt wurden, einschließlich Ihres persönlichen Jobverlaufs und des Projekt-Jobverlaufs, um die folgenden Anwendungsfälle zu unterstützen:
Lange laufende Abfragen debuggen Hier erfahren Sie mehr über den aktuellen Status eines Jobs und die Gründe, warum er länger als erwartet dauern könnte, z. B. Slot-Konflikte, eine große Anzahl gescannter Zeilen oder ein hohes Datenvolumen. Geben Sie im Bereich Cloud Assist einen Prompt ähnlich dem folgenden ein:
Warum dauert dieser Job so lange? JOB_IDUrsache eines fehlgeschlagenen Jobs analysieren Informationen dazu, warum eine bestimmte Anfrage fehlgeschlagen ist. Geben Sie im Bereich Cloud Assist einen Prompt ähnlich dem folgenden ein:
Warum ist JOB_ID fehlgeschlagen?Ressourcenintensive Anfragen finden Hier erfahren Sie mehr über Ihre teuersten Abfragen basierend auf der geschätzten Anzahl der verarbeiteten Byte. Geben Sie im Bereich Cloud Assist einen Prompt ähnlich dem folgenden ein:
Welche drei Abfragen, die ich in den letzten zwei Tagen ausgeführt habe, waren am teuersten?
BigQuery verwalten
Im Job-Explorer können Sie mit Gemini Cloud Assist chatten, um die Leistung zu überwachen, die Kapazität zu analysieren und die Kosten zu optimieren. Sie können Gemini Cloud Assist beispielsweise für die folgenden Aufgaben verwenden:
Reservierungen und Kapazität analysieren: Sie können die Compute-Auslastung in natürlicher Sprache überwachen und Engpässe identifizieren. Im Bereich Cloud Assist können Sie Prompts wie die folgenden eingeben:
Analysiere die Leistung meiner Reservierung für die letzten 24 Stunden.Zeige die wichtigsten Projekte und Nutzer, die meine Reservierung für die Produktion nutzen.Reicht meine aktuelle Kapazität für unsere Spitzenlast aus?
Jobs beobachten und vergleichen Arbeitslasten vergleichen, um Leistungsänderungen zu verstehen. Sie können eine Leistungsübersicht der Jobleistung abrufen, in der Engpässe und Optimierungsmöglichkeiten hervorgehoben werden. Außerdem können Sie die Ausführungsdetails verschiedener Jobs direkt vergleichen, um Regressionen oder Verbesserungen zu erkennen.
Konfiguration der Arbeitslastverwaltung: BigQuery-Reservierungseinstellungen, einschließlich Zuweisungen und Zusagen, in natürlicher Sprache prüfen und verwalten. Diese Funktion bietet Einblick in Autoscaling-Konfigurationen, die Verwaltung inaktiver Slots und editionspezifische Details. Im Bereich Cloud Assist können Sie Prompts eingeben, die den folgenden ähneln:
List my reservations with autoscale.(Reservierungen mit Autoscaling auflisten)Rufe meine Aufgaben für PROJECT_ID ab.Wie lautet die Konfiguration für meine Reservierung RESERVATION_NAME?List my commitments.(Liste meine Zusicherungen auf.)Für wie viele Reservierungen ist „Inaktive Slots ignorieren“ konfiguriert?Alle Reservierungen nach Enterprise-Version auflistenList all current Reservations and show me the slot_capacity and autoscale_max_slots for each.(Liste alle aktuellen Reservierungen auf und zeige mir für jede die slot_capacity und autoscale_max_slots an.)
Identifizierung der wichtigsten Ressourcen: Die primären Nutzer von BigQuery-Ressourcen identifizieren. Der Assistent kann Top-Nutzer und ‑Jobs basierend auf der Slot-Auslastung in bestimmten Projekten oder Reservierungen anzeigen. Diese Unterstützung bietet umfassenden administrativen Support für wichtige BigQuery-Ressourcen wie Jobs, Nutzer, Projekte und Reservierungen. Durch die Analyse wichtiger Leistungsmesswerte wie Slot-Nutzung und Jobdauer liefert der Assistent umsetzbare Informationen, um das Monitoring zu optimieren und die Ressourcenzuweisung zu optimieren. Im Bereich Cloud Assist können Sie Prompts eingeben, die den folgenden ähneln:
Welche Nutzer in meinem Projekt verwenden die meisten Slots?Zeige mir die Jobs, die in der letzten Stunde die meisten Slots in der Reservierung RESERVATION_NAME belegt haben.
Abfrage optimieren
Mit Gemini Cloud Assist können Sie Ihre SQL-Abfragen analysieren und Empfehlungen zur Optimierung erhalten. Gemini Cloud Assist analysiert die Struktur Ihrer Anfrage und schlägt Verbesserungen vor, um die Zeit für den Abfrage-Slot nach Möglichkeit zu verkürzen. Sie können eine Abfrage mit einer der folgenden Methoden optimieren:
Klicken Sie im Abfrageeditor auf Optimieren. Diese Schaltfläche ist nur verfügbar, wenn Sie BigQuery-Editionen verwenden.
Rufen Sie die Seite BigQuery auf.
Geben Sie im Abfrageeditor Ihre SQL-Abfrage ein und führen Sie sie aus.
Klicken Sie in der Symbolleiste des Abfrageeditors auf Optimieren. Gemini Cloud Assist analysiert die ausgeführte Abfrage und zeigt Empfehlungen im Bereich Cloud Assist an.
Verwenden Sie den Bereich „Cloud Assist“. Sie können die Abfrage entweder auf einem aktiven Tab öffnen oder den SQL-Code direkt in den Bereich Cloud Assist einfügen und eine Optimierung anfordern. Dieses Feature ist für alle Kunden verfügbar, unabhängig davon, ob Sie die Kapazitätspreise (BigQuery-Versionen) oder die On-Demand-Preise verwenden.