Bigtable to Vertex AI Vector Search 範本

「Cloud Storage 中的 Bigtable 至 Vertex AI 向量搜尋檔案」範本會建立批次管道,從 Bigtable 資料表讀取資料,並以 JSON 格式寫入 Cloud Storage bucket。這個範本適用於向量嵌入。

管道相關規定

  • Bigtable 資料表必須存在。
  • 執行管道前,輸出 Cloud Storage bucket 必須已存在。

範本參數

必要參數

  • bigtableProjectId:包含您要讀取資料的 Bigtable 執行個體的 Google Cloud 專案 ID。
  • bigtableInstanceId:包含資料表的 Bigtable 執行個體 ID。
  • bigtableTableId:要從中讀取資料的 Bigtable 資料表 ID。
  • outputDirectory:儲存輸出 JSON 檔案的 Cloud Storage 路徑。例如:gs://your-bucket/your-path/。
  • idColumn:儲存 ID 的完整欄名。格式為 cf:col 或 _key。
  • embeddingColumn:儲存嵌入內容的完整資料欄名稱。格式為 cf:col 或 _key。

執行範本

控制台

  1. 前往 Dataflow 的「Create job from template」(依據範本建立工作) 頁面。
  2. 前往「依範本建立工作」
  3. 在「Job name」(工作名稱) 欄位中,輸入專屬工作名稱。
  4. 選用:如要使用區域端點,請從下拉式選單中選取值。預設區域為 us-central1。

    如需可執行 Dataflow 工作的區域清單,請參閱「Dataflow 位置」。

  5. 從「Dataflow template」(Dataflow 範本) 下拉式選單中,選取「Cloud Bigtable to Vector Embeddings」(Cloud Bigtable 至向量嵌入) 範本。
  6. 在提供的參數欄位中輸入參數值。
  7. 按一下「Run Job」(執行工作)。

gcloud CLI

在殼層或終端機中執行範本:

gcloud dataflow jobs run JOB_NAME \
    --gcs-location=gs://dataflow-templates/VERSION/Cloud_Bigtable_to_Vector_Embeddings \
    --project=PROJECT_ID \
    --region=REGION_NAME \
    --parameters \
       bigtableProjectId=BIGTABLE_PROJECT_ID,\
       bigtableInstanceId=BIGTABLE_INSTANCE_ID,\
       bigtableTableId=BIGTABLE_TABLE_ID,\
       filenamePrefix=FILENAME_PREFIX,\
       idColumn=ID_COLUMN,\
       embeddingColumn=EMBEDDING_COLUMN,\

更改下列內容:

  • JOB_NAME:您選擇的不重複工作名稱
  • VERSION:您要使用的範本版本

    您可以使用下列值:

    • latest,使用範本的最新版本,該版本位於 bucket 中非依日期命名的上層資料夾:gs://dataflow-templates/latest/
    • 版本名稱,例如 2023-09-12-00_RC00,可使用特定版本的範本,該範本會以巢狀結構存放在 bucket 中相應的依日期命名上層資料夾中:gs://dataflow-templates/
  • REGION_NAME:您要部署 Dataflow 工作的區域,例如 us-central1
  • BIGTABLE_PROJECT_ID:專案 ID
  • BIGTABLE_INSTANCE_ID:執行個體 ID
  • BIGTABLE_TABLE_ID:資料表 ID
  • FILENAME_PREFIX:JSON 檔案前置字元
  • ID_COLUMN:ID 欄
  • EMBEDDING_COLUMN:嵌入資料欄

API

如要使用 REST API 執行範本,請傳送 HTTP POST 要求。如要進一步瞭解 API 和授權範圍,請參閱 projects.templates.launch。

POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/LOCATION/templates:launch?gcsPath=gs://dataflow-templates/VERSION/Cloud_Bigtable_to_Vector_Embeddings
{
   "jobName": "JOB_NAME",
   "parameters": {
     "bigtableProjectId": "BIGTABLE_PROJECT_ID",
     "bigtableInstanceId": "BIGTABLE_INSTANCE_ID",
     "bigtableTableId": "BIGTABLE_TABLE_ID",
     "filenamePrefix": "FILENAME_PREFIX",
     "idColumn": "ID_COLUMN",
     "embeddingColumn": "EMBEDDING_COLUMN",
   },
   "environment": { "maxWorkers": "10" }
}

更改下列內容:

  • PROJECT_ID:您要執行 Dataflow 工作的 Google Cloud 專案 ID
  • JOB_NAME:您選擇的不重複工作名稱
  • VERSION:您要使用的範本版本

    您可以使用下列值:

    • latest,使用範本的最新版本,該版本位於 bucket 中非依日期命名的上層資料夾:gs://dataflow-templates/latest/
    • 版本名稱,例如 2023-09-12-00_RC00,可使用特定版本的範本,該範本會以巢狀結構存放在 bucket 中相應的依日期命名上層資料夾中:gs://dataflow-templates/
  • LOCATION:您要部署 Dataflow 工作的區域,例如 us-central1
  • BIGTABLE_PROJECT_ID:專案 ID
  • BIGTABLE_INSTANCE_ID:執行個體 ID
  • BIGTABLE_TABLE_ID:資料表 ID
  • FILENAME_PREFIX:JSON 檔案前置字元
  • ID_COLUMN:ID 欄
  • EMBEDDING_COLUMN:嵌入資料欄

後續步驟