Dokumen ini menjawab pertanyaan umum (FAQ) tentang Google Cloud Knowledge Catalog (sebelumnya disebut Dataplex Universal Catalog).
Untuk mengetahui informasi selengkapnya tentang Knowledge Catalog, lihat Ringkasan Knowledge Catalog.
Konsep umum
Pelajari pertanyaan umum (FAQ) tentang fitur Knowledge Catalog dan hubungannya dengan Data Catalog.
Apa itu Knowledge Catalog?
Google Knowledge Catalog adalah solusi tata kelola cerdas untuk aset data dan AI di Google Cloud. Layanan ini menyediakan inventaris terpusat tempat Anda dapat menemukan, mengelola, dan mengatur data di seluruh Google Cloud sumber data seperti BigQuery, Cloud Storage, Pub/Sub, dan Spanner.
Knowledge Catalog menggunakan AI untuk mengotomatiskan penemuan data, pengayaan metadata, dan kualitas data. Melalui katalog data yang dikelola, Knowledge Catalog memberikan dasar penting yang dibutuhkan agen AI untuk menghasilkan konten berkualitas tinggi.
Apa itu Katalog Data?
Data Catalog adalah nama asli layanan metadata Google Cloud. Seiring waktu, layanan ini berkembang menjadi Dataplex Universal Catalog, dan kini telah diganti namanya dan berkembang menjadi Knowledge Catalog.
Meskipun istilah "Katalog Data" masih digunakan untuk mendeskripsikan jenis pengindeksan data ini, dalam konteks Google Cloud, istilah ini merujuk pada produk lama kami. Gunakan Knowledge Catalog untuk semua project baru guna memanfaatkan fitur yang didukung AI dan tata kelola yang ditingkatkan.
Apakah Knowledge Catalog berbeda dengan Data Catalog?
Ya, Knowledge Catalog adalah platform tata kelola data yang didukung AI yang pada akhirnya akan menggantikan Data Catalog yang ada. Meskipun memiliki konsep yang serupa, Knowledge Catalog memberikan beberapa peningkatan:
Konteks yang didukung AI: Tidak seperti Data Catalog, Knowledge Catalog menggunakan Gemini untuk otomatis mengekstrak konteks bisnis, membuat deskripsi bahasa alami, dan menyediakan "kueri terbaik" SQL untuk melakukan grounding agen AI.
Dukungan metadata lengkap: Knowledge Catalog mendukung jenis metadata yang lebih kompleks, seperti array, peta, dan catatan bertingkat.
Akses agentic: Agen AI dapat menemukan dan menggunakan alat Knowledge Catalog secara adaptif melalui server MCP lokal atau jarak jauh.
Penemuan data: Knowledge Catalog dapat otomatis menyerap metadata dari serangkaian Google Cloud layanan dan sumber data eksternal yang lebih besar.
Tata kelola dalam skala besar: Dataplex menawarkan kemampuan yang ditingkatkan untuk pembuatan profil data, kualitas data otomatis, dan tata kelola terpusat.
Untuk apa Knowledge Catalog digunakan?
Google Knowledge Catalog memecahkan masalah "mulai dingin data"—waktu yang terbuang saat mencoba menemukan, memahami, dan memercayai data sebelum Anda dapat benar-benar menggunakannya. Penggunaan utamanya meliputi:
Penemuan data yang dipercepat: Daripada menavigasi silo organisasi yang kompleks untuk menemukan data, Anda dapat menggunakan penelusuran bahasa alami (misalnya, "Tampilkan data penghentian pelanggan terbaru") untuk menemukan aset di seluruh resourceGoogle Cloud secara instan, yang meningkatkan produktivitas konsumen data.
Merujukkan agen AI: Bertindak sebagai "sumber tepercaya" untuk AI generatif atau ADK. Dengan menautkan data fisik ke definisi bisnis, dipastikan bahwa agen AI (seperti yang dibangun di Vertex AI) menggunakan data berkualitas tinggi, yang secara signifikan mengurangi halusinasi AI dan meningkatkan kepercayaan terhadap insight yang dihasilkan AI.
Tata kelola data otomatis: Secara otomatis memindai data Anda untuk mengidentifikasi informasi sensitif (yaitu, PII), melacak asal data (silsilah), dan memantau akurasinya (kualitas data otomatis). Kemampuan ini membantu meningkatkan kepercayaan data, keamanan, dan kepatuhan dengan upaya manual yang lebih sedikit.
Menemukan "data gelap": Alat ini dapat memindai file tidak terstruktur (misalnya, PDF atau gambar di Cloud Storage), mengekstrak informasi di dalamnya, dan membuatnya dapat ditelusuri dan dikueri di BigQuery, yang membantu Anda mendapatkan insight dari data yang sebelumnya tidak dapat diakses.
Untuk mulai menggunakan skenario ini, lihat Kasus penggunaan Knowledge Catalog.
Jenis metadata apa yang disimpan oleh Knowledge Catalog?
Knowledge Catalog menyimpan tiga jenis metadata:
Metadata teknis: Skema, nama tabel, dan properti sistem yang dikumpulkan secara otomatis.
Metadata bisnis: Konteks yang ditentukan pengguna seperti deskripsi bisnis, istilah glosarium, dan kepemilikan.
Metadata runtime: Informasi tentang silsilah data, skor kualitas data, dan statistik pembuatan profil data.
Migrasi dari Data Catalog
Pelajari pertanyaan umum (FAQ) tentang jadwal transisi, detail dampak, dan panduan untuk memindahkan alur kerja metadata dari Data Catalog ke Knowledge Catalog.
Bagaimana cara bermigrasi dari Data Catalog?
Transisi ke Knowledge Catalog dirancang agar lancar, tanpa memerlukan perpindahan data manual. Bergantung pada penggunaan Anda saat ini, prosesnya melibatkan dua fase utama:
Fase persiapan: Jika Anda memiliki metadata kustom (misalnya, tag, template tag, atau entri kustom), konten ini akan otomatis dimasukkan ke Knowledge Catalog sebagai hanya baca. Selama fase ini, Anda melakukan tugas konfigurasi untuk membuat konten Data Catalog yang ada tersedia secara bersamaan di antarmuka baru.
Fase transfer: Setelah disiapkan, Anda mentransfer status aktif metadata untuk menjadikannya dapat dibaca-tulis dalam Knowledge Catalog. Anda harus mengoordinasikan langkah ini dengan memperbarui beban kerja terprogram (API, library klien, atau modul Terraform) untuk mengarah ke endpoint Knowledge Catalog yang baru.
Jika tidak memiliki metadata kustom atau baru menggunakan platform ini, Anda dapat menyelesaikan transisi dengan menetapkan Knowledge Catalog sebagai pengalaman UI default di konsol Google Cloud .
Untuk mengetahui informasi selengkapnya, lihat Beralih dari Data Catalog ke Knowledge Catalog.
Penagihan insight data
Pelajari pertanyaan umum (FAQ) tentang penagihan berbasis token, pengukuran penggunaan, dan kontrol administratif untuk fitur insight data di Knowledge Catalog.
Kapan saya akan mulai ditagih untuk menggunakan insight data?
Penagihan aktif untuk insight data dimulai pada 27 Oktober 2026.
Bagaimana penagihan penggunaan insight data dilakukan?
Penggunaan diukur dalam token data. Token data merepresentasikan unit dasar teks dan metadata yang diproses oleh model Gemini. Token ini dibagi menjadi dua kategori:
- Input token: Konteks, petunjuk, dan histori yang dikirim ke model.
- Token output: Deskripsi, hubungan, dan kueri bahasa alami yang dihasilkan yang ditampilkan oleh model.
Untuk mengetahui informasi selengkapnya, lihat Harga Agen Data Cloud.
Apakah akun layanan menerima kuota gratis untuk insight data?
Tidak. Akun layanan tidak menerima alokasi kuota gratis per pengguna. Namun, penggunaan mereka diukur dengan cara yang sama seperti pengguna standar.
Bagaimana cara mencegah pengisian daya otomatis untuk insight data?
Agar tidak dikenai biaya, verifikasi pemindaian berkelanjutan Anda dan hentikan pemicuan pemindaian baru. Administrator juga dapat menonaktifkan kemampuan insight data dengan menonaktifkan Dataplex API di project terkait.
Bagaimana cara mengetahui jumlah tagihan yang akan saya terima untuk insight data?
Google Cloud menyediakan pengukuran untuk token data. Pengukuran ini memungkinkan administrator dan pemilik agen memantau konsumsi token mereka. Kemampuan pengukuran ini tersedia sebelum penagihan aktif dimulai pada Oktober 2026.
Penagihan dan pemantauan biaya
Bagaimana cara memantau dan mengatribusikan biaya DCU Dataplex untuk Kualitas Data, Pembuatan Profil Data, dan Silsilah Data?
Komputasi Dataplex DataScan (Kualitas Data Otomatis dan Pembuatan Profil Data) serta Unit Komputasi Data (DCU) Silsilah Data berjalan di komputasi serverless dalam infrastruktur yang dikelola Dataplex dan tidak memublikasikan metrik deret waktu di dataplex.googleapis.com/* ke Cloud Monitoring.
Untuk memantau, membuat pemberitahuan, dan mengatribusikan biaya DCU Dataplex di seluruh project dan pemindaian, ekspor data Penagihan Cloud Anda ke BigQuery dan buat kueri label sistem yang dilampirkan ke catatan penagihan Dataplex:
- Untuk pemindaian Kualitas Data dan Pembuatan Profil Data, gunakan label
goog-dataplex-datascan-*(sepertigoog-dataplex-datascan-id,goog-dataplex-datascan-data-source-project, dangoog-dataplex-datascan-data-source-bigquery-table). - Untuk pemrosesan Silsilah Data, gunakan label
goog-dataplex-workload-typedengan nilaiLINEAGE.
Untuk mengetahui definisi label dan contoh kueri SQL BigQuery yang mendetail, lihat Memantau dan mengatribusikan biaya DCU Dataplex dengan ekspor Penagihan Cloud.