Questo documento risponde alle domande frequenti su Google Cloud Knowledge Catalog (in precedenza Dataplex Universal Catalog).
Per saperne di più su Knowledge Catalog, consulta la panoramica di Knowledge Catalog.
Concetti generali
Consulta le domande frequenti sulle funzionalità di Knowledge Catalog e sul suo rapporto con Data Catalog.
Che cos'è Knowledge Catalog?
Google Knowledge Catalog è una soluzione di governance intelligente per i dati e gli asset AI in Google Cloud. Fornisce un inventario centralizzato in cui puoi scoprire, gestire e controllare i tuoi dati in varie origini dati come BigQuery, Cloud Storage, Pub/Sub e Spanner. Google Cloud
Knowledge Catalog utilizza l'AI per automatizzare l'individuazione dei dati, l'arricchimento dei metadati e la qualità dei dati. Grazie al suo catalogo di dati controllati, Knowledge Catalog fornisce le basi essenziali di cui gli agenti AI hanno bisogno per generare contenuti di alta qualità.
Che cos'è Data Catalog?
Data Catalog era il nome originale del servizio di metadati di Google Cloud. Nel tempo, si è evoluto in Dataplex Universal Catalog, che ora è stato rinominato e si è evoluto in Knowledge Catalog.
Sebbene il termine "Data Catalog" venga ancora utilizzato per descrivere questo tipo di indicizzazione dei dati, nel contesto di Google Cloudsi riferisce al nostro prodotto legacy. Utilizza Knowledge Catalog per tutti i nuovi progetti per sfruttare le funzionalità basate sull'AI e la governance avanzata.
Knowledge Catalog è diverso da Data Catalog?
Sì, Knowledge Catalog è la piattaforma di governance dei dati basata sull'AI che alla fine sostituirà Data Catalog esistente. Sebbene condividano concetti simili, Knowledge Catalog offre diversi miglioramenti:
Contesto basato sull'AI: a differenza di Data Catalog, Knowledge Catalog utilizza Gemini per estrarre automaticamente il contesto aziendale, generare descrizioni in linguaggio naturale e fornire "query ottimali" SQL per basare gli agenti di AI.
Supporto di metadati avanzati:Knowledge Catalog supporta tipi di metadati più complessi, come array, mappe e record nidificati.
Accesso agentico:gli agenti AI possono scoprire e utilizzare in modo adattivo gli strumenti di Knowledge Catalog tramite un server MCP locale o remoto.
Rilevamento dei dati:Knowledge Catalog può importare automaticamente i metadati da un insieme più ampio di servizi e origini dati esterne. Google Cloud
Governance su larga scala:offre funzionalità avanzate per la profilazione dei dati, la qualità automatica dei dati e la governance centralizzata.
A che cosa serve Knowledge Catalog?
Google Knowledge Catalog risolve il problema dell'"avvio a freddo dei dati", ovvero il tempo perso per trovare, comprendere e considerare attendibili i dati prima di poterli utilizzare. I suoi utilizzi principali includono:
Individuazione rapida dei dati: anziché navigare in complessi silos organizzativi per individuare i dati, puoi utilizzare la ricerca in linguaggio naturale (ad esempio, "Mostrami i dati più recenti sul churn dei clienti") per trovare istantaneamente asset nelle risorseGoogle Cloud , il che aumenta la produttività dei consumatori di dati.
Applicazione degli agenti AI: funge da "fonte attendibile" per l'AI generativa o l'ADK. Collegando i dati fisici alle definizioni aziendali, si garantisce che gli agenti AI (come quelli basati su Vertex AI) utilizzino dati di alta qualità, il che riduce significativamente le allucinazioni dell'AI e migliora l'affidabilità degli insight generati dall'AI.
Governance dei dati automatizzata: esegue automaticamente la scansione dei dati per identificare le informazioni sensibili (ovvero i dati PII), monitora la provenienza dei dati (tracciabilità) e ne controlla l'accuratezza (qualità dei dati automatica). Queste funzionalità contribuiscono a migliorare l'affidabilità, la sicurezza e la conformità dei dati con meno interventi manuali.
Rilevamento dei "dati oscuri": può analizzare file non strutturati (ad esempio PDF o immagini in Cloud Storage), estrarre le informazioni al loro interno e renderle ricercabili ed eseguibili in BigQuery, il che ti aiuta a ottenere informazioni da dati precedentemente inaccessibili.
Per iniziare a utilizzare questi scenari, consulta Casi d'uso di Knowledge Catalog.
Quali tipi di metadati vengono archiviati in Knowledge Catalog?
Knowledge Catalog archivia tre tipi di metadati:
Metadati tecnici: schemi, nomi di tabelle e proprietà di sistema acquisiti automaticamente.
Metadati aziendali: contesto definito dall'utente, ad esempio descrizioni aziendali, termini del glossario e proprietà.
Metadati di runtime: informazioni su derivazione dei dati, punteggi di qualità dei dati e statistiche di profilazione dei dati.
Migrazione da Data Catalog
Consulta le domande frequenti su tempistiche di transizione, dettagli dell'impatto e indicazioni per il trasferimento dei flussi di lavoro dei metadati da Data Catalog a Knowledge Catalog.
Come faccio a eseguire la migrazione da Data Catalog?
La transizione a Knowledge Catalog è progettata per essere fluida, senza richiedere lo spostamento manuale dei dati. A seconda del tuo utilizzo attuale, la procedura prevede due fasi principali:
Fase preparatoria: se hai metadati personalizzati (ad esempio tag, modelli di tag o voci personalizzate), questi contenuti vengono importati automaticamente in Knowledge Catalog come di sola lettura. Durante questa fase, esegui le attività di configurazione per rendere i contenuti esistenti di Data Catalog disponibili contemporaneamente nella nuova interfaccia.
Fase di trasferimento: una volta preparati, trasferisci lo stato attivo dei metadati per renderli di lettura/scrittura in Knowledge Catalog. Devi coordinare questo passaggio con l'aggiornamento di tutti i carichi di lavoro programmatici (API, librerie client o moduli Terraform) in modo che puntino ai nuovi endpoint Knowledge Catalog.
Se non hai metadati personalizzati o se non hai mai utilizzato la piattaforma, puoi completare la transizione impostando Knowledge Catalog come esperienza predefinita della UI nella console Google Cloud .
Per saperne di più, consulta Transizione da Data Catalog a Knowledge Catalog.
Fatturazione degli approfondimenti sui dati
Esplora le domande frequenti sulla fatturazione basata su token, sulla misurazione dell'utilizzo e sui controlli amministrativi per la funzionalità di approfondimenti sui dati in Knowledge Catalog.
Quando inizierò a ricevere la fattura per l'utilizzo delle statistiche sui dati?
La fatturazione attiva per gli approfondimenti sui dati inizia il 27 ottobre 2026.
Come viene fatturato l'utilizzo di Data Insights?
L'utilizzo viene misurato in token di dati. I token di dati rappresentano le unità di base di testo e i metadati elaborati dal modello Gemini. Questi token sono suddivisi in due categorie:
- Token di input:il contesto, le istruzioni e la cronologia inviati al modello.
- Token di output: le descrizioni, le relazioni e le query in linguaggio naturale generate restituite dal modello.
Per maggiori informazioni, consulta la pagina Prezzi di Data Cloud Agent.
Gli account di servizio ricevono una quota senza costi per gli approfondimenti sui dati?
No. I service account non ricevono una quota senza costi per utente. Tuttavia, il loro utilizzo viene misurato allo stesso modo degli utenti standard.
Come faccio a impedire l'addebito automatico per gli approfondimenti sui dati?
Per evitare addebiti, verifica le scansioni in corso e interrompi l'attivazione di nuove scansioni. Gli amministratori possono anche disattivare la funzionalità di approfondimenti sui dati disattivando l'API Dataplex nel progetto corrispondente.
Come faccio a sapere l'importo che mi verrà addebitato per gli approfondimenti sui dati?
Google Cloud fornisce la misurazione dei token di dati. Questa misurazione consente agli amministratori e ai proprietari degli agenti di monitorare il consumo di token. Questa funzionalità di misurazione è disponibile prima dell'inizio della fatturazione attiva a ottobre 2026.