Este documento responde a perguntas frequentes sobre o Google Cloud Knowledge Catalog (antigo Dataplex Universal Catalog).
Para mais informações sobre o Knowledge Catalog, consulte Visão geral do Knowledge Catalog.
Conceitos gerais
Confira as perguntas frequentes sobre os recursos do Knowledge Catalog e a relação dele com o Data Catalog.
O que é o Knowledge Catalog?
O Google Knowledge Catalog é uma solução de governança inteligente para recursos de dados e IA em Google Cloud. Ele oferece um inventário centralizado em que é possível descobrir, gerenciar e governar seus dados em várias Google Cloud origens de dados, como BigQuery, Cloud Storage, Pub/Sub e Spanner.
O Knowledge Catalog usa a IA para automatizar a descoberta de dados, o enriquecimento de metadados e a qualidade de dados. Com um catálogo de dados governado, o Knowledge Catalog oferece a base essencial para que os agentes de IA gerem conteúdo de alta qualidade.
O que é o Data Catalog?
Data Catalog era o nome original do serviço de metadados do Google Cloud. Com o tempo, ele evoluiu para o Dataplex Universal Catalog e agora foi renomeado e evoluiu para o Knowledge Catalog.
Embora o termo "Data Catalog" ainda seja usado para descrever esse tipo de indexação de dados, no contexto do Google Cloud, ele se refere ao nosso produto legado. Use o Knowledge Catalog em todos os novos projetos para aproveitar os recursos com tecnologia de IA e a governança aprimorada.
O Knowledge Catalog é diferente do Data Catalog?
Sim, o Knowledge Catalog é a plataforma de governança de dados com tecnologia de IA que vai substituir o Data Catalog. Embora compartilhem conceitos semelhantes, o Knowledge Catalog oferece vários aprimoramentos:
Contexto com tecnologia de IA:ao contrário do Data Catalog, o Knowledge Catalog usa o Gemini para extrair automaticamente o contexto de negócios, gerar descrições em linguagem natural e fornecer "consultas de ouro" em SQL para fundamentar os agentes de IA.
Suporte a metadados avançados:o Knowledge Catalog é compatível com tipos de metadados mais complexos, como matrizes, mapas e registros aninhados.
Acesso por agentes:os agentes de IA podem descobrir e usar de forma adaptativa as ferramentas do Catálogo de dados de conhecimento por um servidor MCP local ou remoto.
Descoberta de dados:o Knowledge Catalog pode ingerir automaticamente metadados de um conjunto maior de Google Cloud serviços e fontes de dados externas.
Governança em escala:oferece recursos aprimorados para criação de perfis de dados, qualidade de dados automática e governança centralizada.
Para que o Knowledge Catalog é usado?
O Google Knowledge Catalog resolve o problema da "inicialização a frio de dados", ou seja, o tempo perdido tentando encontrar, entender e confiar nos dados antes de poder usá-los. Os principais usos incluem:
Descoberta acelerada de dados: em vez de navegar por silos organizacionais complexos para localizar dados, use a pesquisa com linguagem natural (por exemplo, "Mostre os dados mais recentes de rotatividade de clientes") para encontrar recursos emGoogle Cloud recursos instantaneamente, o que aumenta a produtividade dos consumidores de dados.
Fundamentação de agentes de IA: atua como a "fonte de verdade" para a IA generativa ou o ADK. Ao vincular dados físicos a definições de negócios, ela garante que os agentes de IA (como os criados na Vertex AI) usem dados de alta qualidade, o que reduz significativamente as alucinações de IA e melhora a confiança nos insights gerados por IA.
Governança de dados automatizada: ela verifica automaticamente seus dados para identificar informações sensíveis (ou seja, PII), rastreia a origem dos dados (linhagem) e monitora a qualidade de dados (qualidade automática dos dados). Esses recursos ajudam a melhorar a confiança, a segurança e a conformidade dos dados com menos esforço manual.
Descobrindo "dados ocultos": ele pode analisar arquivos não estruturados (por exemplo, PDFs ou imagens no Cloud Storage), extrair as informações e torná-las pesquisáveis e consultáveis no BigQuery, o que ajuda a gerar insights de dados antes inacessíveis.
Para começar a usar esses cenários, consulte Casos de uso do Knowledge Catalog.
Quais tipos de metadados o Knowledge Catalog armazena?
O Knowledge Catalog armazena três tipos de metadados:
Metadados técnicos: esquemas, nomes de tabelas e propriedades do sistema coletados automaticamente.
Metadados comerciais: contexto definido pelo usuário, como descrições comerciais, termos do glossário e propriedade.
Metadados de tempo de execução: informações sobre linhagem de dados, pontuações de qualidade de dados e estatísticas de criação de perfil de dados.
Migração do Data Catalog
Confira as perguntas frequentes sobre cronogramas de transição, detalhes do impacto e orientações para migrar fluxos de trabalho de metadados do Data Catalog para o Knowledge Catalog.
Como faço para migrar do Data Catalog?
A transição para o Knowledge Catalog foi projetada para ser perfeita, sem necessidade de movimentação manual de dados. Dependendo do seu uso atual, o processo envolve duas fases principais:
Fase preparatória: se você tiver metadados personalizados (por exemplo, tags, modelos de tags ou entradas personalizadas), esse conteúdo será transferido automaticamente para o Knowledge Catalog como somente leitura. Durante essa fase, você realiza tarefas de configuração para disponibilizar simultaneamente o conteúdo atual do Data Catalog na nova interface.
Fase de transferência: depois de preparado, você transfere o estado ativo dos seus metadados para torná-los de leitura e gravação no Knowledge Catalog. Coordene esta etapa com a atualização de todas as cargas de trabalho programáticas (APIs, bibliotecas de cliente ou módulos do Terraform) para apontar para os novos endpoints do Knowledge Catalog.
Se você não tiver metadados personalizados ou se for novo na plataforma, conclua a transição definindo o Knowledge Catalog como sua experiência padrão UI na console Google Cloud .
Para mais informações, consulte Transição do Data Catalog para o Knowledge Catalog.
Faturamento dos insights de dados
Confira as perguntas frequentes sobre faturamento baseado em tokens, medição de uso e controles administrativos do recurso de insights de dados no Knowledge Catalog.
Quando vou começar a receber cobranças pelo uso dos insights de dados?
O faturamento ativo dos insights de dados começa em 27 de outubro de 2026.
Como o uso de insights de dados é cobrado?
O uso é medido em tokens de dados. Os tokens de dados representam as unidades básicas de texto e metadados processados pelo modelo do Gemini. Esses tokens são divididos em duas categorias:
- Tokens de entrada:o contexto, as instruções e o histórico enviados ao modelo.
- Tokens de saída:as descrições, relações e consultas geradas em linguagem natural retornadas pelo modelo.
Para mais informações, consulte os preços do agente do Data Cloud.
As contas de serviço recebem uma cota sem custo financeiro para insights de dados?
Não. As contas de serviço não recebem uma cota sem custo financeiro por usuário. No entanto, o uso deles é medido da mesma forma que o dos usuários padrão.
Como posso evitar a cobrança automática por insights de dados?
Para evitar cobranças, verifique as verificações em andamento e pare de acionar novas verificações. Os administradores também podem desativar a capacidade de insights de dados desativando a API Dataplex no projeto respectivo.
Como posso saber quanto vou pagar pelos insights de dados?
OGoogle Cloud fornece medição para tokens de dados. Com essa medição, os administradores e proprietários de agentes podem monitorar o consumo de tokens. Essa capacidade de medição está disponível antes do início do faturamento ativo em outubro de 2026.
Monitoramento de custos e faturamento
Como monitorar e atribuir custos de DCU do Dataplex para qualidade de dados, criação de perfil de dados e linhagem de dados?
A computação do DataScan do Dataplex (qualidade de dados automática e criação de perfis de dados) e as unidades de computação de dados (DCUs) de linhagem de dados são executadas em computação sem servidor na infraestrutura gerenciada pelo Dataplex e não publicam métricas de série temporal em dataplex.googleapis.com/* no Cloud Monitoring.
Para monitorar, gerar alertas e atribuir custos de DCU do Dataplex em projetos e verificações, exporte seus dados do Cloud Billing para o BigQuery e consulte os rótulos do sistema anexados aos registros de faturamento do Dataplex:
- Para verificações de qualidade e criação de perfil de dados, use os rótulos
goog-dataplex-datascan-*, comogoog-dataplex-datascan-id,goog-dataplex-datascan-data-source-projectegoog-dataplex-datascan-data-source-bigquery-table. - Para o processamento de linhagem de dados, use o rótulo
goog-dataplex-workload-typecom o valorLINEAGE.
Para definições detalhadas de rótulos e exemplos de consultas SQL do BigQuery, consulte Monitorar e atribuir custos de DCU do Dataplex com a exportação do Cloud Billing.