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 sulla sua relazione con Data Catalog.
Che cos'è Knowledge Catalog?
Google Knowledge Catalog è una soluzione di governance intelligente per gli asset di dati e AI in Google Cloud. Fornisce un inventario centralizzato in cui puoi scoprire, gestire e governare i tuoi dati in origini dati Google Cloud come BigQuery, Cloud Storage, Pub/Sub e Spanner.
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 gestito, 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's. Nel corso del tempo, si è evoluto in Dataplex Universal Catalog e ora è stato rinominato e trasformato in Knowledge Catalog.
Sebbene il termine "Data Catalog" sia ancora utilizzato per descrivere questo tipo di indicizzazione dei dati, nel contesto di Google Cloud, si 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 dorate" SQL per basare gli agenti 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.
Individuazione dei dati: Knowledge Catalog può importare automaticamente i metadati da un insieme più ampio di Google Cloud servizi e origini dati esterne.
Governance su larga scala: offre funzionalità avanzate per la profilazione dei dati, la qualità dei dati automatica 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 a cercare, comprendere e considerare attendibili i dati prima di poterli utilizzare. I suoi utilizzi principali includono i seguenti:
Individuazione dei dati accelerata: 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 tasso di abbandono dei clienti") per trovare istantaneamente gli asset tra le Google Cloud risorse, il che aumenta la produttività per i consumatori di dati.
Basare gli agenti AI: funge da "fonte attendibile" per l'AI generativa o l'ADK. Collegando i dati fisici alle definizioni aziendali, 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 (derivazione) e ne monitora l'accuratezza (qualità automatica dei dati). Queste funzionalità contribuiscono a migliorare l'affidabilità, la sicurezza e la conformità dei dati con meno sforzo manuale.
Individuazione di "dati oscuri": può eseguire la scansione di file non strutturati (ad esempio, PDF o immagini in Cloud Storage), estrarre le informazioni al loro interno e renderle ricercabili ed eseguibili con query in BigQuery, il che ti aiuta a sbloccare gli insight da dati in precedenza inaccessibili.
Per iniziare a utilizzare questi scenari, consulta i casi d'uso di Knowledge Catalog.
Quali tipi di metadati archivia Knowledge Catalog?
Knowledge Catalog archivia tre tipi di metadati:
Metadati tecnici: schemi, nomi di tabelle e proprietà di sistema raccolti automaticamente.
Metadati aziendali: contesto definito dall'utente, ad esempio descrizioni aziendali, termini del glossario e proprietà.
Metadati di runtime: informazioni sulla derivazione dei dati, punteggi di qualità dei dati e statistiche di profilazione dei dati.
Migrazione da Data Catalog
Consulta le domande frequenti sulle tempistiche di transizione, sui dettagli dell'impatto e sulle indicazioni per spostare i workflow 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 e non richiede lo spostamento manuale dei dati. A seconda dell'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 di Data Catalog esistenti 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. Dovresti coordinare questo passaggio con l'aggiornamento di eventuali carichi di lavoro programmatici (API, librerie client o moduli Terraform) in modo che puntino ai nuovi endpoint di Knowledge Catalog.
Se non hai metadati personalizzati o se non hai mai utilizzato la piattaforma, puoi completare la transizione impostando Knowledge Catalog come esperienza UI predefinita nella Google Cloud console.
Per saperne di più, consulta Transizione da Data Catalog a Knowledge Catalog.
Fatturazione degli insight sui dati
Consulta le domande frequenti sulla fatturazione basata sui token, sulla misurazione dell'utilizzo e sui controlli amministrativi per la funzionalità di insight sui dati in Knowledge Catalog.
Quando inizierò a ricevere addebiti per l'utilizzo degli insight sui dati?
La fatturazione attiva per gli insight sui dati inizia il 27 ottobre 2026.
Come viene fatturato l'utilizzo degli insight sui dati?
L'utilizzo viene misurato in token di dati. I token di dati rappresentano le unità di base di testo e 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 saperne di più, consulta i prezzi di Data Cloud Agent.
Gli account di servizio ricevono una quota senza costi per gli insight sui dati?
No. Gli account di servizio 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 insight 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 insight sui dati disabilitando l'API Dataplex nel progetto interessato.
Come faccio a scoprire l'importo che mi verrà addebitato per gli insight 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.