Cloud Run Functions-Steuerelemente für generative KI-Anwendungsfälle

Dieses Dokument enthält die Best Practices und Richtlinien für Cloud Run Functions beim Ausführen von generativen KI-Arbeitslasten auf Google Cloud. Cloud Run-Funktionen mit Vertex AI verwenden, um Aufgaben zu automatisieren, Vorhersagen zu treffen, Trainingsjobs auszulösen, in andere Dienste zu integrieren und ereignisgesteuerte ML-Pipelines zu erstellen.

Hier sind einige Anwendungsfälle für Cloud Run Functions mit Vertex AI:

  • Daten vor- und nachverarbeiten: Cloud Run-Funktionen können Daten vorverarbeiten, bevor sie zum Training oder für Vorhersagen an Ihr Vertex AI-Modell gesendet werden. Eine Funktion kann beispielsweise Daten bereinigen und normalisieren oder Merkmale daraus extrahieren. Ebenso können Cloud Run Functions die Ausgabe Ihres Vertex AI-Modells nachbearbeiten. Eine Funktion kann beispielsweise die Ausgabedaten formatieren oder zur weiteren Analyse an einen anderen Dienst senden.
  • Automatische Trigger für Vertex AI-Trainingsjobs: Um das Training von Vertex AI-Modellen zu automatisieren, können Sie Cloud Run-Funktionen mit Ereignissen aus verschiedenen Google Cloud Diensten wie Cloud Storage, Pub/Sub und Cloud Scheduler auslösen. Sie können beispielsweise eine Funktion erstellen, die ausgelöst wird, wenn eine neue Datei in Cloud Storage hochgeladen wird. Mit dieser Funktion kann ein Vertex AI-Trainingsjob gestartet werden, um Ihr Modell mit den neuen Daten zu trainieren.
  • Vorhersagen bereitstellen: Cloud Run Functions können Vorhersagen aus Ihren Vertex AI-Modellen bereitstellen. So können Sie einen API-Endpunkt für Ihr Modell erstellen, ohne eine Infrastruktur verwalten zu müssen. Sie können beispielsweise eine Funktion schreiben, die ein Bild als Eingabe akzeptiert und eine Vorhersage aus Ihrem Vertex AI-Bildklassifizierungsmodell ausgibt. Anschließend können Sie diese Funktion als HTTP-API-Endpunkt bereitstellen.
  • Ereignisgesteuerte ML-Workflows: Sie können Cloud Run-Funktionen verwenden, um ereignisgesteuerte ML-Workflows zu erstellen. Eine Funktion kann beispielsweise einen Vertex AI-Vorhersagejob auslösen, wenn einem Pub/Sub-Thema ein neuer Datensatz hinzugefügt wird. Mit dieser Funktion können Sie Daten in Echtzeit verarbeiten und auf Grundlage der Modellvorhersagen Maßnahmen ergreifen.
  • Integration mit anderen Diensten: Sie können Cloud Run-Funktionen in andere Google Cloud -Dienste wie Cloud Storage, BigQuery und Cloud Firestore einbinden. Durch die Integration können Sie komplexe ML-Pipelines erstellen, die verschiedene Dienste miteinander verbinden.
  • Kostenskalierung: Mit Cloud Run Functions zahlen Sie nur für die Ressourcen, die Ihre Funktion während der Ausführung verwendet. Außerdem werden Cloud Run-Funktionen automatisch skaliert, um den Bedarf zu decken, sodass Sie bei Spitzenzeiten über die entsprechenden Ressourcen verfügen.

Erforderliche Steuerelemente für Cloud Run-Funktionen

Die folgenden Kontrollen werden dringend empfohlen, wenn Sie Cloud Run-Funktionen verwenden.

VPC-Connector für Cloud Run Functions erforderlich

Google-Einstellungs-ID CF-CO-4.4
Kategorie Erforderlich
Beschreibung

Die boolesche Einschränkung cloudfunctions.requireVPCConnector erfordert, dass Administratoren einen Connector für Serverloser VPC-Zugriff angeben, wenn sie eine Cloud Run-Funktion bereitstellen. Wenn die Einschränkung erzwungen wird, muss für Funktionen ein Connector angegeben werden.
Entsprechende Produkte
  • Organisationsrichtliniendienst
  • Cloud Run-Funktionen
Pfad constraints/cloudfunctions.requireVPCConnector
Operator =
Wert
  • True
Typ Boolesch
Zugehörige NIST-800-53-Kontrollen
  • SC-7
  • SC-8
Zugehörige CRI-Profil-Einstellungen
  • PR.AC-5.1
  • PR.AC-5.2
  • PR.DS-2.1
  • PR.DS-2.2
  • PR.DS-5.1
  • PR.PT-4.1
  • DE.CM-1.1
  • DE.CM-1.2
  • DE.CM-1.3
  • DE.CM-1.4
Weitere Informationen

Nächste Schritte