マネージド取り込みパイプラインは、データストアから Agent Retrieval にドキュメントをインポートし、テキストクエリで検索できるデータ オブジェクトとコレクションに変換します。また、解析、セグメンテーション、エンベディング、インデックス登録を自動的に処理します。
サポートされるドキュメント形式
次の表に、サポートされているドキュメント ファイル形式とファイル拡張子を示します。
| ドキュメントの種類 | ファイル拡張子 |
|---|---|
.pdf |
|
| 書式なしテキスト | .txt |
| Microsoft Word | .docx |
| Microsoft Excel | .xlsx |
| Microsoft マクロ対応 Excel | .xlsm(スクリプトとマクロは無視されます) |
| Microsoft PowerPoint | .pptx |
前提条件
始める前に、次のものが必要になります。
Google Cloud プロジェクト。 Google Cloud プロジェクトの作成方法については、プロジェクトと開発環境を設定するをご覧ください。
バケットのプロジェクトでサービス エージェント
service-PROJECT_NUMBER@gcp-sa-vectorsearch.iam.gserviceaccount.comに付与されたroles/vectorsearch.serviceAgent権限。
例
このページの例は、次のサンプル ファイルを基に作成されています。
curl
PROJECT=acme-prod
LOCATION=us-east4
BASE=https://vectorsearch.googleapis.com/v1alpha
INGEST=${BASE}/projects/${PROJECT}/locations/${LOCATION}
AUTH="Authorization: Bearer $(gcloud auth print-access-token)"
Python
import time
import google.auth
from google.auth.transport.requests import AuthorizedSession
PROJECT = "acme-prod" # Replace with your project ID
LOCATION = "us-east4" # Replace with your region
credentials, _ = google.auth.default(
scopes=["https://www.googleapis.com/auth/cloud-platform"]
)
session = AuthorizedSession(credentials)
BASE = "https://vectorsearch.googleapis.com/v1alpha"
INGEST = BASE + "/projects/" + PROJECT + "/locations/" + LOCATION
def wait(operation, poll_seconds=10):
"""Poll a long-running operation until it finishes, then return it."""
name = operation["name"]
while True:
op = session.get(BASE + "/" + name).json()
if op.get("done"):
if "error" in op:
raise RuntimeError(op["error"])
return op
meta = op.get("metadata", {})
print("in progress:", meta)
time.sleep(poll_seconds)
マネージド取り込みパイプライン
マネージド取り込みパイプラインは、データストアから Agent Retrieval にドキュメントをインポートし、データ オブジェクトとコレクションの設定のほとんどを自動的に行います。
必要な手順は次のとおりです。
1. ファイルをステージングする
バケットを作成し、検索するファイルを追加します。マニフェストを作成する必要はありません。
ドキュメントのマネージド取り込み:
200 MB を超えるドキュメントをスキップします。
Microsoft Macro-enabled Excel(
.xlsm)ドキュメントのマクロとスクリプトを無視します。一度にインポートできるドキュメントは 100,000 個のみです。
ファイルのメタデータを定義する JSONL をステージングすることもできます。詳細については、ファイルのメタデータを追加するをご覧ください。
2. データストアを作成する
検索するファイルをステージングしたら、データストアを作成する必要があります。データストアは、マネージド取り込みパイプラインのソースと、ファイルの取り込み方法を指定する構成を提供します。
マネージド取り込みは、us-east4 リージョンまたは europe-west4 リージョンにあるデータストアでのみ使用できます。
データストアを作成するには、dataStores API に POST リクエストを送信し、次のパラメータを指定します。
data_store_id: 作成するデータストアの ID。先頭は英小文字、末尾は英小文字または数字にする必要があります。使用できるのは、英小文字、数字、ハイフンのみです。長さは 1 ~ 63 文字にする必要があります。
JSON ペイロードには、マネージド取り込みがデータストアを作成し、ステージングしたドキュメントを処理するために使用する JSON 構成設定が含まれています。
JSON ペイロードには、最上位プロパティ document_type を含める必要があります。これにより、データストアからインポートするファイルのタイプを指定します。指定できる値は次のとおりです。
UNSTRUCTURED: データストアにドキュメントが含まれています。サポートされている形式の一覧については、サポートされているドキュメント形式をご覧ください。VIDEO: データストアに動画が含まれている。
次のプロパティは省略可能です。
display_name:(STRING) データストアの表示名。最大サイズは 1,024 バイトです。デフォルトは空文字列です。description:(STRING)データストアの説明。最大サイズは 1,024 バイトです。デフォルトは空文字列です。labels:(STRING配列) Key-Value ペアの配列。詳細については、ラベルを使用してリソースを整理するをご覧ください。デフォルトは空の配列です。processing_config:(OBJECT): マネージド取り込みでデータストア内のデータを処理する方法の構成。これは、PATCHリクエストで更新できます。省略した場合のデフォルト設定については、ドキュメント データストアのオプション設定をご覧ください。document_metadata_schema:(OBJECT): データストア内のドキュメントに関連付けられたメタデータのメタデータ スキーマ。詳細については、メタデータ スキーマを追加するをご覧ください。デフォルト値は空のオブジェクトです(メタデータ スキーマなし)。
ドキュメント ファイルのオプション設定
ドキュメント データストアでは、次のオプション設定を使用できます。
processing_config.unstructured_processing_config.segmentation_config:(OBJECT)ドキュメントをセグメント化する方法の取り込み構成(検索はドキュメントごとではなく、セグメントごとに行われます)。詳細については、ドキュメントのセグメンテーションをご覧ください。空のオブジェクトを指定すると、リクエストは拒否され、ステータスINVALID_ARGUMENTが返されます。指定する場合は、次のいずれか 1 つを含める必要があります。page_segmentation_config: (OBJECT) このオブジェクトにはプロパティがありません。chunk_segmentation_config: (OBJECT) 次のプロパティがあります。chunk_size:(INTEGER)セグメント内のトークンの最大数。最小値は 300、最大値は 500 です。デフォルト値は 500 です。include_ancestor_headings: (BOOL) コンテキストのために、各チャンクにセクション見出しのチェーンを付加します。デフォルト値はfalseです。
processing_config.unstructured_processing_config.parsing_config:(OBJECT)ドキュメントの解析方法に関する取り込み構成。詳細については、ドキュメントの解析をご覧ください。空のオブジェクトを指定すると、リクエストは拒否され、ステータスINVALID_ARGUMENTが返されます。指定する場合は、次のいずれか 1 つを含める必要があります。layout_parsing_config: (OBJECT) レイアウト解析が使用されます。このオブジェクトにはプロパティがありません。digital_parsing_config: (OBJECT) デジタル解析が使用されます。このオブジェクトにはプロパティがありません。
processing_config.unstructured_processing_config.embedding_config.mode:(STRING)使用するエンベディング モード。次のいずれかになります。TEXT: 抽出されたテキストのみが埋め込まれます。画像は無視されます。デフォルト値はTEXTです。
データストアにメタデータを追加することもできます。詳細については、ファイルのメタデータを追加するをご覧ください。
例
次の例は、ドキュメント データストアを作成する方法を示しています。
curl
curl -X POST -H "${AUTH}" -H "Content-Type: application/json" \
"${INGEST}/dataStores?data_store_id=acme-financials" \
-d '{
"display_name": "Acme financial reports",
"document_type": "UNSTRUCTURED",
"processing_config": {
"unstructured_processing_config": {
"segmentation_config": {
"chunk_segmentation_config": {
"chunk_size": 300,
"include_ancestor_headings": true
}
},
"parsing_config": {
"layout_parsing_config": {}
}
}
}
}'
Python
op = session.post(
INGEST + "/dataStores",
params={"data_store_id": "acme-financials"},
json={
"display_name": "Acme financial reports",
"document_type": "UNSTRUCTURED",
"processing_config": {
"unstructured_processing_config": {
"segmentation_config": {
"chunk_segmentation_config": {
"chunk_size": 300,
"include_ancestor_headings": True,
}
},
"parsing_config": {"layout_parsing_config": {}},
}
},
},
).json()
wait(op)
レスポンスの例
"name": "projects/acme-prod/locations/us-east4/dataStores/acme-financials",
"documentType": "UNSTRUCTURED",
"state": "ACTIVE",
"collectionName": "projects/acme-prod/locations/us-east4/collections/google-acme-financials"
}
ファイルにメタデータを追加する
マネージド取り込みでインポートするファイルのメタデータ プロパティを定義できます。これらのプロパティは、パイプラインによって作成された対応するデータ オブジェクトから取得でき、検索結果のフィルタリングに役立ちます。
メタデータを定義するには:
JSONL ファイルを作成します。拡張子は
jsonまたはjsonlにする必要があります。インポートするファイルごとに新しい行に JSON オブジェクトを追加し、次のプロパティを含めます。
name: データストア内のファイルの名前。名前の最後のセグメントは、ファイル用に作成されたデータ オブジェクトの ID として使用されます。content.gcsUri: Cloud Storage 内のドキュメントの URI。metadata.value: ドキュメントのメタデータ。メタデータ プロパティは、データストアの作成時に指定するスキーマで定義されます。詳細については、メタデータ スキーマを追加するをご覧ください。
次の例は、category、year、tags、issuer のメタデータ プロパティを含むメタデータ JSONL を示しています。
{"name":"projects/acme-prod/locations/us-east4/dataStores/acme-financials/documents/q3-earnings","content":{"gcsUri":"gs://acme-docs/reports/2025-q3-earnings.pdf"},"metadata":{"value":{"category":"earnings","year":2025,"tags":["revenue"],"issuer":{"country":"US"}}}}
{"name":"projects/acme-prod/locations/us-east4/dataStores/acme-financials/documents/covenants","content":{"gcsUri":"gs://acme-docs/reports/covenant-summary.docx"},"metadata":{"value":{"category":"covenant","year":2024,"tags":["credit","debt"]}}}
プロパティは、データストアの作成時に指定したスキーマと一致する必要があります。
作成した JSONL ファイルは、ファイルをインポートするときに入力 URI として使用します。
メタデータ スキーマを追加する
メタデータ スキーマは、データストアの JSON 構成の最上位の document_metadata_schema プロパティで指定できます。これにより、ドキュメントに関連付けることができるメタデータの契約が定義されます。このメタデータは、ドキュメントごとに取得したり、検索結果のフィルタに使用したりできます。
メタデータ プロパティは、データストアの作成時に指定したスキーマと一致する必要があります。このスキーマは JSON スキーマ ドラフト 7 に準拠しています。次のデータ型がサポートされています。
stringnumberintegerbooleanobject(プロパティを含む)array
プロパティ名に使用できるのは、英字、数字、アンダースコア(_)、ハイフン(-)のみです。google(大文字と小文字を区別しない)で始めることはできません。この接頭辞は、サービスが書き込むフィールド用に予約されています。
プロパティは、後で PATCH リクエストを使用して追加できます。スキーマ内のプロパティを削除したり、データ型を変更したりすることはできません。詳細については、処理構成を更新するをご覧ください。
次の例では、category、year、tags、issuer のメタデータ プロパティを含むメタデータ スキーマを定義しています。
"document_metadata_schema": {
"schema": {
"type": "object",
"properties": {
"category": {"type": "string"},
"year": {"type": "integer"},
"tags": {"type": "array", "items": {"type": "string"}},
"issuer": {"type": "object", "properties": {"country": {"type": "string"}}}
}
}
}
処理構成を更新する
データストアを作成したら、PATCH リクエストを使用して処理構成(processing_config)を更新できます。
更新できるプロパティは次のとおりです。
display_namedescriptionlabelsdocument_metadata_schema(追加のプロパティのみを追加可能)
更新するプロパティは、update_mask クエリ パラメータに含める必要があります。
次の例は、処理構成の display_name プロパティと document_metadata_schema プロパティを更新する方法を示しています。
curl
curl -X PATCH -H "${AUTH}" -H "Content-Type: application/json" \
"${INGEST}/dataStores/acme-financials?update_mask=display_name,document_metadata_schema" \
-d '{"display_name": "Acme reports",
"document_metadata_schema": {"schema": {"type": "object", "properties": {
"category": {"type": "string"}, "year": {"type": "integer"},
"region": {"type": "string"}}}}}'
ドキュメントのセグメンテーション
データストアを作成するときに、マネージド取り込みパイプラインがドキュメントをセグメント化する方法を指定できます。
ページ セグメンテーション(
processing_config.segmentation_config.page_segmentation_config): マネージド取り込みは、ドキュメントをページごとにセグメント化しようとします。チャンク セグメンテーション(
processing_config.segmentation_config.chunk_segmentation_config): マネージド取り込みでは、ドキュメントが個別のチャンクに分割されます。
指定しない場合、デフォルトはチャンク セグメンテーションです。両方を指定すると、リクエストは失敗します。
ページ セグメンテーション
ページ セグメンテーション(processing_config.segmentation_config.page_segmentation_config)を指定すると、マネージド取り込みパイプラインに、ページまたはページ範囲ごとにドキュメントをセグメント化するよう指示されます。ドキュメントにページ情報(テキスト ファイルなど)が含まれていない場合、最大 2.5 MB のページに分割されます。
ページ セグメンテーションは、各検索結果とともに PDF や Word ドキュメントを返すアプリケーションなど、ドキュメント検索用に最適化されています。詳細については、RAG 用にドキュメントをチャンクするをご覧ください。
チャンクのセグメンテーション
チャンク セグメンテーション(processing_config.segmentation_config.chunk_segmentation_config)を指定すると、マネージド取り込みパイプラインはドキュメントを最大 processing_config.segmentation_config.chunk_segmentation_config.chunk_size トークンのチャンクに分割します。デフォルトでは、チャンクサイズは 500 トークン(最大チャンクサイズ)です。チャンクサイズの最小値は 300 です。
大きなチャンク:
- より多くのコンテキストを保持する。
- セグメントの数を減らす。
- クエリに一致しないトピックが複数含まれる可能性があり、関連する情報が埋もれてしまう可能性があります。
小さなチャンク:
- より短いテキストを保持する。
- クエリに一致する情報のみが含まれる可能性が高くなります。
- コンテキストが少なくなり、関連する情報が複数のセグメントに分割される可能性があります。
ほとんどの長文形式のコンテンツでは、500 トークンのチャンクサイズが適しています。チャンクサイズが小さいほど、短い事実に基づくコンテンツや、コンパクトで正確なテキストのパッセージを取得するのに適しています。
入力 URI
gcs_source.input_uris JSON プロパティは、マネージド取り込みリクエストの入力を指定する文字列配列です。たとえば、データストアからインポートするファイルや、エージェント型検索から完全に削除するファイルなどです。
gcs_source.source_format が指定されていないか、SOURCE_FORMAT_UNSPECIFIED(デフォルト)に設定されている場合、入力 URI は次のようになります。
- 1 つ以上の特定の URI。
- 1 つ以上のワイルドカード パターン。
- 1 つ以上のテキスト ファイル。
- ドキュメント ID は 1 行に 1 つずつ定義します。空の行は無視され、各行から空白が削除されます。
gcs_source.source_format が SOURCE_FORMAT_DOCUMENT_JSON に設定されている場合、入力 URI は JSONL 形式で定義されます。詳細については、ドキュメントにメタデータを追加するをご覧ください。
ワイルドカード
| パターン | 一致する |
|---|---|
gs://acme/files/hello_world.xyz |
指定されたファイル。 |
gs://acme/files/* |
gs://acme/files/ で指定された document_type に直接一致するすべてのファイル。 |
gs://acme/files/*.xyz |
拡張子が .xyz のすべてのファイル。 |
ワイルドカードは再帰的ではありません。たとえば、gs://acme/files/* を指定すると、gs://acme/files/2025/ のファイルはインポートされません。ワイルドカード ** は * と同じように解釈されます。この問題を回避するには、階層をフラットにするか、レベルごとに 1 つのパターンを渡します。
パターンが一致しない場合、リクエストは失敗します。たとえば、4 つの URI を渡し、そのうちの 1 つに入力ミスがある場合、インポートは他の 3 つの URI で続行されません。インポート リクエストを行う前に、各 URI が正しいことを確認してください。
3. ファイルをインポートする
パイプラインの次のステージでは、取り込むデータストア内のファイルの URI を指定して importDocuments を呼び出します。
次の例は、ドキュメントをインポートする方法を示しています。
curl
curl -X POST -H "${AUTH}" -H "Content-Type: application/json" \
"${INGEST}/dataStores/acme-financials:importDocuments" \
-d '{
"gcs_source": {
"input_uris": ["gs://acme-docs/reports/*"]
},
"import_output_config": {
"error_gcs_prefix": "gs://acme-docs/import-errors/"
}
}'
Python
op = session.post(
INGEST + "/dataStores/acme-financials:importDocuments",
json={
"gcs_source": {"input_uris": ["gs://acme-docs/reports/*"]},
"import_output_config": {
"error_gcs_prefix": "gs://acme-docs/import-errors/"
},
},
).json()
result = wait(op)
print(result["metadata"]["successCount"], "imported")
# failureCount is not set on import metadata; check error files instead.
必要に応じて、メタデータとともにインポートできます。詳細については、ドキュメントにメタデータを追加するをご覧ください。
次の例は、メタデータ JSONL ファイルをインポートする方法を示しています。
curl
gcloud storage cp docs.jsonl gs://acme-docs/manifests/docs.jsonl
curl -X POST -H "${AUTH}" -H "Content-Type: application/json" \
"${INGEST}/dataStores/acme-financials:importDocuments" \
-d '{
"gcs_source": {
"input_uris": ["gs://acme-docs/manifests/docs.jsonl"],
"source_format": "SOURCE_FORMAT_DOCUMENT_JSON"
},
"import_output_config": {
"error_gcs_prefix": "gs://acme-docs/import-errors-json/"
}
}'
Python
op = session.post(
INGEST + "/dataStores/acme-financials:importDocuments",
json={
"gcs_source": {
"input_uris": ["gs://acme-docs/manifests/docs.jsonl"],
"source_format": "SOURCE_FORMAT_DOCUMENT_JSON",
},
"import_output_config": {
"error_gcs_prefix": "gs://acme-docs/import-errors-json/"
},
},
).json()
result = wait(op)
コレクションのマネージド取り込みでは、
データストアを作成すると、マネージド取り込みによって、公開されている Agent Retrieval API を使用して Agent Retrieval にコレクションが作成されます。このコレクションは、他の Agent Retrieval コレクションと同様に使用できます。インポート オペレーションが完了するまで、コレクションは空です。
コレクションをクエリする方法については、ドキュメントを検索するをご覧ください。
次の例は、データストアからコレクション名を取得する方法を示しています。
curl
curl -H "${AUTH}" "${INGEST}/dataStores/acme-financials"
Python
data_store = session.get(INGEST + "/dataStores/acme-financials").json()
collection_name = data_store["collectionName"]
print(collection_name)
インポートの進行状況の追跡
インポート ジョブの進行状況を追跡するには、バケットのステータスを確認するのではなく、オペレーションをポーリングします。レスポンスの successCount フィールドには、正常にインポートされたファイルの数が示されます。
エラーを修正して、別のインポート リクエストを作成して、もう一度お試しください。詳細については、インポート オペレーションの再実行をご覧ください。
次の例は、オペレーションをポーリングする方法を示しています。
curl
curl -H "${AUTH}" "${BASE}/{OPERATION_NAME}"
Python
# To check once, without blocking, using the op returned by the import call:
status = session.get(BASE + "/" + op["name"]).json()
print(status.get("done"), status.get("metadata", {}))
次の例は、インポート オペレーションが完了した後にインポートされたファイルのリストを取得する方法を示しています。
curl
curl -H "${AUTH}" "${INGEST}/dataStores/acme-financials/documents"
Python
docs = session.get(INGEST + "/dataStores/acme-financials/documents").json()
print(len(docs.get("documents", [])))
インポート オペレーションを再実行する
同じバケットで追加のインポート オペレーションを実行すると、変更または追加されたファイルのみが処理されます。すでにインポートされ、変更されていないファイルはスキップされます。
ドキュメントを検索する
コレクション マネージド取り込みによって作成されるのは、通常のエージェント型検索コレクションと同じです。クエリを実行して結果をフィルタしたり、再ランキング、インデックス登録などを行うことができます。
例
次の例は、データストアからインポートされたファイルの内容を検索する方法を示しています。
curl
COLLECTION=projects/${PROJECT}/locations/${LOCATION}/collections/google-acme-financials
curl -X POST -H "${AUTH}" -H "Content-Type: application/json" \
"https://vectorsearch.googleapis.com/v1/${COLLECTION}/dataObjects:search" \
-d '{
"semantic_search": {
"search_text": "what is the total revenue?",
"search_field": "multimodal_embedding",
"task_type": "RETRIEVAL_QUERY",
"top_k": 10,
"output_fields": {
"data_fields": ["google_document_id", "google_customer_uri", "google_unstructured_details.content_snippet"]
}
}
}'
Python
from google.cloud import vectorsearch_v1
# Create the client
search_client = vectorsearch_v1.DataObjectSearchServiceClient()
# Initialize request argument(s)
semantic_search = vectorsearch_v1.SemanticSearch(
search_text="what is the total revenue?",
search_field="multimodal_embedding",
task_type=vectorsearch_v1.EmbeddingTaskType.RETRIEVAL_QUERY,
top_k=10,
output_fields=vectorsearch_v1.OutputFields(
data_fields=["google_document_id", "google_customer_uri", "google_unstructured_details.content_snippet"],
),
)
request = vectorsearch_v1.SearchDataObjectsRequest(
parent="projects/PROJECT_ID/locations/LOCATION/collections/COLLECTION_ID",
semantic_search=semantic_search,
)
# Make the request
response = search_client.search_data_objects(request=request)
# Handle the response
for hit in response.results:
data = dict(hit.data_object.data)
print(hit.distance, data["google_customer_uri"][0])
print(data["google_unstructured_details"]["content_snippet"][:200])
検索結果
各検索結果には次のプロパティが含まれています。
| プロパティ | 型 | 説明 |
|---|---|---|
google_document_id |
文字列 | セグメントの取得元のドキュメント。 |
google_customer_uri |
文字列 | 引用用の元の gs:// URI。 |
google_modality |
文字列 | UNSTRUCTURED または VIDEO |
google_unstructured_details.content_snippet |
文字列 | セグメント テキスト。 |
google_unstructured_details.start_page/end_page |
integer | チャンクのページ範囲。ページ セグメンテーションでのみ入力されます。これにはデジタル解析が必要です。チャンク セグメンテーションの場合は空になります。 |
google_video_details.start_offset_nanos/end_offset_nanos |
integer | 動画セグメントの期間。 |
multimodal_embedding |
ベクトル、密、768 次元 | gemini-embedding-2 からのチャンク エンベディング。 |
metadata |
オブジェクト | ドキュメントから各セグメントにコピーされ、宣言どおりに接頭辞なしでネストされます(category や issuer.country など)。 |
start_page、end_page、start_offset_nanos、end_offset_nanos の各プロパティは、指定されたドキュメント タイプに関係なく常に返されます。
テキスト ドキュメントの場合、start_page と end_page は、データストアの作成時にページ セグメンテーションが指定されている場合にのみ入力されます。
metadata のプロパティは、インポート時に指定された JSON スキーマに対応しています。
ファイルを完全に削除する
データストアからファイルをパージするには、1 つ以上のテキスト ファイルを Cloud Storage にアップロードします。各行には、パージするファイルの ID が含まれます。テキスト ファイルの URI を purgeDocuments に渡します。
レスポンスには、パージされたファイルは示されません。ファイルがパージされたことを確認するには、GetDocument を呼び出します。レスポンスは 404 を返します。
最初にパージ オペレーションをテストするには、force を false に設定します。これにより、パージされるファイルが指定した error_gcs_prefix にロギングされます。
ファイルがパージされたら、パージされたファイルを含むデータストアを削除できます。
次の例は、ファイルをパージする方法を示しています。
curl
curl -X POST -H "${AUTH}" -H "Content-Type: application/json" \
"${INGEST}/dataStores/acme:purgeDocuments" \
-d '{
"gcs_source": {
"input_uris": ["gs://acme/purge/purge-ids.txt"]
},
"purge_output_config": {
"error_gcs_prefix": "gs://acme/purge-force-errors/"
},
"force": true
}'
Python
op = session.post(
INGEST + "/dataStores/acme:purgeDocuments",
json={
"gcs_source": {
"input_uris": ["gs://acme/purge/purge-ids.txt"],
},
"purge_output_config": {
"error_gcs_prefix": "gs://acme/purge-force-errors/",
},
"force": True,
},
).json()
result = wait(op)
データストアを削除する
データストア URI を含む DELETE リクエストを送信して、データストアを削除します。force が true に設定されていて、データストアにファイルが残っている場合、リクエストはステータス FAILED_PRECONDITION とメッセージ DataStore deletion is not allowed because it still contains documents. Set force=true to delete the DataStore and all its Documents. で失敗します。
backing_collection_deleted を true に設定すると、データストアのインポート後に作成されたコレクションとデータ オブジェクトが削除されます。これを行わないと、コレクションとデータ オブジェクトが残って割り当てが引き続き使用され、同じ ID で新しいデータストアを作成するリクエストは FAILED_PRECONDITION (BACKING_COLLECTION_ALREADY_EXISTS) というメッセージで失敗します。
削除リクエストの実行中に get リクエストを実行すると、ステータス DELETING が返され、完了後に 404 エラーが返されます。
次の例は、データストアを削除する方法を示しています。
curl
curl -X DELETE -H "${AUTH}" \
"${INGEST}/dataStores/acme-financials?force=true&backing_collection_deleted=true"
Python
op = session.delete(
INGEST + "/dataStores/acme-financials",
params={"force": "true", "backing_collection_deleted": "true"},
).json()
result = wait(op)