表格工作流程的服務帳戶

本頁面說明下列 Tabular Workflows 的服務帳戶：

端對端 AutoML 表格工作流程的服務帳戶

這項工作流程會使用下列服務帳戶：

服務帳戶 說明 預設主體 預設名稱 可以覆寫
Gemini Enterprise Agent Platform Pipelines 的服務帳戶 執行管道的服務帳戶 PROJECT_NUMBER-compute@developer.gserviceaccount.com Compute Engine default service account 是
Dataflow worker 的服務帳戶 執行 Dataflow worker 的服務帳戶 PROJECT_NUMBER-compute@developer.gserviceaccount.com Compute Engine default service account 是
AI 平台服務代理 執行訓練容器的服務帳戶。 service-PROJECT_NUMBER@gcp-sa-aiplatform.iam.gserviceaccount.com AI Platform Service Agent 否

您可以將部分服務帳戶變更為自選帳戶。如需 Google Cloud 控制台或 API 的專屬操作說明，請參閱「使用端對端 AutoML 訓練模型」。

Gemini Enterprise Agent Platform Pipelines 的服務帳戶

在管道專案中，將下列角色授予 Gemini Enterprise Agent Platform Pipelines 的服務帳戶：

角色 權限
Agent Platform 使用者 aiplatform.metadataStores.get 可讓服務帳戶建立管道工作。aiplatform.models.upload 允許服務帳戶上傳模型。
Storage 物件管理員 Storage 物件管理員的 storage.objects.get 和 storage.objects.create 權限可讓服務帳戶存取管道工作根目錄的值區。即使您未使用 Cloud Storage 資料來源，服務帳戶也需要這些權限。
Dataflow 開發人員 dataflow.jobs.create 可讓服務帳戶在評估期間建立 Dataflow 工作。
服務帳戶使用者 iam.serviceAccounts.actAs 可讓 Agent Platform Pipelines 服務帳戶在評估期間，充當 Dataflow worker 服務帳戶。

Dataflow worker 的服務帳戶

在管道專案中，將下列角色授予 Dataflow worker 的服務帳戶：

角色 權限
Dataflow 工作者 這個角色可讓服務帳戶存取執行 Dataflow 工作所需的資源。
Storage 物件管理員 這個角色可讓服務帳戶存取 Cloud Storage bucket。即使您未使用 Cloud Storage 資料來源，服務帳戶也需要這些權限。這個角色包含 Storage 物件檢視者角色授予的所有權限。

此外，請根據資料來源類型，將下列角色授予 Dataflow worker 服務帳戶：

資料來源 角色 授予角色的位置
標準 BigQuery 資料表 BigQuery 資料編輯者 執行管道的專案
BigQuery 工作使用者 執行管道的專案
BigQuery 資料檢視者 資料表所屬的專案
標準 BigQuery 資料表的 BigQuery 檢視表 BigQuery 資料編輯者 執行管道的專案
BigQuery 工作使用者 執行管道的專案
BigQuery 資料檢視者 檢視表所屬的專案
BigQuery 資料檢視者 資料表所屬的專案
BigQuery 外部資料表，其來源為 Cloud Storage 檔案 BigQuery 資料編輯者 執行管道的專案
BigQuery 工作使用者 執行管道的專案
BigQuery 資料檢視者 外部資料表所屬的專案
Storage 物件檢視者 來源檔案所屬的專案
BigQuery 外部資料表的 BigQuery 檢視表，其來源為 Cloud Storage 檔案 BigQuery 資料編輯者 執行管道的專案
BigQuery 工作使用者 執行管道的專案
BigQuery 資料檢視者 檢視表所屬的專案
BigQuery 資料檢視者 外部資料表所屬的專案
Storage 物件檢視者 來源檔案所屬的專案
Cloud Storage 檔案 Storage 物件檢視者 檔案所屬的專案

下表說明這些角色：

角色 權限
BigQuery 資料編輯者 bigquery.jobs.get 和 bigquery.jobs.create 權限可讓服務帳戶使用 BigQuery 資料集。bigquery.jobs.create 可讓服務帳戶在產生統計資料和範例時，建立臨時 BigQuery 資料集。這個角色包含 BigQuery 資料檢視者角色授予的所有權限。
BigQuery 工作使用者 bigquery.jobs.create 允許服務帳戶使用 BigQuery 資料集。
BigQuery 資料檢視者 這個角色可讓服務帳戶存取 BigQuery 資料集。
Storage 物件檢視者 storage.objects.get 可讓服務帳戶存取 Cloud Storage 檔案。

AI 平台服務代理人

確認管道專案中的 AI 平台服務代理具備下列角色：

角色 權限
Vertex AI 服務代理 這個角色會授予服務代理權限。這些權限包括 storage.object.get 權限，以及 Artifact Registry 存放區中容器映像檔的存取權。

如果資料來源是其他專案的 BigQuery 資料集，請將下列角色授予資料集專案中的 AI 平台服務代理：

角色 權限
BigQuery 資料檢視者 bigquery.tables.get 可讓服務帳戶在啟動 Dataflow 工作前，取得 BigQuery 資料集的相關資訊。

如果資料來源是其他專案的 Cloud Storage 檔案，請將下列角色授予檔案專案中的 AI 平台服務代理：

Storage 物件檢視者 storage.objects.list 可讓服務帳戶在啟動 Dataflow 工作前，取得 Cloud Storage 檔案的資訊。

Tabular Workflow for Forecasting 的服務帳戶

這項工作流程會使用下列服務帳戶：

服務帳戶 說明 預設主體 預設名稱 可以覆寫
Gemini Enterprise Agent Platform Pipelines 的服務帳戶 執行管道的服務帳戶 PROJECT_NUMBER-compute@developer.gserviceaccount.com Compute Engine default service account 是
Dataflow worker 的服務帳戶 執行 Dataflow worker 的服務帳戶 PROJECT_NUMBER-compute@developer.gserviceaccount.com Compute Engine default service account 是
AI 平台服務代理 執行訓練容器的服務帳戶。 service-PROJECT_NUMBER@gcp-sa-aiplatform.iam.gserviceaccount.com AI Platform Service Agent 否

您可以將部分服務帳戶變更為自選帳戶。詳情請參閱「使用 Tabular Workflow for Forecasting 訓練模型」。

Gemini Enterprise Agent Platform Pipelines 的服務帳戶

在管道專案中，將下列角色授予 Gemini Enterprise Agent Platform Pipelines 的服務帳戶：

角色 權限
Agent Platform 使用者 aiplatform.metadataStores.get 可讓服務帳戶建立管道工作。aiplatform.models.upload 允許服務帳戶上傳模型。
BigQuery 資料編輯者 bigquery.tables.create 可讓服務帳戶在啟動 Dataflow 工作前，為特徵轉換引擎建立臨時資料表。即使資料來源不是 BigQuery 資料集，服務帳戶也需要這項權限。這個角色包含 BigQuery 資料檢視者角色授予的所有權限。
BigQuery 工作使用者 bigquery.jobs.create 可讓服務帳戶在啟動 Dataflow 工作前，為 Feature Transform Engine 執行 BigQuery 工作。即使資料來源不是 BigQuery 資料集，服務帳戶也需要這項權限。
服務帳戶使用者 iam.serviceAccounts.actAs 可讓 Agent Platform Pipelines 服務帳戶在評估期間，充當 Dataflow worker 服務帳戶。
Dataflow 開發人員 這個角色可授予執行 Dataflow 工作所需資源的存取權。

此外，請根據資料來源類型，將下列角色授予 Gemini Enterprise Agent Platform Pipelines 服務帳戶：

資料來源 角色 授予角色的位置
Cloud Storage 檔案 Storage 管理員 檔案所屬的專案
標準 BigQuery 資料表 Storage 物件管理員 執行管道的專案
BigQuery 資料檢視者 資料表所屬的專案
標準 BigQuery 資料表的 BigQuery 檢視表 Storage 物件管理員 執行管道的專案
BigQuery 資料檢視者 檢視表所屬的專案
BigQuery 資料檢視者 資料表所屬的專案
BigQuery 外部資料表，其來源為 Cloud Storage 檔案 Storage 物件管理員 執行管道的專案
BigQuery 資料檢視者 外部資料表所屬的專案
Storage 物件檢視者 來源檔案所屬的專案
BigQuery 外部資料表的 BigQuery 檢視表，其來源為 Cloud Storage 檔案 Storage 物件管理員 執行管道的專案
BigQuery 資料檢視者 檢視表所屬的專案
BigQuery 資料檢視者 外部資料表所屬的專案
Storage 物件檢視者 來源檔案所屬的專案

下表說明這些角色：

BigQuery 資料檢視者 bigquery.tables.get 會為服務帳戶提供資料集存取權。服務帳戶必須具備這項存取權，才能在管道的特徵轉換引擎步驟中啟動 Dataflow 工作。
Storage 物件檢視者 storage.objects.get 可讓服務帳戶存取來源 Cloud Storage 檔案。
Storage 物件管理員 storage.objects.get 和 storage.objects.create 權限可讓服務帳戶存取 pipeline 工作根目錄的值區。即使資料來源不是 Cloud Storage 檔案，服務帳戶也需要管道專案中的這些權限。這個角色包含 Storage 物件檢視者角色授予的所有權限。
Storage 管理員 storage.buckets.* 權限可讓服務帳戶在管道的特徵轉換引擎步驟中，驗證 Cloud Storage bucket。這個角色包含 Storage 物件管理員角色授予的所有權限。

如要執行模型評估，請提供 BigQuery 資料集，做為預測樣本的目的地。在包含這個資料集的專案中，將下列角色授予 Gemini Enterprise Agent Platform Pipelines 服務帳戶：

角色 權限
BigQuery 資料檢視者 這個角色可讓服務帳戶查看 BigQuery 資料。
BigQuery 工作使用者 bigquery.jobs.create 可讓服務帳戶建立 BigQuery 工作。

Dataflow worker 的服務帳戶

在管道專案中，將下列角色授予 Dataflow worker 的服務帳戶：

角色 權限
Storage 物件管理員 這個角色可讓服務帳戶存取 Cloud Storage bucket。即使資料來源不是 Cloud Storage 檔案，服務帳戶也需要這些權限。
BigQuery 工作使用者 bigquery.jobs.create 可讓服務帳戶執行管道的 Feature Transform Engine 步驟。即使資料來源不是 BigQuery 資料集，服務帳戶也需要這項權限。
Dataflow 工作者 服務帳戶需要這個角色授予的所有權限。

此外，請根據資料來源類型，將下列角色授予 Dataflow worker 服務帳戶：

資料來源 角色 授予角色的位置
標準 BigQuery 資料表 BigQuery 資料編輯者 執行管道的專案
BigQuery 資料檢視者 資料表所屬的專案
標準 BigQuery 資料表的 BigQuery 檢視表 BigQuery 資料編輯者 執行管道的專案
BigQuery 資料檢視者 檢視表所屬的專案
BigQuery 資料檢視者 資料表所屬的專案
BigQuery 外部資料表，其來源為 Cloud Storage 檔案 BigQuery 資料編輯者 執行管道的專案
BigQuery 資料檢視者 外部資料表所屬的專案
Storage 物件檢視者 來源檔案所屬的專案
BigQuery 外部資料表的 BigQuery 檢視表，其來源為 Cloud Storage 檔案 BigQuery 資料編輯者 執行管道的專案
BigQuery 資料檢視者 檢視表所屬的專案
BigQuery 資料檢視者 外部資料表所屬的專案
Storage 物件檢視者 來源檔案所屬的專案
Cloud Storage 檔案 BigQuery 資料檢視者 執行管道的專案

下表說明這些角色：

角色 權限
BigQuery 資料檢視者 bigquery.tables.get 可在管道的特徵轉換引擎步驟中存取資料集。即使資料來源不是 BigQuery 資料集，服務帳戶也需要這項權限。
BigQuery 資料編輯者 這個角色可讓服務帳戶在管道的特徵轉換引擎步驟中，查詢資料表並建立臨時資料表。這個角色包含 BigQuery 資料檢視者角色授予的所有權限。
Storage 物件檢視者 storage.objects.get 可讓服務帳戶存取 Cloud Storage 檔案。

AI 平台服務代理人

確認管道專案中的 AI 平台服務代理具備下列角色：

角色 權限
Vertex AI 服務代理 這個角色會授予服務代理權限。這些權限包括 storage.object.get 權限，以及 Artifact Registry 存放區中容器映像檔的存取權。

如要執行模型評估，請提供 BigQuery 資料集，做為預測樣本的目的地。在包含這個資料集的專案中，將下列角色授予 Gemini Enterprise Agent Platform Pipelines 服務帳戶：

角色 權限
BigQuery 資料編輯者 這個角色可讓服務帳戶編輯 BigQuery 資料。
BigQuery 工作使用者 bigquery.jobs.create 可讓服務帳戶建立 BigQuery 工作。

廣度和深度學習適用的 Tabular Workflow 和 Prophet 的服務帳戶

這些工作流程會使用下列服務帳戶：

服務帳戶 說明 預設主體 預設名稱 可以覆寫
Gemini Enterprise Agent Platform Pipelines 的服務帳戶 執行管道的服務帳戶 PROJECT_NUMBER-compute@developer.gserviceaccount.com Compute Engine default service account 是
Dataflow worker 的服務帳戶 執行 Dataflow worker 的服務帳戶 PROJECT_NUMBER-compute@developer.gserviceaccount.com Compute Engine default service account 是
AI 平台服務代理 執行訓練容器的服務帳戶。 service-PROJECT_NUMBER@gcp-sa-aiplatform.iam.gserviceaccount.com AI Platform Service Agent 否

您可以將部分服務帳戶變更為自選帳戶。如需 Prophet 操作說明，請參閱「使用 Prophet 預測」。

Gemini Enterprise Agent Platform Pipelines 的服務帳戶

在管道專案中，將下列角色授予 Gemini Enterprise Agent Platform Pipelines 的服務帳戶：

角色 權限
Agent Platform 使用者 aiplatform.metadataStores.get 可讓服務帳戶建立管道工作。aiplatform.models.upload 允許服務帳戶上傳模型。
BigQuery 資料編輯者 bigquery.tables.create 可讓服務帳戶在啟動 Dataflow 工作前，為特徵轉換引擎建立臨時資料表。即使資料來源不是 BigQuery 資料集，服務帳戶也需要這項權限。這個角色包含 BigQuery 資料檢視者角色授予的所有權限。
BigQuery 工作使用者 bigquery.jobs.create 可讓服務帳戶在啟動 Dataflow 工作前，為 Feature Transform Engine 執行 BigQuery 工作。即使資料來源不是 BigQuery 資料集，服務帳戶也需要這項權限。
服務帳戶使用者 iam.serviceAccounts.actAs 可讓 Agent Platform Pipelines 服務帳戶在評估期間，充當 Dataflow worker 服務帳戶。
Dataflow 開發人員 這個角色可授予執行 Dataflow 工作所需資源的存取權。

此外，請根據資料來源類型，將下列角色授予 Gemini Enterprise Agent Platform Pipelines 服務帳戶：

資料來源 角色 授予角色的位置
Cloud Storage 檔案 Storage 管理員 檔案所屬的專案
標準 BigQuery 資料表 Storage 物件管理員 執行管道的專案
BigQuery 資料檢視者 資料表所屬的專案
標準 BigQuery 資料表的 BigQuery 檢視表 Storage 物件管理員 執行管道的專案
BigQuery 資料檢視者 檢視表所屬的專案
BigQuery 資料檢視者 資料表所屬的專案
BigQuery 外部資料表，其來源為 Cloud Storage 檔案 Storage 物件管理員 執行管道的專案
BigQuery 資料檢視者 外部資料表所屬的專案
Storage 物件檢視者 來源檔案所屬的專案
BigQuery 外部資料表的 BigQuery 檢視表，其來源為 Cloud Storage 檔案 Storage 物件管理員 執行管道的專案
BigQuery 資料檢視者 檢視表所屬的專案
BigQuery 資料檢視者 外部資料表所屬的專案
Storage 物件檢視者 來源檔案所屬的專案

下表說明這些角色：

BigQuery 資料檢視者 bigquery.tables.get 會為服務帳戶提供資料集存取權。服務帳戶必須具備這項存取權，才能在管道的特徵轉換引擎步驟中啟動 Dataflow 工作。
Storage 物件檢視者 storage.objects.get 可讓服務帳戶存取來源 Cloud Storage 檔案。
Storage 物件管理員 storage.objects.get 和 storage.objects.create 權限可讓服務帳戶存取 pipeline 工作根目錄的值區。即使資料來源不是 Cloud Storage 檔案，服務帳戶也需要管道專案中的這些權限。這個角色包含 Storage 物件檢視者角色授予的所有權限。
Storage 管理員 storage.buckets.* 權限可讓服務帳戶在管道的特徵轉換引擎步驟中，驗證 Cloud Storage bucket。這個角色包含 Storage 物件管理員角色授予的所有權限。

Dataflow worker 的服務帳戶

在管道專案中，將下列角色授予 Dataflow worker 的服務帳戶：

角色 權限
Storage 物件管理員 這個角色可讓服務帳戶存取 Cloud Storage bucket。即使資料來源不是 Cloud Storage 檔案，服務帳戶也需要這些權限。
BigQuery 工作使用者 bigquery.jobs.create 可讓服務帳戶執行管道的 Feature Transform Engine 步驟。即使資料來源不是 BigQuery 資料集，服務帳戶也需要這項權限。
Dataflow 工作者 服務帳戶需要這個角色授予的所有權限。

此外，請根據資料來源類型，將下列角色授予 Dataflow worker 服務帳戶：

資料來源 角色 授予角色的位置
標準 BigQuery 資料表 BigQuery 資料編輯者 執行管道的專案
BigQuery 資料檢視者 資料表所屬的專案
標準 BigQuery 資料表的 BigQuery 檢視表 BigQuery 資料編輯者 執行管道的專案
BigQuery 資料檢視者 檢視表所屬的專案
BigQuery 資料檢視者 資料表所屬的專案
BigQuery 外部資料表，其來源為 Cloud Storage 檔案 BigQuery 資料編輯者 執行管道的專案
BigQuery 資料檢視者 外部資料表所屬的專案
Storage 物件檢視者 來源檔案所屬的專案
BigQuery 外部資料表的 BigQuery 檢視表，其來源為 Cloud Storage 檔案 BigQuery 資料編輯者 執行管道的專案
BigQuery 資料檢視者 檢視表所屬的專案
BigQuery 資料檢視者 外部資料表所屬的專案
Storage 物件檢視者 來源檔案所屬的專案
Cloud Storage 檔案 BigQuery 資料檢視者 執行管道的專案

下表說明這些角色：

角色 權限
BigQuery 資料檢視者 bigquery.tables.get 可在管道的特徵轉換引擎步驟中存取資料集。即使資料來源不是 BigQuery 資料集，服務帳戶也需要這項權限。
BigQuery 資料編輯者 這個角色可讓服務帳戶在管道的特徵轉換引擎步驟中，查詢資料表並建立臨時資料表。這個角色包含 BigQuery 資料檢視者角色授予的所有權限。
Storage 物件檢視者 storage.objects.get 可讓服務帳戶存取 Cloud Storage 檔案。

AI 平台服務代理人

確認管道專案中的 AI 平台服務代理具備下列角色：

角色 權限
Vertex AI 服務代理 這個角色會授予服務代理權限。這些權限包括 storage.object.get 權限，以及 Artifact Registry 存放區中容器映像檔的存取權。

ARIMA+ 的服務帳戶

這項工作流程會使用下列服務帳戶：

服務帳戶 說明 預設主體 預設名稱 可以覆寫
Gemini Enterprise Agent Platform Pipelines 的服務帳戶 執行管道的服務帳戶 PROJECT_NUMBER-compute@developer.gserviceaccount.com Compute Engine default service account 是
AI 平台服務代理 執行訓練容器的服務帳戶。 service-PROJECT_NUMBER@gcp-sa-aiplatform.iam.gserviceaccount.com AI Platform Service Agent 否

您可以將 Gemini Enterprise Agent Platform Pipelines 服務帳戶變更為您選擇的帳戶。詳情請參閱「使用 ARIMA+ 預測」。

Gemini Enterprise Agent Platform Pipelines 的服務帳戶

在管道專案中，將下列角色授予 Gemini Enterprise Agent Platform Pipelines 的服務帳戶：

角色 權限
Agent Platform 使用者 aiplatform.metadataStores.get 可讓服務帳戶建立管道工作。aiplatform.models.upload 允許服務帳戶上傳模型。
BigQuery 資料編輯者 bigquery.tables.create 可讓服務帳戶在啟動 Dataflow 工作前，為特徵轉換引擎建立臨時資料表。即使資料來源不是 BigQuery 資料集，服務帳戶也需要這項權限。這個角色包含 BigQuery 資料檢視者角色授予的所有權限。
BigQuery 工作使用者 bigquery.jobs.create 可讓服務帳戶在啟動 Dataflow 工作前，為 Feature Transform Engine 執行 BigQuery 工作。即使資料來源不是 BigQuery 資料集，服務帳戶也需要這項權限。
服務帳戶使用者 iam.serviceAccounts.actAs 可讓 Agent Platform Pipelines 服務帳戶在評估期間，充當 Dataflow worker 服務帳戶。
Dataflow 開發人員 這個角色可授予執行 Dataflow 工作所需資源的存取權。

此外，請根據資料來源類型，將下列角色授予 Gemini Enterprise Agent Platform Pipelines 服務帳戶：

資料來源 角色 授予角色的位置
Cloud Storage 檔案 Storage 管理員 檔案所屬的專案
標準 BigQuery 資料表 Storage 物件管理員 執行管道的專案
BigQuery 資料檢視者 資料表所屬的專案
標準 BigQuery 資料表的 BigQuery 檢視表 Storage 物件管理員 執行管道的專案
BigQuery 資料檢視者 檢視表所屬的專案
BigQuery 資料檢視者 資料表所屬的專案
BigQuery 外部資料表，其來源為 Cloud Storage 檔案 Storage 物件管理員 執行管道的專案
BigQuery 資料檢視者 外部資料表所屬的專案
Storage 物件檢視者 來源檔案所屬的專案
BigQuery 外部資料表的 BigQuery 檢視表，其來源為 Cloud Storage 檔案 Storage 物件管理員 執行管道的專案
BigQuery 資料檢視者 檢視表所屬的專案
BigQuery 資料檢視者 外部資料表所屬的專案
Storage 物件檢視者 來源檔案所屬的專案

下表說明這些角色：

BigQuery 資料檢視者 bigquery.tables.get 會為服務帳戶提供資料集存取權。服務帳戶必須具備這項存取權，才能在管道的特徵轉換引擎步驟中啟動 Dataflow 工作。
Storage 物件檢視者 storage.objects.get 可讓服務帳戶存取來源 Cloud Storage 檔案。
Storage 物件管理員 storage.objects.get 和 storage.objects.create 權限可讓服務帳戶存取 pipeline 工作根目錄的值區。即使資料來源不是 Cloud Storage 檔案，服務帳戶也需要管道專案中的這些權限。這個角色包含 Storage 物件檢視者角色授予的所有權限。
Storage 管理員 storage.buckets.* 權限可讓服務帳戶在管道的特徵轉換引擎步驟中，驗證 Cloud Storage bucket。這個角色包含 Storage 物件管理員角色授予的所有權限。

AI 平台服務代理人

確認管道專案中的 AI 平台服務代理具備下列角色：

角色 權限
Vertex AI 服務代理 這個角色會授予服務代理權限。這些權限包括 storage.object.get 權限，以及 Artifact Registry 存放區中容器映像檔的存取權。