Perguntas frequentes sobre o Knowledge Catalog

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 Catálogo de Conhecimento.

O que é o Knowledge Catalog?

O Knowledge Catalog é uma solução de governança inteligente para recursos de dados e IA no Google Cloud. Ele fornece um inventário centralizado em que é possível descobrir, gerenciar e controlar seus dados em Google Cloud fontes de dados, como BigQuery, Cloud Storage, Pub/Sub e Spanner.

O Knowledge Catalog usa IA para automatizar a descoberta de dados, o enriquecimento de metadados e a qualidade de dados. Com o catálogo de dados governado, o Knowledge Catalog fornece o embasamento essencial que os agentes de IA precisam para gerar conteúdo de alta qualidade.

Para que o Knowledge Catalog é usado?

O Knowledge Catalog resolve o problema de "inicialização a frio de dados", ou seja, o tempo desperdiçado tentando encontrar, entender e confiar nos dados antes de usá-los. Os principais usos incluem:

  • Descoberta de dados acelerada: em vez de navegar por silos organizacionais complexos para localizar dados, use a pesquisa com linguagem natural (por exemplo, "Mostre-me os dados mais recentes de desistência de clientes") para encontrar recursos emGoogle Cloud instantaneamente, o que aumenta a produtividade dos consumidores de dados.

  • Embasamento de agentes de IA: funciona como a "fonte da verdade" para a IA generativa ou o ADK. Ao vincular dados físicos a definições de negócios, ele 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 com IA.

  • Governança de dados automatizada: verifica automaticamente seus dados para identificar informações sensíveis (ou seja, PII), rastreia de onde os dados vêm (linhagem) e monitora a precisão deles (qualidade de dados automática). Esses recursos ajudam a melhorar a confiança, a segurança e a conformidade dos dados com menos esforço manual.

  • Descobrir "dados obscuros": ele pode verificar arquivos não estruturados (por exemplo, PDFs ou imagens no Cloud Storage), extrair as informações contidas neles e torná-las pesquisáveis e consultáveis no BigQuery, o que ajuda a descobrir insights de dados que antes eram inacessíveis.

Para começar a usar esses cenários, consulte os casos de uso do Knowledge Catalog.

Que 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 de negócios: contexto definido pelo usuário, como descrições da empresa, termos de glossário e propriedade.

  • Metadados de ambiente de execução: informações sobre linhagem de dados, pontuações de qualidade de dados e estatísticas de criação de perfil de dados.

Faturamento de insights de dados

Explore as perguntas frequentes sobre faturamento baseado em tokens, medição de uso e controles administrativos para o 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 faturado?

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 em linguagem natural geradas e retornadas pelo modelo.

Para mais informações, consulte 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 cobranças automáticas por insights de dados?

Para evitar cobranças, verifique as verificações em andamento e pare de acionar novas verificações. Os administradores também podem desativar o recurso de insights de dados desativando a API Dataplex no respectivo projeto.

Como posso saber quanto vou pagar pelos insights de dados?

Google Cloud fornece medição para tokens de dados. Essa medição permite que administradores e proprietários de agentes monitorem o consumo de tokens. Para acompanhar o consumo de tokens em jobs de verificação de insights de dados e criar painéis personalizados no Cloud Monitoring, consulte Monitorar o uso de tokens de insights de dados.

Como posso controlar os custos e definir limites de tokens para insights de dados?

Para gerenciar custos e definir limites no uso de tokens de insights de dados, consulte Cotas e limites para insights de dados.

O que acontece quando os limites de cota de insights de dados são atingidos?

O Knowledge Catalog verifica as cotas de tokens de entrada e saída antes de iniciar uma verificação e deduz os tokens consumidos após a conclusão de uma verificação.

O que acontece com as verificações em andamento quando o limite é ultrapassado?

O Knowledge Catalog verifica a cota apenas no início de uma verificação, não no meio dela. Se uma verificação começar enquanto a cota ainda estiver disponível e o uso de tokens ultrapassar o limite diário do projeto, ela será concluída normalmente e os insights gerados serão publicados. Depois que a reconciliação de faturamento pós-verificação é concluída, o Knowledge Catalog marca o bucket de cota diária como esgotado (100%) pelo restante do dia.

O que acontece com as verificações subsequentes acionadas depois que o limite é atingido?

Depois que a cota diária de tokens de entrada ou saída é esgotada, o Knowledge Catalog bloqueia imediatamente qualquer nova verificação de insights on demand ou programada antes da execução. As verificações rejeitadas não geram cobranças de token.

O que aparece no console do Google Cloud ?

Quando uma verificação falha porque a cota de tokens foi excedida, o BigQuery Studio e o Knowledge Catalog no console do Google Cloud exibem o seguinte comportamento:

  • Em uma tabela ou conjunto de dados com insights: a regeneração falha com o seguinte banner de erro inline:

    Knowledge Catalog Insights token quota limit exceeded for this project.

    Todas as descrições geradas anteriormente e as consultas SQL sugeridas permanecem visíveis e utilizáveis.

  • Em uma nova tabela ou conjunto de dados sem insights anteriores: a geração falha e mostra o banner de erro de cota excedida no estado vazio. O botão Gerar insights continua disponível para tentar de novo.

Como posso retomar a geração de insights de dados?

Para retomar a geração de insights de dados, siga um destes procedimentos:

  • Aguarde a redefinição diária: os contadores de tokens diários são redefinidos automaticamente para 0 à meia-noite do horário do Pacífico (00:00 PT).
  • Aumentar o limite da cota: um administrador do projeto pode aumentar o limite diário (ou redefini-lo como ilimitado) na página Cotas e limites do sistema no console doGoogle Cloud para retomar a geração de insights imediatamente.

Monitoramento de faturamento e custos

Confira as perguntas frequentes sobre como monitorar e atribuir custos de computação no Knowledge Catalog.

Como monitorar e atribuir custos de DCU do Knowledge Catalog para qualidade de dados, criação de perfil de dados e linhagem de dados?

A computação do DataScan do Knowledge Catalog (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 Google e não publicam métricas de série temporal em dataplex.googleapis.com/* para o Cloud Monitoring.

Para monitorar, alertar e atribuir custos de DCU do Knowledge Catalog em projetos e verificações, exporte os dados do Cloud Billing para o BigQuery e consulte os rótulos do sistema anexados aos registros de faturamento do Knowledge Catalog:

  • Para verificações de qualidade de dados e verificação do perfil de dados, use os rótulos goog-dataplex-datascan-* (como goog-dataplex-datascan-id, goog-dataplex-datascan-data-source-project e goog-dataplex-datascan-data-source-bigquery-table).
  • Para o processamento de linhagem de dados, use o rótulo goog-dataplex-workload-type com o valor LINEAGE.

Para definições detalhadas de rótulos e exemplos de consultas SQL do BigQuery, consulte Monitorar e atribuir custos de DCU do Knowledge Catalog com a exportação do Cloud Billing.