Objektkontext-Anreicherungen konfigurieren

Wenn Sie strukturierte Metadaten für Bilder und PDF-Dokumente in Ihren Cloud Storage-Buckets generieren möchten, erstellen Sie eine Ressource für die Funktionskonfiguration (FeatureConfig). Außerdem müssen Sie den Dienst-Agent für die Objektkontext-Anreicherung autorisieren, auf Ihre Daten zuzugreifen. Nachdem Sie die Objektkontext-Anreicherung konfiguriert haben, wertet Cloud Storage übereinstimmende Objekte asynchron mit den von Ihnen ausgewählten Machine-Learning-Modellen aus und hängt die Ergebnisse direkt als Objektkontexte an Ihre Objekte an.

Auf dieser Seite wird beschrieben, wie Sie Featurekonfigurationen erstellen, auflisten, aufrufen, aktualisieren und löschen. Außerdem wird erläutert, wie Sie dem Dienst-Agent die erforderlichen IAM-Berechtigungen (Identity and Access Management) gewähren.

Der vollständige Workflow umfasst die folgenden Schritte:

  1. Erstellen Sie eine FeatureConfig-Ressource für die Funktionskonfiguration, um den Bereich zu definieren und Modelle auszuwählen.
  2. Dienst-Agent für den Zugriff auf Ihre Storage-Buckets autorisieren
  3. Metadaten zur Anreicherung für Ihre Objekte ansehen und verwalten
  4. Anreicherungen im Bulk mit SQL in BigQuery analysieren
  5. Feature-Konfigurationen aktualisieren oder löschen, wenn sich Ihre Arbeitslast ändert

Konzeptionelle Details und unterstützte Anwendungsfälle finden Sie in der Übersicht zur Objektkontext-Anreicherung.

Hinweis

Führen Sie vor dem Konfigurieren von Objektkontext-Anreicherungen die folgenden Einrichtungsschritte aus:

Erforderliche Rollen abrufen

Bitten Sie Ihren Administrator, Ihnen die IAM-Rolle Storage-Administrator (roles/storage.admin) für Ihr Projekt zuzuweisen, um die Berechtigungen zu erhalten, die Sie zum Erstellen und Verwalten von Featurekonfigurationen benötigen. Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.

Diese vordefinierte Rolle enthält die Berechtigungen, die zum Erstellen und Verwalten von Funktionskonfigurationen erforderlich sind. Maximieren Sie den Abschnitt Erforderliche Berechtigungen, um die notwendigen Berechtigungen anzuzeigen:

Erforderliche Berechtigungen

Die folgenden Berechtigungen sind erforderlich, um Funktionskonfigurationen zu erstellen und zu verwalten:

  • storage.featureConfigs.create
  • storage.featureConfigs.list
  • storage.featureConfigs.get
  • storage.featureConfigs.update
  • storage.featureConfigs.delete

Sie können diese Berechtigungen auch mit benutzerdefinierten Rollen oder anderen vordefinierten Rollen erhalten.

(Optional) Storage Insights-Datasets für die SQL-Analyse vorbereiten

Wenn Sie Anreicherungsmetadaten für Millionen von Objekten mit SQL in BigQuery abfragen und analysieren möchten, müssen Sie zuerst Storage Insights-Datasets konfigurieren. Storage Insights-Datasets exportieren Ihre Objektkontexte automatisch direkt in abfragbare BigQuery-Tabellen.

Wenn Sie nur einzelne Objekte mit der Google Cloud Console, der Google Cloud CLI oder einer API prüfen möchten, können Sie diesen Schritt überspringen.

Funktionskonfiguration erstellen

In einer Funktionskonfiguration (FeatureConfig) wird angegeben, welche Speicher-Buckets von Cloud Storage überwacht werden und welche Modelle für maschinelles Lernen Ihre Objekte auswerten. Geben Sie in Ihrer Konfiguration genaue Bucket-Namen an. Die Objektkontext-Anreicherung unterstützt keine regulären Ausdrücke oder Platzhalter. Wenn Sie Buckets erstellen, neu erstellen (löschen und neu erstellen) oder verschieben, nachdem Sie eine Konfiguration erstellt haben, müssen Sie Ihre Funktionskonfiguration aktualisieren, damit sie berücksichtigt werden. Weitere Informationen finden Sie unter Konfiguration und Bereichsverwaltung.

Sie können eine Featurekonfiguration mit der Google Cloud Console, der Google Cloud CLI oder der JSON API erstellen.

Console

  1. Rufen Sie in der Google Cloud Console die Cloud Storage-Seite Objektkontext-Anreicherung auf.

    Zu „Objektkontext-Anreicherungen“

  2. Klicken Sie auf Erstellen.

  3. Geben Sie im Schritt Quelle definieren den Konfigurationsnamen und die Ziel-Buckets an:

    1. Geben Sie im Feld Name einen eindeutigen Namen für die Featurekonfiguration ein. Der Name muss zwischen 1 und 63 Zeichen lang sein und darf nur Kleinbuchstaben, Ziffern oder Bindestriche enthalten. Sie muss mit einem Kleinbuchstaben beginnen und darf nicht mit einem Bindestrich enden. Sie können diesen Namen nach dem Erstellen der Konfiguration nicht mehr ändern.
    2. Optional: Geben Sie im Feld Beschreibung eine Beschreibung (bis zu 256 Zeichen) ein, um die Konfiguration leichter zu identifizieren.
    3. Geben Sie im Feld Bucket-Namen einen oder mehrere Bucket-Namen durch Kommas oder Leerzeichen getrennt ein, um die Buckets anzugeben, die Sie anreichern möchten. Alternativ können Sie auf Durchsuchen klicken, einen Bucket auswählen und dann auf Auswählen klicken.
    4. Klicken Sie auf Weiter.

  4. Wählen Sie im Schritt Modelle auswählen die Kästchen für ein oder mehrere Modelle für maschinelles Lernen aus, die Sie aktivieren möchten, und klicken Sie dann auf Weiter:

    • Objekterkennung in Bildern (object-detector): Identifiziert und lokalisiert mehrere Objekte in einem Bild.
    • Gesichtserkennung in Bildern (face-detector): Erkennt Gesichter von Menschen und ihre Attribute in Bildern.
    • Bildlabeling (label-detector): Weist Bildern anhand ihres Inhalts Labels zu.
    • Erkennung von Inhalten in Bildern (content-safety): Erkennt Inhalte für Erwachsene, gewaltverherrlichende oder andere sensible Inhalte.
    • PDF-Klassifizierung (pdf-classification): Gibt die Kategorie des Dokumentgegenstands an.

    Weitere Informationen zu den einzelnen Modellen und ihren Ausgabeschemas finden Sie unter Unterstützte Modelle und Schemas.

  5. Wählen Sie im Schritt Verarbeitungsstandort auswählen im Menü Verarbeitungsstandort einen multiregionalen Standort (us, eu oder asia) aus und klicken Sie dann auf Weiter.

  6. Wählen Sie im Schritt Erforderliche Berechtigungen gewähren aus, wie dem Dienst-Agenten für die Objektkontext-Anreicherung die erforderlichen IAM-Rollen zugewiesen werden sollen:

    • Projektweite Berechtigung erteilen: Dem Dienst-Agent werden automatisch die erforderlichen Rollen (roles/storage.annotationGeneratorService und roles/storage.bucketViewer) zum Verarbeiten aller aktuellen und zukünftigen Cloud Storage-Buckets im Projekt gewährt. Für diese Option ist die Berechtigung resourcemanager.projects.setIamPolicy für das Projekt erforderlich. Wenn Sie diese Berechtigung nicht haben, ist die Option nicht verfügbar.
    • Berechtigung später manuell gewähren: Die Konfiguration wird erstellt, ohne dass sofort Berechtigungen gewährt werden. Sie müssen dem Dienstkonto Berechtigungen erteilen, bevor Cloud Storage Objekte verarbeiten kann.

  7. Klicken Sie auf Erstellen.

    Beim Erstellen einer Funktionskonfiguration wird ein Vorgang mit langer Ausführungszeit gestartet. Wenn der Vorgang abgeschlossen ist, wird in der Google Cloud Console die Seite mit den Konfigurationsdetails geöffnet. Wenn Sie Projektweite Berechtigung gewähren ausgewählt haben, wendet die Google Cloud Console die IAM-Richtlinienbindungen nach dem Erstellen der Konfiguration an.

Befehlszeile

Verwenden Sie den Befehl gcloud alpha storage feature-configs create, um eine Featurekonfiguration zu erstellen:

gcloud alpha storage feature-configs create FEATURE_CONFIG_ID \
    --description="DESCRIPTION" \
    --auto-annotate-models=MODELS \
    --auto-annotate-processing-location=PROCESSING_LOCATION \
    --include-bucket-id-regexes=BUCKET_NAME

Wobei:

  • FEATURE_CONFIG_ID ist eine eindeutige ID für Ihre Featurekonfiguration. Muss 1–63 Zeichen lang sein, mit einem Kleinbuchstaben beginnen und darf nur Kleinbuchstaben, Ziffern und Bindestriche enthalten. Darf nicht mit einem Bindestrich enden.
  • DESCRIPTION ist eine optionale Beschreibung für die Featurekonfiguration. Beispiel: Scan invoices and receipts.
  • MODELS ist eine durch Kommas getrennte Liste der zu aktivierenden Machine-Learning-Modelle: face-detector, object-detector, label-detector, content-safety oder pdf-classification. Weitere Informationen zu den einzelnen Modellen und ihren Ausgabeschemas finden Sie unter Unterstützte Modelle und Schemas.
  • PROCESSING_LOCATION ist der multiregionale Verarbeitungsstandort, an dem die Datenverarbeitung erfolgt. Unterstützte Werte sind us, eu oder asia.
  • BUCKET_NAME ist der genaue Name eines Buckets, der in diese Konfiguration aufgenommen werden soll. Sie können eine durch Kommas getrennte Liste mit genauen Bucket-Namen angeben.

JSON API

  1. Die gcloud CLI installieren und initialisieren, um ein Zugriffstoken für den Authorization-Header zu generieren.

  2. Erstellen Sie eine JSON-Datei mit den Einstellungen für die Featurekonfiguration:

    {
  "description": "DESCRIPTION",
  "autoAnnotateConfig": {
    "models": [
      { "name": "MODEL_NAME" }
    ],
    "processingLocation": "PROCESSING_LOCATION"
  },
  "filter": {
    "includedCloudStorageBuckets": {
      "bucketIdRegexes": [
        "BUCKET_NAME"
      ]
    }
  }
}

    Wobei:

    • DESCRIPTION ist eine optionale Beschreibung für die Konfiguration der Funktion. Beispiel: Scan invoices and receipts.

    • MODEL_NAME ist der Name eines Machine-Learning-Modells, das aktiviert werden soll: face-detector, object-detector, label-detector, content-safety oder pdf-classification. Weitere Informationen zu den einzelnen Modellen und ihren Ausgabeschemas finden Sie unter Unterstützte Modelle und Schemas. Wenn Sie mehrere Modelle aktivieren möchten, fügen Sie dem Array models zusätzliche Modellobjekte hinzu.

    • PROCESSING_LOCATION ist der multiregionale Verarbeitungsstandort, an dem die Datenverarbeitung erfolgt. Unterstützte Werte sind us, eu oder asia.

    • BUCKET_NAME ist der genaue Name eines Buckets, der in die Konfiguration aufgenommen werden soll. Beispiel: my-bucket. Wenn Sie mehrere Buckets einbeziehen möchten, geben Sie zusätzliche Bucket-Namen-Strings im bucketIdRegexes-Array an.

  3. Verwenden Sie cURL, um eine featureConfigs.create-Anfrage an die JSON API zu senden:

    curl -X POST --data-binary @JSON_FILE_NAME \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  "https://storage.googleapis.com/v2/projects/PROJECT_ID/locations/global/featureConfigs?featureConfigId=FEATURE_CONFIG_ID"

    Wobei:

    • JSON_FILE_NAME ist der Pfad zur JSON-Datei, die Sie im vorherigen Schritt erstellt haben. Beispiel: config.json.
    • PROJECT_ID ist die ID Ihres Projekts in Google Cloud . Beispiel: my-project
    • FEATURE_CONFIG_ID ist eine eindeutige ID für Ihre Featurekonfiguration. Beispiel: my-feature-config. Muss 1–63 Zeichen lang sein, mit einem Kleinbuchstaben beginnen und darf nur Kleinbuchstaben, Ziffern oder Bindestriche enthalten. Darf nicht mit einem Bindestrich enden.

  4. Optional: Wenn Sie den Status des Vorgangs mit langer Ausführungszeit zum Erstellen der Featurekonfiguration prüfen möchten, senden Sie mit cURL eine operations.get-Anfrage an die JSON API:

    curl -X GET \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  "https://storage.googleapis.com/v2/projects/PROJECT_ID/locations/global/operations/OPERATION_ID"

    Wobei:

    • PROJECT_ID ist die ID Ihres Projekts in Google Cloud . Beispiel: my-project
    • OPERATION_ID ist die Vorgangs-ID, die in der Antwort auf die Erstellung zurückgegeben wird.

  5. Optional: Wenn Sie alle aktiven und historischen Vorgänge auflisten möchten, verwenden Sie cURL, um eine operations.list-Anfrage an die JSON API zu senden:

    curl -X GET \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  "https://storage.googleapis.com/v2/projects/PROJECT_ID/locations/global/operations"

    Dabei ist PROJECT_ID die Google Cloud-Projekt-ID. Beispiel: my-project

Berechtigungen für den Dienst-Agent erteilen

Wenn Sie eine Featurekonfiguration erstellen,stellt Google Cloud einen dedizierten Dienst-Agent für Ihr Projekt bereit: service-PROJECT_NUMBER@gcp-sa-autoannotate.iam.gserviceaccount.com.

Damit dieser Dienst-Agent Ihre Buckets scannen, unstrukturierte Objekte lesen und Anreicherungsmetadaten anhängen kann, müssen Sie ihm die erforderlichen IAM-Rollen zuweisen.

Console

Wenn Sie beim Erstellen einer Featurekonfiguration Berechtigung später manuell erteilen ausgewählt haben oder projektweite Berechtigungen neu anwenden müssen, können Sie Berechtigungen auf der Seite mit den Konfigurationsdetails erteilen:

  1. Rufen Sie in der Google Cloud Console die Cloud Storage-Seite Objektkontext-Anreicherung auf.

    Zu „Objektkontext-Anreicherungen“

  2. Klicken Sie in der Spalte Konfigurationsname auf den Namen der Featurekonfiguration.

  3. Klicken Sie in der Aktionsleiste auf Berechtigungen erteilen.

  4. Klicken Sie im Bereich Berechtigungen erteilen auf Projektweite Berechtigungen erteilen.

    Durch diese Aktion werden dem Dienst-Agent die Rollen Storage Annotation Generator Service (roles/storage.annotationGeneratorService) und Storage Bucket Viewer (roles/storage.bucketViewer) für das Projekt zugewiesen. Zum Gewähren projektweiter Berechtigungen in der Google Cloud Console ist die Berechtigung resourcemanager.projects.setIamPolicy für das Projekt erforderlich.

    Wenn Sie die Rolle roles/storage.annotationGeneratorService für einzelne Buckets anstelle des gesamten Projekts zuweisen möchten, verwenden Sie die Google Cloud CLI.

Befehlszeile

  1. Weisen Sie dem Dienst-Agenten für jeden überwachten Bucket oder auf Projektebene die Rolle Storage Annotation Generator Service (roles/storage.annotationGeneratorService) zu:

    • Verwenden Sie den Befehl gcloud storage buckets add-iam-policy-binding, um die Rolle für einen bestimmten Bucket zuzuweisen:

      gcloud storage buckets add-iam-policy-binding gs://BUCKET_NAME \
    --member=serviceAccount:service-PROJECT_NUMBER@gcp-sa-autoannotate.iam.gserviceaccount.com \
    --role=roles/storage.annotationGeneratorService

      Wobei:

      • BUCKET_NAME ist der Name des Buckets, für den Sie Berechtigungen gewähren möchten.
      • PROJECT_NUMBER ist Ihre Google Cloud-Projektnummer.

    • Wenn Sie die Rolle für alle Buckets in Ihrem Projekt zuweisen möchten, verwenden Sie den Befehl gcloud projects add-iam-policy-binding:

      gcloud projects add-iam-policy-binding PROJECT_ID \
    --member=serviceAccount:service-PROJECT_NUMBER@gcp-sa-autoannotate.iam.gserviceaccount.com \
    --role=roles/storage.annotationGeneratorService

      Wobei:

      • PROJECT_ID ist die Projekt-ID Ihres Google Cloud-Projekts.
      • PROJECT_NUMBER ist Ihre Google Cloud-Projektnummer.

  2. Wenn Sie die Rolle Storage-Bucket-Betrachter (roles/storage.bucketViewer) auf Projektebene zuweisen möchten, damit der Dienst-Agent Bucket-Konfigurationen prüfen kann, verwenden Sie den Befehl gcloud projects add-iam-policy-binding:

    gcloud projects add-iam-policy-binding PROJECT_ID \
    --member=serviceAccount:service-PROJECT_NUMBER@gcp-sa-autoannotate.iam.gserviceaccount.com \
    --role=roles/storage.bucketViewer

    Wobei:

    • PROJECT_ID ist die ID Ihres Projekts in Google Cloud .
    • PROJECT_NUMBER ist Ihre Google Cloud-Projektnummer.

Nachdem Sie Rollen gewährt haben, kann es einige Minuten dauern, bis IAM-Berechtigungen übernommen werden, bevor die asynchrone Verarbeitung beginnt.

Alle Funktionskonfigurationen auflisten

So listen Sie alle Feature-Konfigurationen in Ihrem Projekt auf:

Console

  1. Wechseln Sie in der Google Cloud Console unter „Cloud Storage“ zur Seite Objektkontext-Anreicherung.

    Zu „Objektkontext-Anreicherungen“

    Auf dem Tab Konfiguration werden alle Featurekonfigurationen in Ihrem Projekt aufgeführt, einschließlich der aktivierten Modelle, des Verarbeitungsstandorts, des Bereichs, der Bucket-Filter, des Erstellungsdatums und des Datums der letzten Aktualisierung.

  2. Optional: Wenn Sie die Liste filtern möchten, geben Sie im Feld Filter einen Attributnamen oder -wert ein.

Befehlszeile

Führen Sie den Befehl gcloud alpha storage feature-configs list aus:

gcloud alpha storage feature-configs list

JSON API

  1. Installieren und initialisieren Sie die gcloud CLI, um ein Zugriffstoken für den Authorization-Header zu generieren.

  2. Verwenden Sie cURL, um eine featureConfigs.list-Anfrage an die JSON API zu senden:

    curl -X GET \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Accept: application/json" \
  "https://storage.googleapis.com/v2/projects/PROJECT_ID/locations/global/featureConfigs"

    Dabei ist PROJECT_ID die ID IhresGoogle Cloud -Projekts. Beispiel: my-project

Details zur Featurekonfiguration ansehen

Führen Sie die folgenden Schritte aus, um die Modelle, Ziel-Buckets und den Verarbeitungsstandort einer bestimmten Featurekonfiguration zu prüfen:

Console

  1. Wechseln Sie in der Google Cloud Console unter „Cloud Storage“ zur Seite Objektkontext-Anreicherung.

    Zu „Objektkontext-Anreicherungen“

  2. Klicken Sie in der Spalte Konfigurationsname auf den Namen der Featurekonfiguration, die Sie prüfen möchten.

    Auf der Seite mit den Konfigurationsdetails werden der Konfigurationsname, die Beschreibung, der Bereich, die eingeschlossenen Buckets, der Verarbeitungsort, die aktivierten Modelle, das Erstellungsdatum und das Datum der letzten Aktualisierung angezeigt.

Befehlszeile

Führen Sie den Befehl gcloud alpha storage feature-configs describe aus:

gcloud alpha storage feature-configs describe FEATURE_CONFIG_ID

Ersetzen Sie FEATURE_CONFIG_ID durch die ID der Featurekonfiguration.

JSON API

  1. Die gcloud CLI installieren und initialisieren, um ein Zugriffstoken für den Authorization-Header zu generieren.

  2. Verwenden Sie cURL, um eine featureConfigs.get-Anfrage an die JSON API zu senden:

    curl -X GET \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Accept: application/json" \
  "https://storage.googleapis.com/v2/projects/PROJECT_ID/locations/global/featureConfigs/FEATURE_CONFIG_ID"

    Wobei:

    • PROJECT_ID ist die ID desGoogle Cloud -Projekts. Beispiel: my-project
    • FEATURE_CONFIG_ID ist die ID der Funktionskonfiguration. Beispiel: my-feature-config.

Featurekonfiguration aktualisieren

Sie können eine vorhandene Featurekonfiguration aktualisieren, um Modelle für maschinelles Lernen hinzuzufügen oder zu entfernen, Ziel-Buckets zu ändern, den Verarbeitungsstandort zu ändern oder die Beschreibung zu aktualisieren.

Console

  1. Rufen Sie in der Google Cloud Console die Cloud Storage-Seite Objektkontext-Anreicherung auf.

    Zu „Objektkontext-Anreicherungen“

  2. Klicken Sie in der Spalte Konfigurationsname auf den Namen der Featurekonfiguration, die Sie aktualisieren möchten.

  3. Aktualisieren Sie auf der Seite mit den Konfigurationsdetails die Einstellungen, die Sie ändern möchten:

    • Wenn Sie die Beschreibung aktualisieren möchten, klicken Sie neben Konfigurationsbeschreibung auf  Konfigurationsbeschreibung bearbeiten. Aktualisieren Sie im Bereich Beschreibung bearbeiten den Text im Feld Beschreibung und klicken Sie dann auf Speichern.
    • Klicken Sie zum Aktualisieren des Bucket-Bereichs neben Konfigurationsbereich auf Konfigurationsbereich bearbeiten. Fügen Sie im Schritt Umfang definieren im Feld Bucket-Namen Ziel-Buckets hinzu oder entfernen Sie sie und klicken Sie dann auf Weiter. Wählen Sie im Schritt Erforderliche Berechtigungen erteilen eine Berechtigungsoption für den Dienst-Agent aus und klicken Sie dann auf Speichern.
    • Wenn Sie den Verarbeitungsstandort aktualisieren möchten, klicken Sie neben Verarbeitungsstandort auf Verarbeitungsstandort für Konfiguration bearbeiten. Wählen Sie im Bereich Verarbeitungsstandort bearbeiten im Menü Verarbeitungsstandort einen multiregionalen Standort (us, eu oder asia) aus und klicken Sie dann auf Speichern.
    • Wenn Sie die aktivierten Modelle aktualisieren möchten, klicken Sie neben Aktivierte Modelle auf Modelle mit aktivierter Konfiguration bearbeiten. Aktivieren oder deaktivieren Sie im Bereich Modelle bearbeiten die Kästchen für die Modelle, die Sie aktualisieren möchten, und klicken Sie dann auf Speichern.

Befehlszeile

Verwenden Sie den Befehl gcloud alpha storage feature-configs update, um die Beschreibung, die Modelle, den Verarbeitungsstandort oder die Bucket-Filter zu aktualisieren:

gcloud alpha storage feature-configs update FEATURE_CONFIG_ID \
    --description="DESCRIPTION" \
    --auto-annotate-models=MODELS \
    --auto-annotate-processing-location=PROCESSING_LOCATION \
    --include-bucket-id-regexes=BUCKET_NAME

Ersetzen Sie Folgendes:

  • FEATURE_CONFIG_ID: Die ID der Featurekonfiguration, die Sie aktualisieren.
  • DESCRIPTION: Eine optionale Beschreibung für die Funktionskonfiguration. Beispiel: Scan invoices and receipts.
  • MODELS: Eine durch Kommas getrennte Liste der zu aktivierenden Modelle für maschinelles Lernen: face-detector, object-detector, label-detector, content-safety oder pdf-classification.
  • PROCESSING_LOCATION: Der multiregionale Verarbeitungsort, an dem die Datenverarbeitung erfolgt. Gültige Werte sind us, eu oder asia.
  • BUCKET_NAME: Eine durch Kommas getrennte Liste der genauen Bucket-Namen, die gescannt werden sollen. Die Objektkontext-Anreicherung unterstützt keine Platzhalter oder regulären Ausdrücke. Wenn Sie Buckets erstellen, neu erstellen oder verschieben, müssen Sie diese Liste aktualisieren, um sie aufzunehmen.

JSON API

  1. Installieren und initialisieren Sie die gcloud CLI, um ein Zugriffstoken für den Authorization-Header zu generieren.

  2. Erstellen Sie eine JSON-Datei mit den Einstellungen, die Sie aktualisieren möchten. So aktualisieren Sie beispielsweise die Beschreibung, die aktivierten Modelle und die Zielgruppen:

    {
  "description": "DESCRIPTION",
  "autoAnnotateConfig": {
    "models": [
      { "name": "MODEL_NAME" }
    ],
    "processingLocation": "PROCESSING_LOCATION"
  },
  "filter": {
    "includedCloudStorageBuckets": {
      "bucketIdRegexes": [
        "BUCKET_NAME"
      ]
    }
  }
}

    Wobei:

    • DESCRIPTION ist eine optionale Beschreibung für die Featurekonfiguration. Beispiel: Scan invoices and receipts.

    • MODEL_NAME ist das einzuschließende Modell für maschinelles Lernen: face-detector, object-detector, label-detector, content-safety oder pdf-classification. Weitere Informationen zu den einzelnen Modellen und ihren Ausgabeschemas finden Sie unter Unterstützte Modelle und Schemas. Wenn Sie mehrere Modelle aktivieren möchten, fügen Sie dem Array models zusätzliche Modellobjekte hinzu.

    • PROCESSING_LOCATION ist der multiregionale Standort für die Verarbeitung, an dem die Datenverarbeitung erfolgt. Gültige Werte sind us, eu oder asia.

    • BUCKET_NAME ist der genaue Name eines Buckets, der in den Scan aufgenommen werden soll. Beispiel: my-bucket. Die Objektkontext-Anreicherung unterstützt keine regulären Ausdrücke oder Platzhalter. Wenn Sie Buckets erstellen, neu erstellen oder verschieben, müssen Sie diese Liste aktualisieren, um sie aufzunehmen. Wenn Sie mehrere Buckets einbeziehen möchten, geben Sie zusätzliche Bucket-Namen-Strings im bucketIdRegexes-Array an.

  3. Verwenden Sie cURL, um eine featureConfigs.patch-Anfrage an die JSON API zu senden:

    curl -X PATCH --data-binary @JSON_FILE_NAME \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  -H "Accept: application/json" \
  "https://storage.googleapis.com/v2/projects/PROJECT_ID/locations/global/featureConfigs/FEATURE_CONFIG_ID?updateMask=UPDATE_MASK"

    Wobei:

    • JSON_FILE_NAME ist der lokale Pfad zu Ihrer JSON-Anfragedatei, die Sie in Schritt 2 erstellt haben. Beispiel: update.json.
    • PROJECT_ID ist die ID desGoogle Cloud -Projekts. Beispiel: my-project
    • FEATURE_CONFIG_ID ist die ID der zu aktualisierenden Funktionskonfiguration. Beispiel: my-feature-config.
    • UPDATE_MASK ist eine durch Kommas getrennte Liste von Feldern, die Sie aktualisieren möchten, z. B. description,filter oder autoAnnotateConfig.models. Informationen zu Syntaxregeln finden Sie unter FieldMask.

Featurekonfiguration löschen

Wenn Sie eine Featurekonfiguration löschen, generiert Cloud Storage keine neuen Anreicherungen mehr für übereinstimmende Buckets. Wenn Sie eine Konfiguration löschen, werden die vorhandenen Erweiterungen, die bereits an Ihre gespeicherten Objekte angehängt sind, nicht gelöscht.

Führen Sie die folgenden Schritte aus, um eine Featurekonfiguration zu löschen:

Console

  1. Wechseln Sie in der Google Cloud Console unter „Cloud Storage“ zur Seite Objektkontext-Anreicherung.

    Zu „Objektkontext-Anreicherungen“

  2. Klicken Sie in der Spalte Konfigurationsname auf den Namen der zu löschenden Funktionskonfiguration und dann auf  Löschen.

  3. Klicken Sie im Dialogfeld zur Bestätigung auf Bestätigen.

Befehlszeile

Führen Sie den Befehl gcloud alpha storage feature-configs delete aus:

gcloud alpha storage feature-configs delete FEATURE_CONFIG_ID

Ersetzen Sie FEATURE_CONFIG_ID durch die ID der Featurekonfiguration.

JSON API

  1. Installieren und initialisieren Sie die gcloud CLI, um ein Zugriffstoken für den Authorization-Header zu generieren.

  2. Verwenden Sie cURL, um eine featureConfigs.delete-Anfrage an die JSON API zu senden:

    curl -X DELETE \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Accept: application/json" \
  "https://storage.googleapis.com/v2/projects/PROJECT_ID/locations/global/featureConfigs/FEATURE_CONFIG_ID"

    Wobei:

    • PROJECT_ID ist die ID IhresGoogle Cloud -Projekts. Beispiel: my-project
    • FEATURE_CONFIG_ID ist die ID der zu löschenden Featurekonfiguration. Beispiel: my-feature-config.

Nächste Schritte