將 BigQuery 連接器新增至 Gemini Enterprise Agent Platform Vision 應用程式後，所有連結的應用程式模型輸出內容都會匯入目標資料表。
您可以自行建立 BigQuery 資料表，並在將 BigQuery 連接器新增至應用程式時指定該資料表，也可以讓 Gemini Enterprise Agent Platform Vision 應用程式平台自動建立資料表。
自動建立資料表
如果讓 Gemini Enterprise Agent Platform Vision 應用程式平台自動建立資料表，您可以在新增 BigQuery 連接器節點時指定這個選項。
如要使用自動建立資料表功能，必須符合下列資料集和資料表條件：
- 資料集：系統會自動建立資料集名稱
visionai_dataset。 - 資料表：系統自動建立的資料表名稱為
visionai_dataset.APPLICATION_ID。 錯誤處理機制：
- 如果相同資料集下已有同名資料表，系統不會自動建立資料表。
控制台
開啟 Gemini Enterprise Agent Platform Vision 資訊主頁的「Applications」(應用程式) 分頁。
從清單中選取應用程式名稱旁的「查看應用程式」。
在應用程式建構工具頁面中，從「連接器」部分選取「BigQuery」。
將「BigQuery 路徑」欄位留空。
變更其他設定。
REST 和指令列
如要讓應用程式平台推斷資料表結構定義，請在建立或更新應用程式時，使用 BigQueryConfig 的 createDefaultTableIfNotExists 欄位。
手動建立及指定資料表
如要手動管理輸出資料表，該資料表必須具備必要結構定義，做為資料表結構定義的子集。
如果現有資料表有不相容的結構定義，系統會拒絕部署。
使用預設結構定義
如果您使用模型輸出資料表的預設結構定義，請確保資料表只包含下表中的必要資料欄。建立 BigQuery 資料表時，可以直接複製下列結構定義文字。如要進一步瞭解如何建立 BigQuery 資料表，請參閱「建立及使用資料表」一文。如要進一步瞭解如何指定建立資料表時的結構定義，請參閱指定結構定義。
建立資料表時，請使用下列文字說明結構定義。如要瞭解如何使用 JSON 資料欄類型 ("type": "JSON")，請參閱「在標準 SQL 中使用 JSON 資料」。建議使用 JSON 資料欄類型進行註解查詢。你也可以使用 "type" : "STRING"。
[
{
"name": "ingestion_time",
"type": "TIMESTAMP",
"mode": "REQUIRED"
},
{
"name": "application",
"type": "STRING",
"mode": "REQUIRED"
},
{
"name": "instance",
"type": "STRING",
"mode": "REQUIRED"
},
{
"name": "node",
"type": "STRING",
"mode": "REQUIRED"
},
{
"name": "annotation",
"type": "JSON",
"mode": "REQUIRED"
}
]
Google Cloud 控制台
前往 Google Cloud 控制台的「BigQuery」頁面。
選取專案。
選取「更多選項」圖示 。
點選「建立資料表」。
在「結構定義」部分，啟用「以文字形式編輯」。
gcloud
下列範例會先建立要求 JSON 檔案，然後使用 gcloud alpha bq tables create 指令。
首先，請建立要求 JSON 檔案：
echo "{ \"schema\": [ { \"name\": \"ingestion_time\", \"type\": \"TIMESTAMP\", \"mode\": \"REQUIRED\" }, { \"name\": \"application\", \"type\": \"STRING\", \"mode\": \"REQUIRED\" }, { \"name\": \"instance\", \"type\": \"STRING\", \"mode\": \"REQUIRED\" }, { \"name\": \"node\", \"type\": \"STRING\", \"mode\": \"REQUIRED\" }, { \"name\": \"annotation\", \"type\": \"JSON\", \"mode\": \"REQUIRED\" } ] } " >> bigquery_schema.json傳送
gcloud指令。請進行下列替換：TABLE_NAME：資料表的 ID 或完整限定的資料表 ID。
DATASET：BigQuery 資料集的 ID。
gcloud alpha bq tables create TABLE_NAME \ --dataset=DATASET \ --schema-file=./bigquery_schema.json
Gemini Enterprise Agent Platform Vision 應用程式產生的 BigQuery 資料列範例：
| ingestion_time | 調度應用程式資源 | 執行個體 | 節點 | 註解 |
|---|---|---|---|---|
| 2022-05-11 23:3211.911378 UTC | my_application | 5 | just-one-node | {"bytesFields": ["Ig1qdXN0LW9uZS1ub2RIGgE1Eg5teV9hcHBsaWNhdGlvbgjS+YnOzdj3Ag=="],"displayNames":["hello","world"],"ids":["12345","34567"]} |
| 2022-05-11 23:3211.911338 UTC | my_application | 1 | just-one-node | {"bytesFields": ["Ig1qdXN0LW9uZS1ub2RIGgExEg5teV9hcHBsaWNhdGlvbgiq+YnOzdj3Ag=="],"displayNames":["hello","world"],"ids":["12345","34567"]} |
| 2022-05-11 23:3211.911313 UTC | my_application | 4 | just-one-node | {"bytesFields": ["Ig1qdXN0LW9uZS1ub2RIGgE0Eg5teV9hcHBsaWNhdGlvbgiR+YnOzdj3Ag=="],"displayNames":["hello","world"],"ids":["12345","34567"]} |
| 2022-05-11 23:3212.235327 UTC | my_application | 4 | just-one-node | {"bytesFields": ["Ig1qdXN0LW9uZS1ub2RIGgE0Eg5teV9hcHBsaWNhdGlvbgi/3J3Ozdj3Ag=="],"displayNames":["hello","world"],"ids":["12345","34567"]} |
使用自訂結構定義
如果預設結構定義不適用於您的用途，可以使用 Cloud Run 函式，以使用者定義的結構定義產生 BigQuery 資料列。如果您使用自訂結構定義，BigQuery 資料表結構定義就沒有先決條件。
選取 BigQuery 節點的應用程式圖表
BigQuery 連接器可連結至任何輸出影片或以 Proto 為基礎的註解模型：
- 如果是影片輸入內容，BigQuery 連接器只會擷取儲存在串流標頭中的中繼資料，並將這項資料當做其他模型註解輸出內容，擷取至 BigQuery。系統不會儲存影片本身。
- 如果串流沒有中繼資料，系統就不會將任何資料儲存到 BigQuery。
查詢資料表資料
使用預設 BigQuery 資料表結構定義，資料表填入資料後，您就能執行強大的分析作業。
查詢範例
您可以在 BigQuery 中使用下列範例查詢，從 Gemini Enterprise Agent Platform Vision 模型取得洞察資料。
舉例來說，您可以使用 BigQuery，透過以下查詢，根據人員 / 車輛偵測器模型的資料，繪製每分鐘偵測到的人數上限的時間曲線：
WITH nested3 AS( WITH nested2 AS ( WITH nested AS ( SELECT t.ingestion_time AS ingestion_time, JSON_QUERY_ARRAY(t.annotation.stats["fullFrameCount"]) AS counts FROM `PROJECT_ID.DATASET_NAME.TABLE_NAME` AS t) SELECT ingestion_time, e FROM nested, UNNEST(nested.counts) AS e) SELECT STRING(TIMESTAMP_TRUNC(nested2.ingestion_time, MINUTE, "America/Los_Angeles"),"America/Los_Angeles") AS time, IFNULL(INT64(nested2.e["count"]), 0) AS person_count FROM nested2 WHERE JSON_VALUE(nested2.e["entity"]["labelString"])="Person") SELECT time, MAX(person_count) FROM nested3 GROUP BY time
同樣地，您可以使用 BigQuery 和占用率分析模型的越線計數功能，建立查詢來計算每分鐘通過越線的車輛總數：
WITH nested4 AS ( WITH nested3 AS ( WITH nested2 AS ( WITH nested AS ( SELECT t.ingestion_time AS ingestion_time, JSON_QUERY_ARRAY(t.annotation.stats["crossingLineCounts"]) AS lines FROM `PROJECT_ID.DATASET_NAME.TABLE_NAME` AS t) SELECT nested.ingestion_time, JSON_QUERY_ARRAY(line["positiveDirectionCounts"]) AS entities FROM nested, UNNEST(nested.lines) AS line WHERE JSON_VALUE(line.annotation.id) = "LINE_ANNOTATION_ID") SELECT ingestion_time, entity FROM nested2, UNNEST(nested2.entities) AS entity ) SELECT STRING(TIMESTAMP_TRUNC(nested3.ingestion_time, MINUTE, "America/Los_Angeles"),"America/Los_Angeles") AS time, IFNULL(INT64(nested3.entity["count"]), 0) AS vehicle_count FROM nested3 WHERE JSON_VALUE(nested3.entity["entity"]["labelString"])="Vehicle" ) SELECT time, SUM(vehicle_count) FROM nested4 GROUP BY time
執行查詢
格式化 Google 標準 SQL 查詢後，您可以使用控制台執行查詢：
控制台
在 Google Cloud 控制台開啟「BigQuery」頁面。
選取資料集名稱旁的「展開」，然後選取資料表名稱。
在表格詳細資料檢視畫面中，按一下「撰寫新查詢」。
在「Query editor」(查詢編輯器) 文字區域中輸入 Google 標準 SQL 查詢。如需查詢範例，請參閱查詢範例。
選用：如要變更資料處理位置，請依序點選「編輯」>「查詢設定」。在「處理位置」下方，點選「自動選取」，然後選擇資料的位置。最後，點選「儲存」，更新查詢設定。
按一下 [Run] (執行)。
這會建立一個查詢工作，將輸出寫入暫時性資料表。
整合 Cloud Run functions
您可以透過 Cloud Run 函式觸發額外的資料處理作業，並使用自訂的 BigQuery 擷取作業。如要使用 Cloud Run functions 進行自訂 BigQuery 擷取作業，請按照下列步驟操作：
使用 Google Cloud 控制台時，請從每個已連結模型的下拉式選單中，選取對應的 Cloud Functions。
使用 Gemini Enterprise Agent Platform Vision API 時，請在 BigQuery 節點的
BigQueryConfigcloud_function_mapping欄位中新增一組鍵值組。鍵是 BigQuery 節點名稱，值是目標函式的 HTTP 觸發程序。
如要搭配自訂 BigQuery 擷取作業使用 Cloud Run functions，函式必須符合下列規定：
- 建立 BigQuery 節點前，請先建立 Cloud Run functions 執行個體。
- Gemini Enterprise Agent Platform Vision API 預期會收到 Cloud Run 函式傳回的
AppendRowsRequest註解。 - 您必須為所有
CloudFunction回應設定proto_rows.writer_schema欄位，可以忽略write_stream。
Cloud Run functions 整合範例
以下範例說明如何剖析入住人數計數節點輸出 (OccupancyCountPredictionResult)，並從中擷取 ingestion_time、person_count 和 vehicle_count 表格結構定義。
下列範例的結果是具有下列結構定義的 BigQuery 資料表：
[
{
"name": "ingestion_time",
"type": "TIMESTAMP",
"mode": "REQUIRED"
},
{
"name": "person_count",
"type": "INTEGER",
"mode": "NULLABLE"
},
{
"name": "vehicle_count",
"type": "INTEGER",
"mode": "NULLABLE"
},
]
請使用下列程式碼建立這個表格：
為要寫入的資料表欄位定義 proto (例如
test_table_schema.proto)：syntax = "proto3"; package visionai.testing; message TestTableSchema { int64 ingestion_time = 1; int32 person_count = 2; int32 vehicle_count = 3; }編譯 proto 檔案，產生通訊協定緩衝區 Python 檔案：
protoc -I=./ --python_out=./ ./test_table_schema.proto匯入產生的 Python 檔案，並編寫 Cloud Functions。
Python
import base64 import sys from flask import jsonify import functions_framework from google.protobuf import descriptor_pb2 from google.protobuf.json_format import MessageToDict import test_table_schema_pb2 def table_schema(): schema = descriptor_pb2.DescriptorProto() test_table_schema_pb2.DESCRIPTOR.message_types_by_name[ 'TestTableSchema'].CopyToProto(schema) return schema def bigquery_append_row_request(row): append_row_request = {} append_row_request['protoRows'] = { 'writerSchema': { 'protoDescriptor': MessageToDict(table_schema()) }, 'rows': { 'serializedRows': base64.b64encode(row.SerializeToString()).decode('utf-8') } } return append_row_request @functions_framework.http def hello_http(request): request_json = request.get_json(silent=False) annotations = [] payloads = [] if request_json and 'annotations' in request_json: for annotation_with_timestamp in request_json['annotations']: row = test_table_schema_pb2.TestTableSchema() row.person_count = 0 row.vehicle_count = 0 if 'ingestionTimeMicros' in annotation_with_timestamp: row.ingestion_time = int( annotation_with_timestamp['ingestionTimeMicros']) if 'annotation' in annotation_with_timestamp: annotation = annotation_with_timestamp['annotation'] if 'stats' in annotation: stats = annotation['stats'] for count in stats['fullFrameCount']: if count['entity']['labelString'] == 'Person': if 'count' in count: row.person_count = count['count'] elif count['entity']['labelString'] == 'Vehicle': if 'count' in count: row.vehicle_count = count['count'] payloads.append(bigquery_append_row_request(row)) for payload in payloads: annotations.append({'annotation': payload}) return jsonify(annotations=annotations)
如要在 Cloud Run functions 中加入依附元件，您也必須上傳產生的
test_table_schema_pb2.py檔案，並指定類似下列的requirements.txt：functions-framework==3.* click==7.1.2 cloudevents==1.2.0 deprecation==2.1.0 Flask==1.1.2 gunicorn==20.0.4 itsdangerous==1.1.0 Jinja2==2.11.2 MarkupSafe==1.1.1 pathtools==0.1.2 watchdog==1.0.2 Werkzeug==1.0.1 protobuf==3.12.2部署 Cloud 函式，並在
BigQueryConfig中設定對應的 HTTP 觸發條件。