ML-Vorhersagen mit SQL generieren

Auf dieser Seite wird beschrieben, wie Sie Vorhersagen für maschinelles Lernen (ML) aus einer Spanner-Datenbank generieren. ML-Vorhersagen funktionieren sowohl mit Datenbanken im GoogleSQL-Dialekt als auch mit Datenbanken im PostgreSQL-Dialekt.

Mit der Spanner Agent Platform-Integration können Sie Vorhersagen mit Ihrem SQL-Code generieren, indem Sie die Funktion ML.PREDICT für GoogleSQL oder die Funktion spanner.ML_PREDICT_ROW für PostgreSQL aufrufen. Weitere Informationen zur Integration der Spanner Agent Platform finden Sie unter Übersicht über die Integration der Spanner Agent Platform.

Hinweis

Bevor Sie Vorhersagen aus einer Spanner-Instanz generieren können, müssen Sie Ihre Datenbank vorbereiten und ein Modell auswählen.

Zugriff für die Spanner Agent Platform-Integration auf Agent Platform-Endpunkte konfigurieren

Spanner erstellt den Dienst-Agent und gewährt die erforderlichen Berechtigungen automatisch, wenn Spanner die erste MODEL-DDL-Anweisung ausführt. Wenn sich sowohl die Spanner-Datenbank als auch der Gemini Enterprise Agent Platform-Endpunkt im selben Projekt befinden, ist keine zusätzliche Einrichtung erforderlich.

Wenn das Spanner-Dienst-Agent-Konto für Ihr Spanner-Projekt nicht vorhanden ist, erstellen Sie es mit dem folgenden Befehl:

gcloud beta services identity create --service=spanner.googleapis.com --project={PROJECT}`

Folgen Sie der Anleitung unter Einzelne Rolle gewähren, um dem Spanner-Dienst-Agent-Konto service-PROJECT_NUMBER@gcp-sa-spanner.iam.gserviceaccount.com in Ihrem Agent Platform-Projekt die Rolle Spanner API Service Agent zuzuweisen.

Modell auswählen

Wenn Sie die Funktion ML.PREDICT (für GoogleSQL) oder spanner.ML_PREDICT_ROW (für PostgreSQL) verwenden, müssen Sie den Speicherort des ML-Modells angeben. Das ausgewählte Modell kann eines der folgenden sein:

  • Ein Modell, das in Model Garden ausgeführt wird.

  • Ein Agent Platform-Modell mit einem aktiven Endpunkt, auf den Ihr Spanner-Dienstkonto Zugriffsberechtigungen hat.

Weitere Informationen zur Spanner Agent Platform-Integration finden Sie unter Wie funktioniert die Spanner Agent Platform-Integration?.

Vorhersagen generieren

Je nach Art des ausgewählten Modells unterscheiden sich die Schritte zum Generieren der Vorhersagen.

Modell in Model Garden verwenden

Wenn Sie eine Vorhersage mit einem Modell aus Model Garden generieren möchten, wählen Sie ein Modell aus Model Garden aus.

GoogleSQL

Bevor Sie ein Modell mit ML.PREDICT() verwenden können, müssen Sie es mit der CREATE MODEL-Anweisung registrieren.

CREATE MODEL 'MODEL_NAME'
INPUT (INPUT_COLUMN_NAME INPUT_COLUMN_TYPE)
OUTPUT (OUTPUT_COLUMN_NAME OUTPUT_COLUMN_TYPE)
REMOTE
OPTIONS (
  endpoint = '//aiplatform.googleapis.com/projects/PROJECT_ID/locations/LOCATION_ID/publishers/google/models/model_id'
);

Ersetzen Sie Folgendes:

  • MODEL_NAME: der Name, den Sie Ihrem Modell geben möchten

  • INPUT_COLUMN_NAME: Der Name Ihrer Eingabespalte. Wenn Sie beispielsweise das Modell gemini-pro verwenden, lautet der Name der Eingabespalte prompt.

  • INPUT_COLUMN_TYPE: Der Datentyp für INPUT_COLUMN_NAME

  • OUTPUT_COLUMN_NAME: Der Name der Ausgabespalte. Wenn Sie beispielsweise das Modell gemini-pro verwenden, lautet der Ausgabespaltenname content.

  • OUTPUT_COLUMN_TYPE: Der Datentyp für OUTPUT_COLUMN_NAME

  • PROJECT_ID: die ID Ihres Google Cloud -Projekts

  • REGION_ID: Die ID der Google Cloud -Region, in der sich das Modell befindet, z. B. us-central1

  • MODEL_ID: die ID des ML-Modells, das Sie verwenden möchten, z. B. gemini-pro

    Weitere Informationen zu Modellen finden Sie in der Modell-API-Referenz für generative KI.

Verwenden Sie die GoogleSQL-Funktion ML.PREDICT mit dem im Model Garden ausgewählten Modell, um die Vorhersage zu generieren.

SELECT * FROM ML.PREDICT(
  MODEL `MODEL_NAME`,