Pelajari codelab interaktif untuk AlloyDB Omni dan AlloyDB AI guna mempelajari cara men-deploy dan mengelola database, menjalankan model AI lokal, dan melakukan penelusuran vektor. Anda juga dapat mempelajari cara membangun aplikasi retrieval-augmented generation (RAG) dan mengintegrasikan agen AI menggunakan Model Context Protocol (MCP).
Deployment dan operasi
-
Men-deploy AlloyDB Omni di satu VM Compute Engine
Menyediakan virtual machine (VM) Compute Engine dan menginstal AlloyDB Omni menggunakan paket RPM.
-
Men-deploy dan mengelola AlloyDB Omni di Kubernetes
Instal operator Kubernetes AlloyDB Omni di cluster Autopilot Google Kubernetes Engine (GKE) atau cluster Kubernetes Anda sendiri dan kelola operasi siklus proses database.
-
Men-deploy cluster ketersediaan tinggi AlloyDB Omni di VM Compute Engine menggunakan orchestrator RPM
Men-deploy cluster AlloyDB Omni dengan ketersediaan tinggi (HA) di VM Compute Engine menggunakan orchestrator RPM.
-
Replikasi logis dengan AlloyDB Omni
Men-deploy beberapa instance AlloyDB Omni di VM Compute Engine dan mengonfigurasi replikasi logis di antaranya menggunakan ekstensi
pglogical. -
Mencadangkan dan memulihkan deployment RPM AlloyDB Omni ke penyimpanan yang kompatibel dengan S3 menggunakan pgBackRest
Konfigurasikan pgBackRest untuk mencadangkan dan memulihkan deployment RPM AlloyDB Omni menggunakan penyimpanan objek yang kompatibel dengan S3.
-
Mencadangkan dan memulihkan AlloyDB Omni ke penyimpanan yang kompatibel dengan S3 menggunakan orchestrator RPM
Mencadangkan dan memulihkan cluster ketersediaan tinggi (HA) AlloyDB Omni ke penyimpanan objek yang kompatibel dengan S3 menggunakan orchestrator RPM.
-
Mengaktifkan transparent data encryption (TDE) pada deployment RPM AlloyDB Omni
Konfigurasikan dan aktifkan enkripsi data transparan (TDE) pada deployment RPM AlloyDB Omni menggunakan KMS File, dan verifikasi enkripsi data tingkat disk.
-
Mempercepat kueri analisis dengan columnar engine di AlloyDB Omni
Deploy AlloyDB Omni di VM Compute Engine, muat data, dan gunakan columnar engine untuk mempercepat kueri analisis.
Model AI lokal dan terbuka
-
AlloyDB Omni dan EmbeddingGemma dengan Gemma 4 di Kubernetes
Men-deploy AlloyDB Omni, EmbeddingGemma, dan Gemma 4 di GKE, mendaftarkan model di AlloyDB Omni, serta menjalankan kueri penelusuran vektor dan model bahasa besar (LLM) dari SQL.
-
AI canggih dengan Gemma 4 dan AlloyDB Omni untuk industri yang diregulasi
Jalankan AlloyDB Omni dengan model open-weights seperti Gemma 4, TimesFM, dan TabFM di lingkungan yang tidak terhubung atau diatur.
Penelusuran vektor, fungsi AI, dan RAG
-
Mulai menggunakan embedding vektor di AlloyDB AI
Membuat embedding vektor, membuat indeks vektor, dan menjalankan penelusuran kemiripan menggunakan AlloyDB AI dan Vertex AI.
-
Membuat embedding vektor dalam skala besar dengan AlloyDB untuk PostgreSQL
Isi ulang embedding vektor dalam batch, siapkan pemicu inkremental untuk menyematkan baris baru secara otomatis, dan jalankan penelusuran vektor dan SQL campuran dengan menggunakan AlloyDB AI.
-
Aplikasi RAG AlloyDB untuk PostgreSQL dengan MCP Toolbox untuk Database
Mengonfigurasi MCP Toolbox for Databases dengan AlloyDB dan membangun aplikasi RAG interaktif.
-
Operator dan pemeringkatan ulang AlloyDB AI
Menggunakan operator AlloyDB AI untuk penelusuran semantik, penggabungan semantik, dan pemeringkatan ulang hasil dalam kueri SQL.