本页面介绍了使用 Linux 部署选项的 AlloyDB Omni 当前版本 (17.5.0)。选择其他部署选项。

Google 会使用 AI 技术将内容翻译成您偏好的语言。AI 翻译可能包含错误。

执行时序预测

选择文档版本：

本页面介绍了如何在 AlloyDB Omni 数据库中直接执行时序预测。您可以使用各种预测模型（包括 TimesFM 模型）来帮助您应对不确定性并做出明智的战略决策。如需详细了解该模型，请参阅TimesFM 研究博客。

AlloyDB Omni 的 ai.forecast 函数旨在与注册为 ts_forecasting 模型类型的任何模型搭配使用，让您可以灵活地使用最适合自己需求的模型。本文档详细介绍了如何使用 TimesFM，但您也可以将这些原则应用于其他模型。

准备工作

您必须先在 AlloyDB Omni 中启用预测数据库标志并注册预测模型，然后才能执行时序预测。

注册预测模型

您可以将各种预测模型与 AlloyDB Omni 搭配使用。

本部分介绍了如何注册 TimesFM 模型。如需了解如何注册其他模型，请参阅使用模型端点管理注册模型端点。

使用 TimesFM 模型

TimesFM 模型有两个版本：

TimesFM 1.0：TimesFM 模型的初始版本。
TimesFM 2.0：此版本包含一个 5 亿参数的检查点及其推理代码。与 1.0 模型相比，此版本可提供更好的模型性能。
TimesFM 2.5：此版本包含一个 2 亿参数的检查点及其推理代码。与 2.0 模型相比，此版本可提供更好的模型性能。

所有模型都可在 Model Garden 中快速部署。

如需使用 TimesFM 模型，您必须先将 TimesFM 模型部署到 Vertex AI 端点，然后在 AlloyDB Omni 中注册该模型。

将 TimesFM 模型部署到 Vertex AI 端点

您可以使用控制台中的一键式部署来部署模型， Google Cloud 或使用 Colaboratory 笔记本手动部署模型。

一键式部署

如需使用一键式部署来部署 TimesFM 模型，请按照以下步骤操作：

在 Google Cloud 控制台中，前往 Model Garden 页面：
转到 Model Garden
在搜索字段中，输入 TimesFM。
在搜索结果中，点击 TimesFM。
在 TimesFM 页面中，完成以下步骤：
1. 点击部署模型。
2. 选择 Vertex AI。
在在 Vertex AI 上部署 窗格中，配置并部署模型：
1. 如需使用最新版本的 TimesFM 模型，请在资源 ID 下拉菜单中选择 google/timesfm-2.0。
2. 为了便于日后识别部署，请输入以下内容：
  1. 在模型名称 中，输入唯一的 MODEL_NAME。
  2. 在端点名称中，输入唯一的ENDPOINT_NAME。
3. 如需展开配置选项，请在部署设置 中，点击高级。
  1. 为了确保延迟时间尽可能短，请在区域下拉菜单中选择 AlloyDB Omni 实例所在的区域。
  2. 为了获得最佳性能，请在机器规格 下拉菜单中选择合适的机器规格。请注意，GPU 或 TPU 可能会提供更低的延迟时间。
4. 在可用性政策 的端点访问权限 下拉菜单中，选择公开（共享端点） 。
  
  这会在 aiplatform 域名中创建一个与 AlloyDB Omni 搭配使用的端点。
5. 如需将模型部署到托管式端点，请点击部署。部署可能需要大约 10-15 分钟。
部署 TimesFM 模型后，google_timesfm-VERSION-one-click-deploy 中会显示类似于端点的链接。
如需获取模型请求网址，请在端点中，点击部署链接。
在端点详情页面上，点击示例请求 。
在示例请求 窗格中，找到并记下模型请求网址。您可以在在 AlloyDB Omni 中注册 TimesFM 模型中使用此信息，例如 https://us-central1-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/REGION/endpoints/ENDPOINT_ID:predict。

请确保请求网址中包含 aiplatform.googleapis.com。

手动部署

如需使用 Colaboratory 笔记本手动部署 TimesFM 模型，请按照以下步骤操作：

前往 Google Cloud 控制台中的 Model Garden 页面：
转到 Model Garden
在搜索字段中，输入 TimesFM。
在搜索结果中，点击 TimesFM 以打开模型卡片。
在 TimesFM 页面中，点击 CO Open Notebook 。
在打开笔记本 窗口中，点击 TimesFM 2.0 的 Collab Enterprise 链接。
在 Collab Enterprise 页面中，完成以下步骤：
1. 如需与运行时环境建立连接，请点击连接。
2. 可选：根据需要完成以下步骤：
  - 在设置 Google Cloud 项目的前提条件部分中，设置 BUCKET_URI 和 REGION，例如，将 BUCKET_URI 设置为 gs://your-unique-bucket-name，并将 REGION 设置为 us-central1。
    
    注意：存储桶名称必须具有全局唯一性。如果您未设置区域，系统会根据 Colab Enterprise 环境自动设置区域。
  - 在将 TimesFM 部署到 Vertex AI 端点的 accelerator_type 下拉菜单中，根据需要选择不同的加速器类型。
  - 在第 3 步：设置最大预测范围中，填写horizon和max_context字段，例如，将horizon设置为128，并将max_context设置为512。
3. 取消选中 use_dedicated_endpoint 复选框。
4. 执行笔记本中的所有单元。
笔记本的输出以以下格式提供端点详细信息：projects/PROJECT_ID/locations/REGION/endpoints/ENDPOINT_ID。

如需为 SQL 模型创建调用构建 model_request_url，请将项目和端点标识符替换为上一步中的端点详细信息，如下所示：

CALL google_ml.create_model(
 model_id => 'timesfm_v2',
 model_qualified_name => 'timesfm_v2',
 model_type => 'ts_forecasting',
 model_provider => 'google',
 model_request_url => 'https://REGION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/REGION/endpoints/ENDPOINT_ID:predict');

在 AlloyDB Omni 中注册 TimesFM 模型时，您需要在 google_ml.create_model 调用中使用此 model_request_url，如下一部分所述。

如需确认 ai.forecast 函数按预期运行，请运行以下示例查询：

SELECT * FROM ai.forecast(
   source_query=> '
     SELECT my_timestamp, my_data_value FROM (
       VALUES
         (CAST(''2025-01-01'' AS TIMESTAMP), 10.0),
         (CAST(''2025-01-02'' AS TIMESTAMP), 12.0),
         (CAST(''2025-01-03'' AS TIMESTAMP), 11.0),
         (CAST(''2025-01-04'' AS TIMESTAMP), 13.0),
         (CAST(''2025-01-05'' AS TIMESTAMP), 15.0),
         (CAST(''2025-01-06'' AS TIMESTAMP), 14.0),
         (CAST(''2025-01-07'' AS TIMESTAMP), 16.0),
         (CAST(''2025-01-08'' AS TIMESTAMP), 18.0),
         (CAST(''2025-01-09'' AS TIMESTAMP), 17.0),
         (CAST(''2025-01-10'' AS TIMESTAMP), 20.0)
       ) AS t (my_timestamp, my_data_value)
     ' ,
   model_id => 'timesfm_v2',
   data_col => 'my_data_value',
   timestamp_col => 'my_timestamp',

   -- The rest of the parameters are the same
   horizon => 7,
   conf_level => 0.80
);

在 AlloyDB Omni 中注册 TimesFM 模型

如需在 AlloyDB Omni 中注册 TimesFM 模型，请按照以下步骤操作：

验证包含您要用于运行预测的数据的 AlloyDB Omni 数据库中是否已安装 the google_ml_integration 扩展程序。

确认您已安装 1.4.5 或更高版本的 google_ml_integration 扩展程序。

SELECT extversion FROM pg_extension WHERE extname = 'google_ml_integration';

以下是示例输出：

extversion
------------
1.4.5
(1 row)

使用您在注册预测模型中记下的模型请求网址调用 google_ml.create_model。
```
CALL
google_ml.create_model(
  model_id => 'MODEL_ID',
  model_qualified_name => 'MODEL_QUALIFIED_NAME',
  model_type => 'ts_forecasting',
  model_provider => 'google',
  model_request_url => 'https://REGION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/REGION/endpoints/ENDPOINT_ID:predict' -- Example endpoint from Model Garden
  );
```
替换以下内容：
- MODEL_ID：您要用于预测的已注册模型的唯一标识符，例如 vertex_timesfm。
- MODEL_QUALIFIED_NAME：用户为模型定义的名称，例如 timesfm_v2。
- REGION：实例所在的区域，例如 us-central1。
- PROJECT_ID：在其中部署模型的项目的名称，例如 forecast_project。
- ENDPOINT_ID：模型部署的名称，例如 my-timesfm-endpoint。
  
  model_request_url 由 Vertex AI 在您部署模型后提供。从 Vertex AI 控制台的示例请求 窗格中复制整个网址。它已包含正确的项目和端点信息。
注意：如果 AlloyDB Omni 实例与 Vertex AI 模型端点位于不同的 Google Cloud 项目中，请确保在托管 Vertex AI 模型的项目中，为 AlloyDB Omni 服务账号授予 Vertex AI User 角色 (roles/aiplatform.user)。

启用预测数据库标志

您必须先将 google_ml_integration.enable_forecasting 数据库标志设置为 on，然后才能使用已注册的模型生成预测。

您可以为当前会话启用此标志，也可以将其设置为在不同会话中针对特定数据库或用户保留。如需设置数据库标志，请选择以下选项之一：

为当前会话启用标志：

SET google_ml_integration.enable_forecasting = on;

为特定数据库启用标志：

ALTER DATABASE DATABASE_NAME SET google_ml_integration.enable_forecasting = 'on';

将 DATABASE_NAME 替换为数据库的名称。

为特定数据库用户启用标志：

ALTER ROLE postgres SET google_ml_integration.enable_forecasting = 'on';

生成预测

ai.forecast 函数另有文档介绍。如需查看完整的参数列表（包括说明和示例），请参阅模型端点管理参考文档。

根据源表生成预测

以下示例展示了如何使用源表调用 ai.forecast 函数来生成预测：

SELECT * FROM ai.forecast(
    model_id => 'MODEL_ID',
    source_table => 'time_series_data',
    data_col => 'data_points',
    timestamp_col => 'timestamp',
    horizon => 2,
    conf_level => 0.80
);

根据查询生成预测

以下示例展示了如何通过使用子查询作为数据源调用 ai.forecast 函数来生成预测：

SELECT * FROM ai.forecast(
    model_id => 'MODEL_ID',
    source_query => '(SELECT * FROM time_series_data ORDER BY timestamp LIMIT 1) AS time_series_data',
    data_col => 'data_points',
    timestamp_col => 'timestamp',
    horizon => 2,
    conf_level => 0.80
);

使用其他预测模型

您可以将 ai.forecast 函数与您在 AlloyDB Omni 中注册的任何其他时序预测模型搭配使用。关键是确保您的模型注册为 ts_forecasting 模型类型。

如需详细了解如何注册不同类型的模型，请参阅使用模型端点管理注册和调用远程 AI 模型。注册模型后，您可以通过指定 model_id 将该模型与 ai.forecast 函数搭配使用。