כתיבת שאילתות בעזרת Gemini

אתם יכולים להשתמש בעזרה מבוססת-AI של Gemini ב-BigQuery כדי לנתח נתונים מהר יותר באמצעות קוד SQL ו-Python. אתם יכולים ליצור קוד מהנחיות בשפה טבעית, לקבל הסברים על לוגיקה מורכבת ולהשתמש בהצעות להשלמת הקוד כדי לחקור את מערכי הנתונים מהר יותר ולהשקיע פחות זמן בניפוי באגים.

‫Gemini ל- Google Cloud לא משתמש בהנחיות או בתשובות שלכם כנתונים לאימון המודלים שלו בלי אישור מפורש מכם. איך Gemini for Google Cloud ‎ משתמש בנתונים שלכם

הערה: כדי להביע הסכמה לשיתוף נתונים עם Gemini ב-BigQuery בתכונות בגרסת טרום-השקה (Preview), קראו את המאמר עזרה בשיפור ההצעות.

‫Gemini ב-BigQuery תומך רק בהנחיות באנגלית.

המסמך הזה מיועד למנתחי נתונים, למדעני נתונים ולמפתחי נתונים שעובדים עם שאילתות SQL, notebooks וכלי ניתוח פרוגרמטיים. ההנחה היא שאתם יודעים איך לשלוח שאילתות על נתונים בסביבת BigQuery Studio או איך לעבוד עם קובצי Notebook של Python כדי לנתח נתונים ב-BigQuery.

לפני שמתחילים

1. מוודאים שהגדרתם את Gemini ב-BigQuery בפרויקט ב- Google Cloud . בדרך כלל, האדמין מבצע את השלב הזה. יכול להיות שהתכונות של Gemini ב-BigQuery יהיו מושבתות או לא זמינות עד שתשלימו את השלבים הבאים בקטע הזה.
2. כדי להשתמש ב-Gemini Cloud Assist, צריך גם לפעול לפי השלבים שמפורטים במאמר הגדרת Gemini Cloud Assist.
3. כדי להשתמש ב-Gemini להסבר ולתיקון של קוד Python ב-notebooks של Colab Enterprise ב-BigQuery, צריך גם לפעול לפי השלבים שמפורטים במאמר הגדרת Gemini ב-Colab Enterprise לפרויקט.

4. בדף לבחירת הפרויקט במסוף Google Cloud , בוחרים פרויקט ב- Google Cloud או יוצרים אותו.

   התפקידים שנדרשים כדי לבחור או ליצור פרויקט

   • בחירת פרויקט: כדי לבחור פרויקט לא נדרש תפקיד IAM ספציפי – אתם יכולים לבחור כל פרויקט שקיבלתם בו תפקיד.
   • יצירת פרויקט: כדי ליצור פרויקט, צריך את התפקיד "יצירת פרויקטים" (roles/resourcemanager.projectCreator), שכולל את ההרשאה resourcemanager.projects.create. איך מקצים תפקידים?
   הערה: אם אתם לא מתכננים לשמור את המשאבים שתיצרו בתהליך הזה, תוכלו ליצור פרויקט חדש במקום לבחור באחד מהפרויקטים הקיימים. בסיום התהליך תוכלו למחוק את הפרויקט ולהסיר את כל המשאבים שקשורים אליו.

   כניסה לדף לבחירת הפרויקט

5. נכנסים לדף BigQuery Studio במסוף Google Cloud .

   כניסה ל-BigQuery Studio

6. בסרגל הכלים של BigQuery, לוחצים על pen_sparkGemini.

   

7. ברשימת התכונות, מוודאים שהתכונות הבאות נבחרו:

   • רשימת Gemini in שאילתת SQL:

     • השלמה אוטומטית (גרסת טרום-השקה). כשמקלידים בעורך השאילתות, Gemini יכול להציע את השלבים הלוגיים הבאים שרלוונטיים להקשר של השאילתה הנוכחית, או לעזור לכם לשפר את השאילתה.
     • יצירה אוטומטית. כדי ליצור שאילתת SQL, אתם יכולים להזין הנחיה ל-Gemini ב-BigQuery באמצעות הערה בשפה טבעית בעורך השאילתות של BigQuery.
     • כלי ליצירת SQL. אתם יכולים להזין טקסט בשפה טבעית בכלי כדי ליצור שאילתת SQL, עם אפשרויות לשיפור תוצאות השאילתה, לבחירת מקורות לטבלאות ולהשוואת תוצאות.
     • הסבר. אתם יכולים להנחות את Gemini ב-BigQuery להסביר שאילתת SQL בשפה טבעית.

   • רשימת Gemini ב-Python notebook:

     • השלמת קוד (גרסת טרום-השקה). ‫Gemini מספק המלצות שמתאימות להקשר על סמך התוכן ב-Notebook.
     • יצירת קוד. אתם יכולים לתת ל-Gemini הנחיה באמצעות משפט או שאלה בשפה טבעית כדי ליצור קוד Python.

8. כדי לבצע את המשימות שמתוארות במאמר הזה, ודאו שיש לכם את ההרשאות הנדרשות לניהול זהויות והרשאות גישה (IAM).

התפקידים הנדרשים

כדי לקבל את ההרשאות שנדרשות לכתיבת שאילתות בעזרת Gemini, בקשו מהאדמין לתת לכם את התפקיד משתמש ב-Gemini ל-Google Cloud (roles/cloudaicompanion.user) ב-IAM בפרויקט. כדי לקרוא הסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

זהו תפקיד שמוגדר מראש וכולל את ההרשאות שנדרשות לכתיבת שאילתות בעזרת Gemini. כדי לראות בדיוק אילו הרשאות נדרשות, אפשר להרחיב את הקטע ההרשאות הנדרשות:

ההרשאות הנדרשות

כדי לכתוב שאילתות בעזרת Gemini, צריך את ההרשאות הבאות:

• cloudaicompanion.entitlements.get
• cloudaicompanion.instances.completeTask
• הסבר על שאילתות SQL: cloudaicompanion.companions.generateChat
• קוד SQL או Python מלא: cloudaicompanion.instances.completeCode
• יוצרים קוד SQL או Python: cloudaicompanion.instances.generateCode

יכול להיות שתקבלו את ההרשאות האלה באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש אחרים.

במאמר מבוא ל-IAM תוכלו לקרוא מידע נוסף על התפקידים וההרשאות של IAM ב-BigQuery.

יצירת שאילתת SQL

פיתוח הטכנולוגיה הזאת נמצא בשלב מוקדם, ולכן יכול להיות שהמוצרים של Gemini for Google Cloud‎ יפיקו פלט שנראה סביר אבל כולל עובדות שגויות. מומלץ לאמת כל פלט של מוצרי Gemini for Google Cloud ‎ לפני שמשתמשים בו. כדי לקבל מידע נוסף, קראו את המאמר Gemini for Google Cloud ‎ ואתיקה של בינה מלאכותית.

כדי ליצור שאילתת SQL על סמך הסכימה של הנתונים, אתם יכולים לתת ל-Gemini ב-BigQuery הצהרה או שאלה בשפה טבעית, שנקראת גם הנחיה. אתם יכולים גם לעיין בהמלצות להנחיות מ-Gemini. גם אם אתם מתחילים בלי קוד, עם ידע מוגבל בסכימת הנתונים או רק עם ידע בסיסי בתחביר GoogleSQL, אתם יכולים להשתמש ב-Gemini ב-BigQuery כדי ליצור קוד SQL שיעזור לכם לחקור את הנתונים.

שימוש בכלי ליצירת SQL

הכלי ליצירת SQL מאפשר לכם להשתמש בשפה טבעית כדי ליצור שאילתת SQL לגבי הטבלאות שצפיתם בהן או ששלחתם אליהן שאילתות לאחרונה. אתם יכולים גם להשתמש בכלי כדי לשנות שאילתה קיימת, ולציין באופן ידני את הטבלאות שאתם רוצים ליצור להן SQL.

כדי להשתמש בכלי ליצירת SQL:

1. נכנסים לדף BigQuery Studio במסוף Google Cloud .

   כניסה ל-BigQuery Studio

2. ליד עורך השאילתות, לוחצים על pen_spark SQL generation tool.

   

3. בתיבת הדו-שיח Generate SQL with Gemini, יש לכם את האפשרויות הבאות:

   • מזינים הנחיה בשפה טבעית לגבי טבלה שצפיתם בה או שלחתם אליה שאילתה לאחרונה. לדוגמה, אם לאחרונה צפיתם בטבלה bigquery-public-data.austin_bikeshare.bikeshare_trips, אתם יכולים להזין את הטקסט הבא:

     Show me the duration and subscriber type for the ten longest trips.
     

   • לוחצים על אחת מההנחיות המומלצות של Gemini (גרסת טרום-השקה (Preview)). ההנחיה מועתקת לתיבת הדו-שיח Generate SQL with Gemini.

4. לוחצים על יצירה.

   שאילתת ה-SQL שנוצרה דומה לשאילתה הבאה:

   SELECT
       subscriber_type,
       duration_sec
     FROM
         `bigquery-public-data.san_francisco_bikeshare.bikeshare_trips`
   ORDER BY
       duration_sec DESC
   LIMIT 10;
   

   הערה: יכול להיות ש-Gemini ב-BigQuery יציע תחביר שונה בכל פעם שתזינו את אותה הנחיה.

5. בודקים את שאילתת ה-SQL שנוצרה ומבצעים אחת מהפעולות הבאות:

   • כדי לאשר את שאילתת ה-SQL שנוצרה, לוחצים על Insert כדי להוסיף את ההצהרה לעורך השאילתות. אחר כך לוחצים על Run כדי להריץ את שאילתת ה-SQL המוצעת.
   • כדי לערוך את ההנחיה, לוחצים על Edit ואז משנים או מחליפים את ההנחיה הראשונית. אחרי שמשנים את ההנחיה, לוחצים על Update כדי ליצור שאילתה חדשה.
   • כדי לעדכן את מקורות הטבלה ששימשו כהקשר ליצירת שאילתת ה-SQL המוצעת, לוחצים על Edit Table Sources, מסמנים את תיבות הסימון המתאימות ולוחצים על Apply.
   • כדי לראות סיכום בשפה טבעית של השאילתה שנוצרה, לוחצים על Query Summary.
   • כדי לשפר את שאילתת ה-SQL המוצעת, מזינים את השיפורים בשדה Refine ולוחצים על Refine. לדוגמה, אפשר להזין את הערך limit to 1000 כדי להגביל את מספר התוצאות של השאילתה. כדי להשוות בין השינויים בשאילתה, מסמנים את התיבה Show diff.
   • כדי לדחות הצעה לשאילתה, סוגרים את הכלי ליצירת SQL.

השבתת הכלי ליצירת SQL

במאמר השבתת התכונות של Gemini query assistant מוסבר איך משביתים את הכלי ליצירת SQL.

יצירת SQL מתגובה

כדי ליצור SQL בעורך השאילתות, מתארים את השאילתה הרצויה בהערה.

1. נכנסים לדף BigQuery Studio במסוף Google Cloud .

   כניסה ל-BigQuery Studio

2. בעורך השאילתות, לוחצים על שאילתת SQL.

3. בעורך השאילתות, כותבים הערת SQL לגבי טבלה שצפיתם בה או שלחתם אליה שאילתה לאחרונה. לדוגמה, אם לאחרונה צפיתם בטבלה bigquery-public-data.austin_bikeshare.bikeshare_trips, תוכלו לכתוב את ההערה הבאה:

   # Show me the duration and subscriber type for the ten longest trips.
   

4. לוחצים על Enter (Return ב-macOS).

   ההצעה לשאילתת SQL דומה לשאילתה הבאה:

   # Show me the duration and subscriber type for the ten longest trips
   
   SELECT
     duration_sec,
     subscriber_type
     AVG(duration_minutes) AS average_trip_length
   FROM
     `bigquery-public-data.austin_bikeshare.bikeshare_trips`
   ORDER BY
     duration_sec
   LIMIT 10;
   

5. כדי לקבל את ההצעה, לוחצים על Tab.

יצירת SQL באמצעות Gemini Cloud Assist

תצוגה מקדימה

השימוש בתכונה הזו כפוף לתנאי השימוש במוצרים בשלב טרום-GA, בחלק "תנאים כלליים לשירות" של התנאים הספציפיים לשירות. השימוש בתכונות בגרסת טרום-GA הוא "כפי שהן" (As is), ויכול להיות שהתמיכה בהן תהיה מוגבלת. אתם יכולים לקרוא מידע נוסף בקטע תיאור שלבי ההשקה.

הערה: כדי לבקש תמיכה או לשלוח משוב על התכונה הזו, אפשר לשלוח אימייל לכתובת [e-mail].

כדי ליצור שאילתת SQL ב-BigQuery, אתם יכולים להשתמש בחלונית Cloud Assist במסוף Google Cloud .

כדי להשתמש בצ'אט של Gemini Cloud Assist ליצירת SQL, צריך להפעיל את Gemini Cloud Assist. איך מגדירים את Gemini Cloud Assist

1. נכנסים לדף BigQuery Studio במסוף Google Cloud .

   כניסה ל-BigQuery Studio

2. בעורך השאילתות, לוחצים על SQL query כדי לפתוח שאילתת SQL חדשה.

3. בסרגל הכלים של Google Cloud , לוחצים על spark Open or close Gemini AI chat כדי לפתוח את הצ'אט עם Gemini Cloud Assist.

   

4. בשדה Enter a prompt, מזינים הנחיה ליצירת שאילתת SQL. לדוגמה:

   Generate a SQL query to show me the duration and subscriber type for the ten longest trips.
   

5. לוחצים על שליחת ההנחיה. התשובה כוללת שאילתת SQL שדומה לזו:

   SELECT
        subscriber_type,
        duration_sec
    FROM
        `bigquery-public-data.san_francisco_bikeshare.bikeshare_trips`
    ORDER BY
        duration_sec DESC
    LIMIT 10;
    ```
   

6. בודקים את שאילתת ה-SQL שנוצרה.

7. כדי להריץ את שאילתת ה-SQL שנוצרה, לוחצים על Copy to clipboard, מדביקים את הקוד שנוצר בעורך השאילתות ולוחצים על Run.

8. אם עורך השאילתות כבר פתוח, אפשר לבחור אחת מהאפשרויות הבאות:

   • כדי לראות את ההבדל בין השאילתה הקיימת לשאילתה שנוצרה, לוחצים על Preview.

     חלונית ההשוואה תיפתח. אחרי שבודקים את השינויים, בוחרים באחת מהאפשרויות הבאות:

     • אישור והרצה: אישור השינויים והרצת השאילתה.
     • אישור: השינויים יאושרו.
     • דחייה: סגירת חלונית ההשוואה בלי לבצע שינויים בשאילתה הקיימת.

   • כדי להחליף את התוכן של עורך השאילתות בשאילתה שנוצרה ולהריץ אותה, לוחצים על Apply and run.

טיפים ליצירת שאילתות SQL

הטיפים הבאים יכולים לשפר את ההצעות ש-Gemini ב-BigQuery מספק:

• כדי לציין באופן ידני באילו טבלאות להשתמש, אתם יכולים לכלול את השם המלא של הטבלה במירכאות הפוכות (`), למשל `PROJECT.DATASET.TABLE`.
• אם שמות העמודות או הקשרים הסמנטיים שלהן לא ברורים או מורכבים, אתם יכולים לספק הקשר בהנחיה כדי להנחות את Gemini לתשובה שאתם רוצים. לדוגמה, כדי לעודד שאילתה שנוצרה להפנות לשם של עמודה, תארו את שם העמודה ואת הרלוונטיות שלה לתשובה שאתם רוצים. כדי לקבל תשובה שמתייחסת למונחים מורכבים כמו ערך חיי המשתמש או רווח גולמי, תארו את המונח ואת הרלוונטיות שלו לנתונים שלכם כדי לשפר את תוצאות יצירת ה-SQL.
• כשיוצרים SQL מהערה, אפשר לעצב את ההנחיה בכמה שורות על ידי הוספת התו # בתחילת כל שורה.
• תיאורי העמודות נלקחים בחשבון כשיוצרים שאילתות SQL. כדי לשפר את הדיוק, הוסיפו תיאורי עמודות לסכימה. למידע נוסף על תיאורי עמודות, ראו תיאורי עמודות בקטע "ציון סכימה".

המרת הערות ל-SQL

תצוגה מקדימה

השימוש בתכונה הזו כפוף לתנאי השימוש במוצרים בשלב טרום-GA, בחלק "תנאים כלליים לשירות" של התנאים הספציפיים לשירות. השימוש בתכונות בגרסת טרום-GA הוא "כפי שהן" (As is), ויכול להיות שהתמיכה בהן תהיה מוגבלת. אתם יכולים לקרוא מידע נוסף בקטע תיאור שלבי ההשקה.

הערה: כדי לבקש תמיכה או לשלוח משוב על התכונה הזו, אפשר לשלוח אימייל לכתובת [e-mail].

אתם יכולים להשתמש בהערות כהנחיות ליצירת שאילתות SQL שיעזרו לכם לחקור את הנתונים ב-BigQuery. אתם יכולים להטמיע הערות שמכילות הנחיות בשפה טבעית, שמתארות את המידע שאתם רוצים לקבל מהנתונים. ‫Gemini יחזיר תשובה ב-SQL, ואז תוכלו להשוות אותה לשאילתה שלכם או להוסיף אותה אליה. ביטויים בשפה טבעית יכולים לעזור לכם לשפר ולשנות את קוד ה-SQL. ביטויים בשפה טבעית יכולים גם לעזור בתחביר SQL, כמו חותמות זמן ופונקציות אנליטיות (window functions).

כדי ליצור SQL בשפה טבעית:

1. נכנסים לדף BigQuery במסוף Google Cloud .

   כניסה ל-BigQuery

2. בעורך השאילתות של BigQuery Studio, לוחצים על pen_spark ומוודאים שהאפשרות יצירה אוטומטית של Gemini SQL מופעלת.

   

3. בעורך השאילתות של BigQuery, מזינים שאילתת SQL שמכילה הנחיה בשפה טבעית, שמוקפת בהערה בפורמט /* natural language text */ לגבי טבלה שצפיתם בה או הרצתם עליה שאילתה לאחרונה. ‫Gemini ב-BigQuery משתמש במטא-נתונים של טבלאות שנשלחו אליהן שאילתות לאחרונה כדי למצוא נתונים מתאימים, כך שאתם יכולים לשלוח שאילתה לטבלה כדי לעזור לו ליצור תשובות. כדי לקבל את התוצאות הכי טובות, ההנחיה בשפה טבעית צריכה להיות ספציפית לתחביר SQL ולנתונים שלכם, ולא ביטוי כללי כמו "optimize my query".

   לדוגמה, אם לאחרונה שלחתם שאילתה לטבלה bigquery-public-data.austin_bikeshare.bikeshare_trips, אתם יכולים להזין את הפרטים הבאים:

   SELECT
       subscriber_type,
       /* the name of the day of week of the trip start ordered longest to
        shortest trip with the trip's duration */
   FROM
       `bigquery-public-data`.`austin_bikeshare`.`bikeshare_trips`
   LIMIT 10;
   

4. מדגישים את שאילתת ה-SQL שרוצים ש-Gemini ימיר, כולל הביטוי בשפה טבעית. בדוגמה הקודמת, צריך להדגיש את כל דגימת ה-SQL.

   

5. כדי ליצור קוד SQL, לוחצים על הכפתור הצף של Gemini ליד הטקסט המודגש, ואז על pen_spark Convert comments to SQL. אפשר גם ללחוץ על Control+Shift+P (‏Command+Shift+P ב-macOS) כדי לפתוח ישירות את ההנחיה לשינוי הטקסט המודגש.

6. בודקים את ה-SQL שנוצר. הפלט של Transform SQL with Gemini מראה את ההבדל בין הטקסט המקורי לטקסט דינמי מבוסס-AI. שאילתת ה-SQL שנוצרה אמורה להיראות בערך כך:

   SELECT
     subscriber_type,
     FORMAT_TIMESTAMP('%A', start_time) AS day_of_week,
     duration_minutes
   FROM
     `bigquery-public-data`.`austin_bikeshare`.`bikeshare_trips`
   ORDER BY
     duration_minutes DESC
   LIMIT
     10;
   

7. כדי להעתיק את השאילתה לעורך השאילתות, לוחצים על Insert. ההצהרה הקודמת, כולל ההנחיה בשפה טבעית, מופיעה בהערות, וקוד ה-SQL שנוצר מועתק לחלונית העריכה, שבה אפשר להריץ או לערוך אותו. אפשר גם לבחור באחת מהאפשרויות הבאות:

   • ‫Refine: כדי לבקש מ-Gemini לשנות את ה-SQL שנוצר
   • עריכת המקורות של הטבלה: כדי לבחור טבלה אחרת
   • ‫Query Summary: כדי ש-Gemini יספק סיכום של שאילתת ה-SQL.

השלמת שאילתת SQL

תצוגה מקדימה

השימוש בתכונה הזו כפוף לתנאי השימוש במוצרים בשלב טרום-GA, בחלק "תנאים כלליים לשירות" של התנאים הספציפיים לשירות. השימוש בתכונות בגרסת טרום-GA הוא "כפי שהן" (As is), ויכול להיות שהתמיכה בהן תהיה מוגבלת. אתם יכולים לקרוא מידע נוסף בקטע תיאור שלבי ההשקה.

ההשלמה האוטומטית של SQL מנסה לספק המלצות שמתאימות להקשר, על סמך התוכן בעורך השאילתות. בזמן ההקלדה, Gemini יכול להציע את השלבים הלוגיים הבאים שרלוונטיים להקשר של השאילתה הנוכחית, או לעזור לכם לשפר את השאילתה.

כדי לנסות את השלמת ה-SQL באמצעות Gemini ב-BigQuery:

1. נכנסים לדף BigQuery Studio במסוף Google Cloud .

   כניסה ל-BigQuery Studio

2. בעורך השאילתות, מעתיקים את השאילתה הבאה:

   SELECT
     subscriber_type
     , EXTRACT(HOUR FROM start_time) AS hour_of_day
     , AVG(duration_minutes) AS avg_trip_length
   FROM
     `bigquery-public-data.austin_bikeshare.bikeshare_trips`
   

   מופיעה הודעת שגיאה שלפיה subscriber_type לא מקובץ או נצבר. זה די נפוץ שצריך קצת עזרה כדי לנסח שאילתה כמו שצריך.

3. בסוף השורה של subscriber_type, מקישים על רווח.

   ההצעות לשיפור השאילתה עשויות להסתיים בטקסט שדומה לזה:

   GROUP BY
     subscriber_type, hour_of_day;
   

   אפשר גם ללחוץ על Enter (Return ב-macOS) כדי ליצור הצעות.

4. כדי לקבל את ההצעה, לוחצים על Tab, או מציבים את הסמן מעל הטקסט המוצע ולוחצים על הצעות חלופיות. כדי לדחות הצעה, לוחצים על ESC או ממשיכים להקליד.

   

הסבר על שאילתת SQL

אתם יכולים להנחות את Gemini ב-BigQuery להסביר שאילתת SQL בשפה טבעית. ההסבר הזה יכול לעזור לכם להבין שאילתה שהתחביר, הסכימה הבסיסית וההקשר העסקי שלה קשים להערכה בגלל האורך או המורכבות של השאילתה.

כדי לקבל הסבר על שאילתת SQL:

1. נכנסים לדף BigQuery Studio במסוף Google Cloud .

   כניסה ל-BigQuery Studio

2. בעורך השאילתות, פותחים או מדביקים את השאילתה שרוצים לקבל הסבר לגביה.

3. מדגישים את השאילתה שרוצים ש-Gemini ב-BigQuery יסביר.

4. לוחצים על הכפתור הצף של Gemini astrophotography_mode שמופיע ליד הטקסט המודגש, ואז לוחצים על Explain this query.

   

   ההסבר על ה-SQL מופיע בחלונית Cloud.

תיקון והסבר של שגיאות SQL

תצוגה מקדימה

השימוש בתכונה הזו כפוף לתנאי השימוש במוצרים בשלב טרום-GA, בחלק "תנאים כלליים לשירות" של התנאים הספציפיים לשירות. השימוש בתכונות בגרסת טרום-GA הוא "כפי שהן" (As is), ויכול להיות שהתמיכה בהן תהיה מוגבלת. אתם יכולים לקרוא מידע נוסף בקטע תיאור שלבי ההשקה.

הערה: כדי לבקש תמיכה או לשלוח משוב על התכונה הזו, אפשר לשלוח אימייל לכתובת [e-mail].

אתם יכולים להשתמש ב-Gemini ב-BigQuery כדי לתקן ולהסביר שגיאות בשאילתות SQL. כדי לתקן שגיאה בטקסט של השאילתה לפני שמריצים אותה:

1. מדגישים את הטקסט שבו מופיעה השגיאה.

2. לוחצים על שיפור ואז על astrophotography_mode תיקון.

3. החלונית של Gemini Cloud Assist נפתחת ומוצגת הצעה לשינוי השאילתה כדי לתקן את השגיאה.

4. לוחצים על Apply & run כדי לבצע את השינוי, או על Preview כדי לפתוח חלונית השוואה שמראה את ההבדל בין השאילתה שלכם לבין השאילתה המוצעת.

כדי לתקן שגיאה שמופיעה אחרי שמריצים שאילתה:

1. ליד השגיאה בחלונית Results, לוחצים על Gemini suggested fixes.

2. החלונית של Gemini Cloud Assist נפתחת ומוצגת הצעה לשינוי השאילתה כדי לתקן את השגיאה.

3. לוחצים על Apply & run כדי לבצע את השינוי, או על Preview כדי לפתוח חלונית השוואה שמראה את ההבדל בין השאילתה שלכם לבין השאילתה המוצעת.

יצירת קוד Python

אתם יכולים לבקש מ-Gemini ב-BigQuery ליצור קוד Python באמצעות הצהרה או שאלה בשפה טבעית. ‫Gemini ב-BigQuery מציע קוד Python אחד או יותר, ומאחזר שמות של טבלאות רלוונטיות ישירות מהפרויקט ב-BigQuery. התוצאה היא קוד Python מותאם אישית שאפשר להריץ.

שימוש בכלי ליצירת קוד Python

בדוגמה הבאה, אתם יוצרים קוד למערך נתונים ציבורי של BigQuery,‏ bigquery-public-data.ml_datasets.penguins.

1. נכנסים לדף BigQuery Studio במסוף Google Cloud .

   כניסה ל-BigQuery Studio

2. בסרגל הכרטיסיות של עורך השאילתות, לוחצים על החץ לתפריט הנפתח ליד שאילתת SQL ואז על Notebook.

   ה-notebook החדש נפתח, והוא מכיל תאים שבהם מוצגות שאילתות לדוגמה במערך הנתונים הציבורי bigquery-public-data.ml_datasets.penguins.

3. כדי להוסיף תא קוד חדש, לוחצים על Code בסרגל הכלים. תא הקוד החדש מכיל את ההודעה Start coding or generate with AI.

4. בתא הקוד החדש, לוחצים על Generate.

5. בכלי העריכה יצירה, מזינים את ההנחיה הבאה בשפה טבעית:

   Using bigquery magics, query the `bigquery-public-data.ml_datasets.penguins` table
   

6. לוחצים על Enter (Return ב-macOS).

   קוד ה-Python המוצע דומה לקוד הבא:

   %%bigquery
   SELECT *
   FROM `bigquery-public-data.ml_datasets.penguins`
   LIMIT 10
   

7. כדי להריץ את הקוד, לוחצים על Run cell.

יצירת קוד Python באמצעות Gemini Cloud Assist

תצוגה מקדימה

השימוש בתכונה הזו כפוף לתנאי השימוש במוצרים בשלב טרום-GA, בחלק "תנאים כלליים לשירות" של התנאים הספציפיים לשירות. השימוש בתכונות בגרסת טרום-GA הוא "כפי שהן" (As is), ויכול להיות שהתמיכה בהן תהיה מוגבלת. אתם יכולים לקרוא מידע נוסף בקטע תיאור שלבי ההשקה.

הערה: כדי לבקש תמיכה או לשלוח משוב על התכונה הזו, אפשר לשלוח אימייל לכתובת [e-mail].

אתם יכולים להשתמש ב-Gemini Cloud Assist במסוף Google Cloud כדי ליצור קוד Python ב-BigQuery. כדי להשתמש ב-Gemini Cloud Assist ליצירת קוד, צריך להפעיל את Gemini Cloud Assist. איך מגדירים את Gemini Cloud Assist

1. נכנסים לדף BigQuery Studio במסוף Google Cloud .

   כניסה ל-BigQuery Studio

2. בסרגל הכרטיסיות של עורך השאילתות, לוחצים על החץ לתפריט הנפתח ליד שאילתת SQL ואז על Notebook.

3. בסרגל הכלים של Google Cloud , לוחצים על spark Open or close Gemini AI chat כדי לפתוח את הצ'אט עם Gemini Cloud Assist.

   

4. בשדה הזנת הנחיה, מזינים הנחיה ליצירת קוד Python. לדוגמה:

   Generate python code to query the `bigquery-public-data.ml_datasets.penguins`
   table using bigquery magics
   
   

5. לוחצים על שליחת ההנחיה. ‫Gemini מחזיר קוד Python שדומה לקוד הבא:

   %%bigquery
   SELECT *
   FROM `bigquery-public-data.ml_datasets.penguins`
   LIMIT 10
   

6. בודקים את קוד ה-Python שנוצר.

7. כדי להריץ את קוד ה-Python, לוחצים על Copy to clipboard, מדביקים את הקוד שנוצר בעורך השאילתות ולוחצים על Run.

יצירת קוד של BigQuery DataFrames

תצוגה מקדימה

השימוש בתכונה הזו כפוף לתנאי השימוש במוצרים בשלב טרום-GA, בחלק "תנאים כלליים לשירות" של התנאים הספציפיים לשירות. השימוש בתכונות בגרסת טרום-GA הוא "כפי שהן" (As is), ויכול להיות שהתמיכה בהן תהיה מוגבלת. אתם יכולים לקרוא מידע נוסף בקטע תיאור שלבי ההשקה.

הערה: כדי לבקש תמיכה או לשלוח משוב על התכונה הזו, שלחו אימייל לכתובת [e-mail].

אתם יכולים ליצור קוד של BigQuery DataFrames באמצעות Gemini ב-BigQuery. כדי לבקש מ-Gemini להשתמש ב-BigQuery DataFrames בקוד שנוצר, צריך לציין את זה בהנחיה. לדוגמה, אפשר להתחיל את ההנחיה במילים "using bigframes" או "utilizing BigQuery DataFrames".

ב-BigQuery DataFrames יש שתי ספריות:

• ‫bigframes.pandas, שמספק API תואם ל-pandas לצורך ניתוח נתונים.
• ‫bigframes.ml, שמספק API דמוי scikit-learn ללמידת מכונה (ML).

יצירת הקוד ב-Gemini מותאמת לספרייה bigframes.pandas.

במאמר הרשאות ב-BigQuery DataFrames מוסבר בהרחבה על BigQuery DataFrames ועל ההרשאות שנדרשות כדי להשתמש בהם. ‫BigQuery DataFrames היא חבילת קוד פתוח. אפשר להריץ את pip install --upgrade bigframes כדי להתקין את הגרסה האחרונה.

בדוגמה הבאה, אתם יוצרים קוד למערך נתונים ציבורי של BigQuery,‏ bigquery-public-data.ml_datasets.penguins.

1. נכנסים לדף BigQuery Studio במסוף Google Cloud .

   כניסה ל-BigQuery Studio

2. בסרגל הכרטיסיות של עורך השאילתות, לוחצים על החץ לתפריט הנפתח ליד שאילתת SQL ואז על Notebook.

   תיקיית Notebook חדשה תיפתח.

3. כדי להוסיף תא קוד חדש, לוחצים על Code בסרגל הכלים.

4. תא הקוד החדש מכיל את ההודעה Start coding or generate with AI. (אפשר להתחיל לתכנת או ליצור קוד באמצעות AI). בתא הקוד החדש, לוחצים על Generate.

5. בכלי העריכה יצירה, מזינים את ההנחיה הבאה בשפה טבעית:

   Read the penguins table from the BigQuery public data using bigframes
   

6. לוחצים על Enter (Return ב-macOS).

   קוד ה-Python המוצע דומה לקוד הבא:

   import bigframes.pandas as bpd
   
   # Read the penguins table from the BigQuery public data using bigframes
   result = bpd.read_gbd("bigquery-public-data.ml_datasets.penguins")
   

7. כדי להריץ את הקוד, לוחצים על Run cell.

8. כדי לראות תצוגה מקדימה של התוצאות, בסרגל הכלים לוחצים על קוד כדי להוסיף תא קוד חדש.

9. בתא החדש, מפעילים את השיטה peek() – לדוגמה, result.peek() – ולוחצים על Run cell. מוצגות כמה שורות של נתונים.

קוד Python מלא

ההשלמה האוטומטית של קוד Python מנסה לספק המלצות שמתאימות להקשר, על סמך התוכן בעורך השאילתות. בזמן שאתם מקלידים, Gemini ב-BigQuery יכול להציע את השלבים הלוגיים הבאים שרלוונטיים להקשר של הקוד הנוכחי, או לעזור לכם לשפר את הקוד.

כדי לנסות את השלמת הקוד ב-Python באמצעות Gemini ב-BigQuery:

1. נכנסים לדף BigQuery Studio במסוף Google Cloud .

   כניסה ל-BigQuery Studio

2. בסרגל הכרטיסיות של עורך השאילתות, לוחצים על החץ לתפריט הנפתח ליד שאילתת SQL ואז על Notebook.

   ייפתח Notebook חדש עם תאים שמציגים שאילתות לדוגמה במערך הנתונים הציבורי bigquery-public-data.ml_datasets.penguins.

3. בעורך, מתחילים להקליד קוד Python. לדוגמה, %%bigquery. ‫Gemini ב-BigQuery מציע קוד בשורה בזמן ההקלדה.

4. כדי לקבל את ההצעה, לוחצים על Tab.

הסבר על קוד Python

תצוגה מקדימה

השימוש במוצר או בתכונה כפוף לתנאי השימוש במוצרים בשלב טרום-GA, בחלק "תנאים כלליים לשירות" של התנאים הספציפיים לשירות. השימוש בתכונות ובמוצרים בגרסת טרום-GA הוא "כפי שהם" (As is), ויכול להיות שהתמיכה בהם תהיה מוגבלת. אתם יכולים לקרוא מידע נוסף בקטע תיאור שלבי ההשקה.

אתם יכולים להשתמש ב-Gemini ב-BigQuery כדי להסביר קוד Python ב-notebooks של Colab Enterprise.

אחרי שמקבלים הסבר, אפשר לשאול שאלות נוספות בתיבת הדו-שיח של ההנחיה כדי להבין את הקוד טוב יותר.

כדי לקבל הסבר על קוד Python ב-Notebook, פועלים לפי השלבים הבאים:

1. נכנסים לדף BigQuery Studio במסוף Google Cloud .

   כניסה ל-BigQuery Studio

2. בחלונית הימנית, לוחצים על Explorer:

   

   אם החלונית הימנית לא מוצגת, לוחצים על הרחבת החלונית הימנית כדי לפתוח אותה.

3. בחלונית Explorer, מרחיבים את הפרויקט ולוחצים על Notebooks.

4. לוחצים על התיקייה שרוצים לפתוח.

5. מדגישים את התא ב-Python שרוצים להבין.

6. לוחצים על spark Gemini ואז על Explain code.

   הסבר הקוד מופיע בחלונית לצד התא.

7. אופציונלי: כדי להבין טוב יותר את הקוד, אפשר לשאול שאלות בשדה כאן כותבים את ההנחיה.

תיקון והסבר של שגיאות ב-Python

תצוגה מקדימה

השימוש במוצר או בתכונה כפוף לתנאי השימוש במוצרים בשלב טרום-GA, בחלק "תנאים כלליים לשירות" של התנאים הספציפיים לשירות. השימוש בתכונות ובמוצרים בגרסת טרום-GA הוא "כפי שהם" (As is), ויכול להיות שהתמיכה בהם תהיה מוגבלת. אתם יכולים לקרוא מידע נוסף בקטע תיאור שלבי ההשקה.

אתם יכולים להשתמש ב-Gemini ב-BigQuery כדי לתקן ולהסביר שגיאות בקוד Python ב-notebooks של Colab Enterprise.

כדי לתקן או להבין את השגיאות בקוד בעזרת Gemini, פועלים לפי השלבים הבאים:

1. נכנסים לדף BigQuery Studio במסוף Google Cloud .

   כניסה ל-BigQuery Studio

2. בחלונית הימנית, לוחצים על Explorer:

   

3. בחלונית Explorer, מרחיבים את הפרויקט ולוחצים על Notebooks.

4. לוחצים על ה-Notebook שרוצים לפתוח.

5. בתא קוד של ה-notebook, מזינים קוד שמכיל שגיאה ומריצים את התא. לדוגמה, אם תזינו print(1, חסר סוגר בסוף.

   אחרי שתא הקוד יופעל, תופיע הודעת שגיאה ב-notebook מתחת לתא הקוד. אם Gemini מופעל ב-Python Notebooks ויש לו הצעה לתיקון או להסבר של השגיאה, תופיע אחת מהאפשרויות הבאות:

   • אם יש שגיאות תחביר ב-Python, מופיעה האפשרות Fix error.
   • בכל סוגי השגיאות האחרים, מופיעה האפשרות הסבר על השגיאה.

6. כדי לתקן שגיאת תחביר:

   1. לוחצים על תיקון השגיאה.

      ‫Gemini מציע איך לתקן את השגיאה.

   2. בודקים את ההצעה ומבצעים אחת מהפעולות הבאות:

      • כדי לקבל את ההצעה, לוחצים על הסמל של סימן הווי קבלת ההצעה.
      • כדי לדחות את ההצעה, לוחצים על סגירה דחיית ההצעה.

7. כדי לתקן את כל סוגי השגיאות האחרים, מבצעים את הפעולות הבאות:

   1. לוחצים על Explain error.

      נפתח חלון שבו מוסבר מה השגיאה ומוצעים שינויים.

   2. אופציונלי: כדי להבין טוב יותר את השגיאה, אפשר לשאול שאלות בשדה כאן כותבים את ההנחיה.

   3. כדי לאשר שינוי מוצע, לוחצים על library_add Add code cell.

יצירת קוד PySpark

תצוגה מקדימה

השימוש במוצר או בתכונה כפוף לתנאי השימוש במוצרים בשלב טרום-GA, בחלק "תנאים כלליים לשירות" של התנאים הספציפיים לשירות. השימוש בתכונות ובמוצרים בגרסת טרום-GA הוא "כפי שהם" (As is), ויכול להיות שהתמיכה בהם תהיה מוגבלת. אתם יכולים לקרוא מידע נוסף בקטע תיאור שלבי ההשקה.

אתם יכולים לבקש מ-Gemini Code Assist ליצור קוד PySpark ב-notebook. ‫Gemini Code Assist מאחזר ומשתמש בטבלאות רלוונטיות של BigQuery ו-Dataproc Metastore, ובסכימות שלהן, כדי ליצור תשובה בקוד. ‫Gemini Code Assist משתמש בידע שלו על הסכימה כדי להימנע מהזיות, ומציע מפתחות איחוד וסוגי עמודות.

כדי ליצור קוד באמצעות Gemini Code Assist ב-notebook:

1. כדי להוסיף תא קוד חדש, לוחצים על ‎+ Code בסרגל הכלים. תא הקוד החדש מציג את Start coding or generate with AI. לוחצים על יצירה.

2. בעורך, כותבים הנחיה בשפה טבעית ולוחצים על enter. חשוב לכלול בהנחיה את מילת המפתח spark או pyspark.

   פרומפט לדוגמה:

   create a spark dataframe from order_items and filter to orders created in 2024
   

   פלט לדוגמה:

   spark.read.format("bigquery").option("table", "sqlgen-testing.pysparkeval_ecommerce.order_items").load().filter("year(created_at) = 2024").createOrReplaceTempView("order_items")
   df = spark.sql("SELECT * FROM order_items")
   

טיפים ליצירת קוד באמצעות Gemini Code Assist

• כדי לאפשר ל-Gemini Code Assist לאחזר טבלאות וסכימות רלוונטיות, צריך להפעיל את סנכרון Data Catalog במכונות של Dataproc Metastore.

• כדי לשלוח שאילתות לטבלאות, ודאו שלחשבון המשתמש שלכם יש גישה ל-Knowledge Catalog. כדי לעשות את זה, מקצים את התפקיד "צפייה בקטלוג Dataplex" (roles/dataplex.catalogViewer).

השבתת התכונות של Gemini query assistant

כדי להשבית תכונות ספציפיות של Gemini ב-BigQuery:

1. נכנסים לדף BigQuery Studio במסוף Google Cloud .

   כניסה ל-BigQuery Studio

2. בסרגל הכלים של BigQuery, לוחצים על pen_sparkGemini.

   

3. ברשימה, מבטלים את הבחירה בתכונות של עוזר השאילתות שרוצים להשבית.

איך משביתים את Gemini ב-BigQuery

השבתה של Gemini ב-Colab Enterprise

כדי להשבית את Gemini ב-Colab Enterprise בפרויקט בענן ב-Google Cloud, אדמין צריך להשבית את Gemini for Google Cloud API. השבתת שירותים

כדי להשבית את Gemini ב-Colab Enterprise למשתמש ספציפי, אדמין צריך לבטל את התפקיד Gemini ל-Google Cloud User (roles/cloudaicompanion.user) של אותו משתמש. איך מבטלים תפקיד יחיד ב-IAM

שליחת משוב

1. נכנסים לדף BigQuery Studio במסוף Google Cloud .

   כניסה ל-BigQuery Studio

2. בסרגל הכלים של BigQuery, לוחצים על pen_sparkGemini.

   

3. לוחצים על שליחת משוב.

רוצה לעזור לנו לשפר את ההצעות?

כדי לעזור לשפר את ההצעות של Gemini, אתם יכולים לשתף עם Google את נתוני ההנחיות שאתם שולחים לתכונות בגרסת טרום-השקה (Preview).

כדי לשתף את נתוני ההנחיות:

1. נכנסים לדף BigQuery Studio במסוף Google Cloud .

   כניסה ל-BigQuery Studio

2. בסרגל הכלים של BigQuery, לוחצים על pen_sparkGemini.

   

3. בוחרים באפשרות שיתוף נתונים כדי לשפר את Gemini ב-BigQuery.

4. בתיבת הדו-שיח הגדרות השימוש בנתונים, מעדכנים את ההגדרות.

הגדרות שיתוף הנתונים חלות על כל הפרויקט, ורק אדמין של הפרויקט עם הרשאות ה-IAM‏ serviceusage.services.enable ו-serviceusage.services.list יכול לקבוע אותן. מידע נוסף על השימוש בנתונים בתוכנית הבודקים הנאמנים מופיע במאמר תוכנית הבודקים הנאמנים של Gemini ל- Google Cloud .

‫Gemini והנתונים ב-BigQuery

כדי לספק תוצאות מדויקות, Gemini ב-BigQuery צריך גישה גם לנתוני הלקוחות וגם למטא-נתונים ב-BigQuery בשביל תכונות משופרות. איך Gemini ב-BigQuery משתמש בנתונים שלכם

מיקומים

אתם יכולים להשתמש ב-Gemini ב-BigQuery כדי לנתח נתונים בעזרת SQL ו-Python בכל המיקומים של BigQuery. במאמר איפה Gemini ב-BigQuery מעבד את הנתונים שלכם מוסבר איפה Gemini ב-BigQuery מעבד את הנתונים שלכם.

תמחור

סקירה כללית על התמחור של Gemini ב-BigQuery

המאמרים הבאים

• סקירה כללית על Gemini for Google Cloud
• איך Gemini for Google Cloud ‎ משתמש בנתונים שלכם
• איך בוחנים את הנתונים באמצעות יצירת תובנות מנתונים