Menulis kueri dengan bantuan Gemini

Anda dapat menggunakan bantuan yang didukung AI dari Gemini in BigQuery untuk mempercepat analisis data dengan kode SQL dan Python. Membuat kode dari perintah bahasa alami, mendapatkan penjelasan untuk logika yang kompleks, dan menggunakan pelengkapan kode memungkinkan Anda menjelajahi set data lebih cepat dan menghabiskan lebih sedikit waktu untuk men-debug error.

Gemini untuk Google Cloud tidak menggunakan perintah Anda atau responsnya sebagai data untuk melatih modelnya tanpa izin tertulis dari Anda. Untuk mengetahui informasi selengkapnya tentang cara Google menggunakan data Anda, lihat Cara Gemini untuk Google Cloud menggunakan data Anda.

Catatan: Untuk mengaktifkan berbagi data untuk fitur Gemini di BigQuery dalam Pratinjau, lihat Membantu meningkatkan saran.

Hanya perintah bahasa Inggris yang didukung untuk Gemini di BigQuery.

Dokumen ini ditujukan untuk analis data, data scientist, dan developer data yang menangani kueri SQL serta notebook dan alat analisis terprogram. Dokumen ini mengasumsikan bahwa Anda tahu cara mengkueri data di lingkungan BigQuery Studio atau cara menggunakan notebook Python untuk menganalisis data BigQuery.

Sebelum memulai

1. Pastikan Anda menyiapkan Gemini di BigQuery untuk project Google Cloud Anda. Langkah ini biasanya dilakukan oleh administrator. Fitur Gemini in BigQuery mungkin dinonaktifkan atau tidak tersedia hingga Anda menyelesaikan langkah-langkah lainnya di bagian ini.
2. Untuk menggunakan Gemini Cloud Assist, Anda juga harus mengikuti langkah-langkah di Menyiapkan Gemini Cloud Assist.
3. Untuk menggunakan Gemini guna menjelaskan dan memperbaiki kode Python di notebook Colab Enterprise di BigQuery, Anda juga harus mengikuti langkah-langkah di Menyiapkan Gemini di Colab Enterprise untuk project.

4. Di konsol Google Cloud , pada halaman pemilih project, pilih atau buat project Google Cloud .

   Peran yang diperlukan untuk memilih atau membuat project

   • Memilih project: Memilih project tidak memerlukan peran IAM tertentu—Anda dapat memilih project apa pun yang perannya telah diberikan kepada Anda.
   • Membuat project: Untuk membuat project, Anda memerlukan peran Project Creator (roles/resourcemanager.projectCreator), yang berisi izin resourcemanager.projects.create. Pelajari cara memberikan peran.
   Catatan: Jika tidak berencana untuk menyimpan resource yang Anda buat dalam prosedur ini, buatlah project, bukan memilih project yang ada. Setelah menyelesaikan langkah ini, Anda dapat menghapus project, yang akan menghapus semua resource yang terkait dengan project ini.

   Buka pemilih project

5. Di konsol Google Cloud , buka halaman BigQuery Studio.

   Buka BigQuery Studio

6. Di toolbar BigQuery, klik pen_sparkGemini.

   

7. Dalam daftar fitur, pastikan fitur berikut dipilih:

   • Daftar Gemini dalam kueri SQL:

     • Pelengkapan otomatis (Pratinjau). Saat Anda mengetik di editor kueri, Gemini dapat menyarankan langkah logis berikutnya yang relevan dengan konteks kueri saat ini, atau dapat membantu Anda melakukan iterasi pada kueri.
     • Pembuatan otomatis. Anda dapat meminta Gemini di BigQuery menggunakan komentar bahasa alami di editor kueri BigQuery untuk membuat kueri SQL.
     • Alat pembuat kode SQL. Anda dapat memasukkan teks bahasa alami di alat untuk membuat Kueri SQL, dengan opsi untuk menyaring hasil kueri, memilih sumber tabel, dan membandingkan hasil.
     • Penjelasan. Anda dapat meminta Gemini di BigQuery untuk menjelaskan kueri SQL menggunakan bahasa alami.

   • Daftar Gemini di notebook Python:

     • Penyelesaian kode (Pratinjau). Gemini memberikan rekomendasi yang sesuai secara kontekstual berdasarkan konten dalam notebook.
     • Pembuatan kode. Anda dapat memasukkan perintah ke Gemini menggunakan pernyataan atau pertanyaan dalam bahasa alami untuk membuat kode Python.

8. Untuk menyelesaikan tugas dalam dokumen ini, pastikan Anda memiliki izin Identity and Access Management (IAM) yang diperlukan.

Peran yang diperlukan

Untuk mendapatkan izin yang diperlukan guna menulis kueri dengan bantuan Gemini, minta administrator untuk memberi Anda peran IAM Gemini untuk Google Cloud User (roles/cloudaicompanion.user) di project. Untuk mengetahui informasi selengkapnya tentang cara memberikan peran, lihat Mengelola akses ke project, folder, dan organisasi.

Peran bawaan ini berisi izin yang diperlukan untuk menulis kueri dengan bantuan Gemini. Untuk melihat izin yang benar-benar diperlukan, perluas bagian Izin yang diperlukan:

Izin yang diperlukan

Izin berikut diperlukan untuk menulis kueri dengan bantuan Gemini:

• cloudaicompanion.entitlements.get
• cloudaicompanion.instances.completeTask
• Menjelaskan kueri SQL: cloudaicompanion.companions.generateChat
• Lengkapi kode SQL atau Python: cloudaicompanion.instances.completeCode
• Membuat kode SQL atau Python: cloudaicompanion.instances.generateCode

Anda mungkin juga bisa mendapatkan izin ini dengan peran khusus atau peran bawaan lainnya.

Untuk mengetahui informasi lebih lanjut tentang peran dan izin IAM di BigQuery, baca Pengantar IAM.

Membuat kueri SQL

Sebagai teknologi tahap awal, produk Gemini untuk Google Cloud dapat menghasilkan output yang tampaknya masuk akal tetapi sebenarnya tidak benar. Sebaiknya Anda memvalidasi semua output dari produk Gemini untuk Google Cloud sebelum Anda menggunakannya. Untuk mengetahui informasi selengkapnya, lihat Gemini untuk Google Cloud dan responsible AI.

Untuk membuat Kueri SQL berdasarkan skema data Anda, Anda dapat memberikan pernyataan atau pertanyaan bahasa alami, yang juga dikenal sebagai perintah, kepada Gemini in BigQuery. Anda juga dapat menjelajahi rekomendasi perintah dari Gemini. Meskipun Anda memulai tanpa kode, memiliki pengetahuan terbatas tentang skema data, atau hanya memiliki pengetahuan dasar tentang sintaksis GoogleSQL, Gemini in BigQuery dapat membuat SQL yang dapat membantu Anda menjelajahi data.

Menggunakan alat pembuat kode SQL

Alat pembuatan SQL memungkinkan Anda menggunakan bahasa alami untuk membuat kueri SQL tentang tabel yang baru saja Anda lihat atau kueri. Anda juga dapat menggunakan alat ini untuk mengubah kueri yang ada, dan menentukan tabel secara manual yang ingin Anda buat SQL-nya.

Untuk menggunakan alat pembuat kode SQL, ikuti langkah-langkah berikut:

1. Di konsol Google Cloud , buka halaman BigQuery Studio.

   Buka BigQuery Studio

2. Di samping editor kueri, klik pen_spark SQL generation tool.

   

3. Dalam dialog Generate SQL with Gemini, Anda memiliki opsi berikut:

   • Masukkan perintah bahasa alami tentang tabel yang baru saja Anda lihat atau kueri. Misalnya, jika Anda baru saja melihat tabel bigquery-public-data.austin_bikeshare.bikeshare_trips, Anda dapat memasukkan hal berikut:

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

   • Klik salah satu perintah yang direkomendasikan Gemini (Preview). Perintah akan disalin ke dialog Generate SQL with Gemini.

4. Klik Generate.

   Kueri SQL yang dihasilkan mirip dengan berikut ini:

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

   Catatan: Gemini in BigQuery mungkin menyarankan sintaksis yang berbeda setiap kali Anda memasukkan perintah yang sama.

5. Tinjau kueri SQL yang dihasilkan dan lakukan salah satu tindakan berikut:

   • Untuk menerima kueri SQL yang dihasilkan, klik Insert untuk menyisipkan pernyataan ke dalam editor kueri. Kemudian, Anda dapat mengklik Run untuk menjalankan kueri SQL yang disarankan.
   • Untuk mengedit perintah, klik Edit, lalu ubah atau ganti perintah awal Anda. Setelah mengedit perintah, klik Perbarui untuk membuat kueri baru.
   • Untuk memperbarui sumber tabel yang digunakan sebagai konteks untuk membuat kueri SQL yang disarankan, klik Edit Table Sources, pilih kotak centang yang sesuai, lalu klik Apply.
   • Untuk melihat ringkasan bahasa alami dari kueri yang dihasilkan, klik Query Summary.
   • Untuk menyaring kueri SQL yang disarankan, masukkan penyaringan apa pun di kolom Refine, lalu klik Refine. Misalnya, masukkan limit to 1000 untuk membatasi jumlah hasil kueri. Untuk membandingkan perubahan pada kueri Anda, centang kotak Show diff.
   • Untuk menolak kueri yang disarankan, tutup alat pembuat kode SQL.

Menonaktifkan alat pembuat kode SQL

Untuk mempelajari cara menonaktifkan alat pembuat kode SQL, lihat Menonaktifkan fitur asisten kueri Gemini.

Membuat SQL dari komentar

Anda dapat membuat SQL di editor kueri dengan mendeskripsikan kueri yang Anda inginkan dalam komentar.

1. Di konsol Google Cloud , buka halaman BigQuery Studio.

   Buka BigQuery Studio

2. Di editor kueri, klik Kueri SQL.

3. Di editor kueri, tulis komentar SQL tentang tabel yang baru-baru ini Anda lihat atau kueri. Misalnya, jika Anda baru saja melihat tabel bigquery-public-data.austin_bikeshare.bikeshare_trips, Anda dapat menulis komentar berikut:

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

4. Tekan Enter (Return di macOS).

   Kueri SQL yang disarankan mirip dengan contoh berikut:

   # 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. Untuk menerima saran, tekan Tab.

Membuat SQL dengan Gemini Cloud Assist

Pratinjau

Fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum dari Persyaratan Khusus Layanan. Fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Catatan: Untuk meminta dukungan atau memberikan masukan terkait fitur ini, kirim email ke [e-mail].

Anda dapat membuat kueri SQL di BigQuery menggunakan panel Cloud Assist di konsol Google Cloud .

Sebelum dapat menggunakan chat Gemini Cloud Assist untuk membuat SQL, Anda harus mengaktifkan Gemini Cloud Assist. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan Gemini Cloud Assist.

1. Di konsol Google Cloud , buka halaman BigQuery Studio.

   Buka BigQuery Studio

2. Di editor kueri, klik SQL query untuk membuka kueri SQL baru.

3. Di toolbar Google Cloud , klik spark Open or close Gemini AI chat untuk membuka chat Gemini Cloud Assist.

   

4. Di kolom Masukkan perintah, masukkan perintah untuk membuat kueri SQL. Contoh:

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

5. Klik Send prompt. Responsnya mencakup kueri SQL yang mirip dengan berikut ini:

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

6. Tinjau kueri SQL yang dihasilkan.

7. Untuk menjalankan kueri SQL yang dihasilkan, klik Copy to clipboard, tempel kode yang dihasilkan di editor kueri, lalu klik Run.

8. Jika editor kueri sudah terbuka, Anda dapat memilih salah satu opsi berikut:

   • Untuk melihat perbedaan antara kueri yang ada dan kueri yang dihasilkan, klik Preview.

     Panel perbandingan akan terbuka. Setelah Anda meninjau perubahan, pilih salah satu opsi berikut:

     • Accept and run: menerima perubahan dan menjalankan kueri.
     • Accept: menerima perubahan.
     • Tolak: menutup panel perbandingan tanpa membuat perubahan pada kueri yang ada.

   • Untuk mengganti konten editor kueri dengan kueri yang dihasilkan dan menjalankannya, klik Apply and run.

Tips untuk pembuatan SQL

Tips berikut dapat meningkatkan saran yang diberikan Gemini di BigQuery:

• Untuk menentukan tabel yang akan digunakan secara manual, Anda dapat menyertakan nama tabel yang sepenuhnya memenuhi syarat dalam tanda kutip terbalik (`), seperti `PROJECT.DATASET.TABLE`.
• Jika nama kolom atau hubungan semantiknya tidak jelas atau kompleks, Anda dapat memberikan konteks dalam perintah untuk memandu Gemini menuju jawaban yang Anda inginkan. Misalnya, untuk mendorong kueri yang dihasilkan agar mereferensikan nama kolom, deskripsikan nama kolom dan relevansinya dengan jawaban yang Anda inginkan. Untuk mendorong jawaban yang merujuk ke istilah kompleks seperti nilai umur atau margin kotor, jelaskan konsep dan relevansinya dengan data Anda untuk meningkatkan hasil pembuatan SQL.
• Saat membuat SQL dari komentar, Anda dapat memformat perintah dalam beberapa baris dengan mengawali setiap baris dengan karakter #.
• Deskripsi kolom dipertimbangkan saat Anda membuat kueri SQL. Untuk meningkatkan akurasi, tambahkan deskripsi kolom ke skema Anda. Untuk mengetahui informasi selengkapnya tentang deskripsi kolom, lihat Deskripsi kolom di bagian "Menentukan skema".

Mengonversi komentar menjadi SQL

Pratinjau

Fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum dari Persyaratan Khusus Layanan. Fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Catatan: Untuk meminta dukungan atau memberikan masukan terkait fitur ini, kirim email ke [e-mail].

Anda dapat menggunakan komentar sebagai perintah untuk membuat kueri SQL yang membantu Anda menjelajahi data di BigQuery. Anda dapat menyematkan komentar yang berisi perintah bahasa alami yang menjelaskan informasi yang Anda inginkan dari data Anda. Gemini akan merespons dengan SQL yang kemudian dapat Anda bandingkan atau masukkan ke dalam kueri Anda. Ekspresi bahasa alami dapat membantu Anda melakukan iterasi dan transformasi kode SQL. Ekspresi bahasa alami juga dapat membantu sintaksis SQL seperti stempel waktu dan fungsi jendela.

Untuk menggunakan pembuatan SQL bahasa alami, ikuti langkah-langkah berikut:

1. Di konsol Google Cloud , buka halaman BigQuery.

   Buka BigQuery

2. Di editor kueri BigQuery Studio, klik pen_spark dan pastikan Auto-generation SQL Gemini diaktifkan.

   

3. Di editor kueri BigQuery, masukkan kueri SQL yang berisi perintah bahasa alami yang diapit dalam komentar dalam format /* natural language text */ tentang tabel yang baru saja Anda lihat atau kueri. Gemini di BigQuery menggunakan metadata tabel yang baru-baru ini dikueri untuk menemukan data yang sesuai, sehingga Anda dapat membantu memandu respons dengan mengkueri tabel. Untuk mendapatkan hasil terbaik, perintah bahasa alami Anda harus spesifik untuk sintaksis SQL dan data Anda, dan bukan ekspresi umum seperti "optimalkan kueri saya".

   Misalnya, jika Anda baru saja mengkueri tabel bigquery-public-data.austin_bikeshare.bikeshare_trips, Anda dapat memasukkan hal berikut:

   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. Tandai kueri SQL, termasuk ekspresi bahasa alami, yang ingin Anda konversi dengan Gemini. Pada contoh sebelumnya, Anda akan menandai seluruh contoh SQL.

   

5. Untuk membuat kode SQL, klik tombol Gemini inline mengambang di dekat teks yang ditandai, lalu klik pen_spark Convert comments to SQL. Atau, Anda dapat menekan Control+Shift+P (Command+Shift+P di macOS) untuk langsung membuka perintah Transformasi pada teks yang ditandai.

6. Tinjau SQL yang dihasilkan. Output Transform SQL with Gemini menampilkan perbedaan antara teks asli dan teks yang dihasilkan. Kueri SQL yang dihasilkan akan mirip dengan contoh berikut:

   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. Untuk menyalin kueri ke editor kueri, klik Insert. Pernyataan Anda sebelumnya, termasuk perintah bahasa alami, akan muncul di komentar dan kode SQL yang dihasilkan akan disalin ke panel edit tempat Anda dapat menjalankan atau mengeditnya. Anda juga dapat memilih salah satu opsi berikut:

   • Refine: untuk meminta Gemini mengubah SQL yang dihasilkan
   • Edit Sumber Tabel: untuk memilih tabel lain
   • Ringkasan Kueri: agar Gemini memberikan ringkasan kueri SQL.

Menyelesaikan kueri SQL

Pratinjau

Fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum dari Persyaratan Khusus Layanan. Fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Penyelesaian SQL berupaya memberikan rekomendasi yang sesuai secara kontekstual, berdasarkan konten di editor kueri. Saat Anda mengetik, Gemini dapat menyarankan langkah logis berikutnya yang relevan dengan konteks kueri saat ini, atau dapat membantu Anda melakukan iterasi pada kueri.

Untuk mencoba penyelesaian SQL dengan Gemini in BigQuery, ikuti langkah-langkah berikut:

1. Di konsol Google Cloud , buka halaman BigQuery Studio.

   Buka BigQuery Studio

2. Di editor kueri, salin hal berikut:

   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`
   

   Pesan error yang menyatakan bahwa subscriber_type tidak dikelompokkan atau diagregasi. Memerlukan bantuan untuk mendapatkan kueri yang tepat bukanlah hal yang tidak biasa.

3. Di akhir baris untuk subscriber_type, tekan Spasi.

   Saran penyempurnaan kueri mungkin berakhir dengan teks yang mirip dengan berikut ini:

   GROUP BY
     subscriber_type, hour_of_day;
   

   Anda juga dapat menekan Enter (Return di macOS) untuk membuat saran.

4. Untuk menerima saran, tekan Tab, atau arahkan kursor ke teks yang disarankan, lalu klik saran alternatif. Untuk menolak saran, tekan ESC atau lanjutkan mengetik.

   

Menjelaskan kueri SQL

Anda dapat meminta Gemini in BigQuery untuk menjelaskan kueri SQL dalam bahasa alami. Penjelasan ini dapat membantu Anda memahami kueri dengan sintaksis, skema dasar, dan konteks bisnis yang mungkin sulit dinilai karena panjang atau kompleksitas kueri tersebut.

Untuk mendapatkan penjelasan kueri SQL, ikuti langkah-langkah berikut:

1. Di konsol Google Cloud , buka halaman BigQuery Studio.

   Buka BigQuery Studio

2. Di editor kueri, buka atau tempel kueri yang ingin Anda minta untuk dijelaskan.

3. Tandai kueri yang Anda inginkan untuk dijelaskan oleh Gemini di BigQuery.

4. Klik tombol astrophotography_mode Gemini inline mengambang yang muncul di samping teks yang ditandai, lalu klik Explain this query.

   

   Penjelasan SQL akan muncul di panel Cloud.

Memperbaiki dan menjelaskan error SQL

Pratinjau

Fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum dari Persyaratan Khusus Layanan. Fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Catatan: Untuk meminta dukungan atau memberikan masukan terkait fitur ini, kirim email ke [e-mail].

Anda dapat menggunakan Gemini in BigQuery untuk memperbaiki dan menjelaskan error dalam kueri SQL Anda. Untuk memperbaiki error dalam teks kueri sebelum Anda menjalankannya, ikuti langkah-langkah berikut:

1. Tandai teks yang berisi error.

2. Klik Sempurnakan, lalu astrophotography_mode Perbaiki.

3. Panel Gemini Cloud Assist akan terbuka dan menampilkan saran perubahan pada kueri Anda untuk memperbaiki error.

4. Klik Apply & run untuk melakukan perubahan, atau Preview untuk membuka panel perbandingan yang menunjukkan perbedaan antara kueri Anda dan kueri yang disarankan.

Untuk memperbaiki error yang muncul setelah Anda menjalankan kueri, ikuti langkah-langkah berikut:

1. Di samping error di panel Results, klik Gemini suggested fixes.

2. Panel Gemini Cloud Assist akan terbuka dan menampilkan saran perubahan pada kueri Anda untuk memperbaiki error.

3. Klik Apply & run untuk melakukan perubahan, atau Preview untuk membuka panel perbandingan yang menunjukkan perbedaan antara kueri Anda dan kueri yang disarankan.

Membuat kode Python

Anda dapat meminta Gemini in BigQuery untuk membuat kode Python dengan pernyataan atau pertanyaan dalam bahasa alami. Gemini in BigQuery akan merespons dengan satu atau beberapa saran kode Python, yang menarik nama tabel yang relevan langsung dari project BigQuery Anda, sehingga menghasilkan kode Python yang dipersonalisasi dan dapat dieksekusi.

Menggunakan alat pembuatan kode Python

Dalam contoh berikut, Anda akan membuat kode untuk set data publik BigQuery, bigquery-public-data.ml_datasets.penguins.

1. Di konsol Google Cloud , buka halaman BigQuery Studio.

   Buka BigQuery Studio

2. Di bilah tab editor kueri, klik panah drop-down di samping Kueri SQL, lalu klik Notebook.

   Notebook baru ini akan terbuka, yang berisi sel yang menunjukkan contoh kueri terhadap set data publik bigquery-public-data.ml_datasets.penguins.

3. Untuk menyisipkan sel kode baru, di toolbar, klik Code. Sel kode baru berisi pesan Start coding or generate with AI.

4. Di sel kode baru, klik Generate.

5. Di editor Generate, masukkan perintah bahasa alami berikut:

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

6. Tekan Enter (Return di macOS).

   Kode Python yang disarankan mirip dengan berikut ini:

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

7. Untuk menjalankan kode, tekan Run cell.

Membuat kode Python dengan Gemini Cloud Assist

Pratinjau

Fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum dari Persyaratan Khusus Layanan. Fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Catatan: Untuk meminta dukungan atau memberikan masukan terkait fitur ini, kirim email ke [e-mail].

Anda dapat menggunakan Gemini Cloud Assist di konsol Google Cloud untuk membuat kode Python di BigQuery. Sebelum dapat menggunakan Gemini Cloud Assist untuk membuat kode, Anda harus mengaktifkan Gemini Cloud Assist. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan Gemini Cloud Assist.

1. Di konsol Google Cloud , buka halaman BigQuery Studio.

   Buka BigQuery Studio

2. Di bilah tab editor kueri, klik panah drop-down di samping Kueri SQL, lalu klik Notebook.

3. Di toolbar Google Cloud , klik spark Open or close Gemini AI chat untuk membuka chat Gemini Cloud Assist.

   

4. Di kolom Enter a prompt, masukkan perintah untuk membuat kode Python. Contoh:

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

5. Klik Send prompt. Gemini akan menampilkan kode Python yang mirip dengan contoh berikut:

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

6. Tinjau kode Python yang dihasilkan.

7. Untuk menjalankan kode Python, klik Copy to clipboard, lalu tempelkan kode yang dihasilkan di editor kueri, kemudian klik Run.

Membuat kode BigQuery DataFrames

Pratinjau

Fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum dari Persyaratan Khusus Layanan. Fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Catatan: Untuk meminta dukungan atau memberikan masukan terkait fitur ini, kirim email ke [e-mail].

Anda dapat membuat kode BigQuery DataFrames dengan Gemini di BigQuery. Untuk meminta Gemini menggunakan BigQuery DataFrames dalam kode yang dihasilkan, nyatakan niat Anda dalam perintah. Misalnya, Anda dapat memulai perintah dengan "menggunakan bigframes" atau "memanfaatkan BigQuery DataFrames".

BigQuery DataFrames menyediakan dua library:

• bigframes.pandas, yang menyediakan API yang kompatibel dengan pandas untuk analisis.
• bigframes.ml, yang menyediakan API seperti scikit-learn untuk machine learning (ML).

Pembuatan kode Gemini dioptimalkan untuk library bigframes.pandas.

Untuk mempelajari lebih lanjut BigQuery DataFrames dan izin yang diperlukan untuk menggunakan BigQuery DataFrames, lihat Izin BigQuery DataFrames. BigQuery DataFrames adalah paket open source. Anda dapat menjalankan pip install --upgrade bigframes untuk menginstal versi terbaru.

Dalam contoh berikut, Anda akan membuat kode untuk set data publik BigQuery, bigquery-public-data.ml_datasets.penguins.

1. Di konsol Google Cloud , buka halaman BigQuery Studio.

   Buka BigQuery Studio

2. Di bilah tab editor kueri, klik panah drop-down di samping Kueri SQL, lalu klik Notebook.

   Notebook baru akan terbuka.

3. Untuk menyisipkan sel kode baru, di toolbar, klik Code.

4. Sel kode baru berisi pesan Start coding or generate with AI. Di sel kode baru, klik Generate.

5. Di editor Generate, masukkan perintah bahasa alami berikut:

   Read the penguins table from the BigQuery public data using bigframes
   

6. Tekan Enter (Return di macOS).

   Kode Python yang disarankan mirip dengan berikut ini:

   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. Untuk menjalankan kode, tekan Run cell.

8. Untuk melihat pratinjau hasilnya, di toolbar, klik Code untuk menyisipkan sel kode baru.

9. Di sel baru, panggil metode peek()—misalnya, result.peek()—lalu tekan Run cell. Sejumlah baris data akan ditampilkan.

Kode Python lengkap

Penyelesaian kode Python berupaya memberikan rekomendasi yang sesuai secara kontekstual, berdasarkan konten di editor kueri. Saat Anda mengetik, Gemini in BigQuery dapat menyarankan langkah logis berikutnya yang relevan dengan konteks kode saat ini, atau dapat membantu Anda melakukan iterasi pada kode.

Untuk mencoba penyelesaian kode Python dengan Gemini di BigQuery, ikuti langkah-langkah berikut:

1. Di konsol Google Cloud , buka halaman BigQuery Studio.

   Buka BigQuery Studio

2. Di bilah tab editor kueri, klik panah drop-down di samping Kueri SQL, lalu klik Notebook.

   Notebook baru akan terbuka, yang berisi sel yang menampilkan contoh kueri terhadap set data publik bigquery-public-data.ml_datasets.penguins.

3. Di editor, mulai ketik kode Python. Misalnya, %%bigquery. Gemini di BigQuery menyarankan kode inline saat Anda mengetik.

4. Untuk menerima saran, tekan Tab.

Menjelaskan kode Python

Pratinjau

Produk atau fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum di Persyaratan Khusus Layanan. Produk dan fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Anda dapat menggunakan Gemini in BigQuery untuk menjelaskan kode Python di notebook Colab Enterprise.

Setelah mendapatkan penjelasan, Anda dapat mengajukan lebih banyak pertanyaan dalam dialog perintah untuk lebih memahami kode.

Untuk mendapatkan penjelasan tentang kode Python di notebook Anda, ikuti langkah-langkah berikut:

1. Di konsol Google Cloud , buka halaman BigQuery Studio.

   Buka BigQuery Studio

2. Di panel kiri, klik Explorer:

   

   Jika Anda tidak melihat panel kiri, klik Luaskan panel kiri untuk membuka panel.

3. Di panel Explorer, luaskan project Anda dan klik Notebooks.

4. Klik notebook yang ingin Anda buka.

5. Tandai sel Python yang ingin Anda pahami.

6. Klik spark Gemini, lalu klik Explain code.

   Penjelasan kode akan muncul di panel di samping sel.

7. Opsional: Untuk lebih memahami kode Anda, ajukan pertanyaan di kolom Masukkan perintah di sini.

Memperbaiki dan menjelaskan error Python

Pratinjau

Produk atau fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum di Persyaratan Khusus Layanan. Produk dan fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Anda dapat menggunakan Gemini in BigQuery untuk memperbaiki dan menjelaskan error kode Python di notebook Colab Enterprise.

Untuk memperbaiki atau memahami error kode dengan bantuan Gemini, ikuti langkah-langkah berikut:

1. Di konsol Google Cloud , buka halaman BigQuery Studio.

   Buka BigQuery Studio

2. Di panel kiri, klik Explorer:

   

3. Di panel Explorer, luaskan project Anda dan klik Notebooks.

4. Klik notebook yang ingin Anda buka.

5. Di sel kode notebook Anda, masukkan kode yang berisi error, lalu jalankan sel tersebut. Misalnya, Anda mungkin memasukkan print(1, yang tidak memiliki tanda kurung tutup.

   Setelah sel kode berjalan, notebook akan mencetak pesan error di bawah sel kode Anda. Jika Anda telah mengaktifkan Gemini di notebook Python dan Gemini memiliki saran untuk memperbaiki atau menjelaskan error, salah satu opsi berikut akan muncul:

   • Untuk error sintaksis Python, opsi Fix error akan muncul.
   • Untuk semua jenis error lainnya, opsi Explain error akan muncul.

6. Untuk memperbaiki error sintaksis, lakukan tindakan berikut:

   1. Klik Perbaiki error.

      Gemini menyarankan cara memperbaiki error tersebut.

   2. Evaluasi saran, lalu lakukan salah satu tindakan berikut:

      • Untuk menerima saran, klik centang Terima saran.
      • Untuk menolak saran, klik tutup Tolak saran.

7. Untuk memperbaiki semua jenis error lainnya, lakukan tindakan berikut:

   1. Klik Explain error.

      Panel akan terbuka, menjelaskan error dan menyarankan perubahan.

   2. Opsional: Untuk lebih memahami error, ajukan pertanyaan di kolom Enter prompt here.

   3. Untuk menerima perubahan yang disarankan, klik library_add Add code cell.

Membuat kode PySpark

Pratinjau

Produk atau fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum di Persyaratan Khusus Layanan. Produk dan fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

Anda dapat meminta Gemini Code Assist untuk membuat kode PySpark di notebook Anda. Gemini Code Assist mengambil dan menggunakan tabel BigQuery dan Dataproc Metastore yang relevan beserta skemanya untuk menghasilkan respons kode. Dengan pengetahuan skemanya, Gemini Code Assist menghindari halusinasi, serta menyarankan kunci gabungan dan jenis kolom.

Untuk membuat kode Gemini Code Assist di notebook Anda, lakukan hal berikut:

1. Sisipkan sel kode baru dengan mengklik + Code di toolbar. Sel kode baru akan menampilkan Start coding or generate with AI. Klik Generate.

2. Di editor Generate, masukkan perintah bahasa alami, lalu klik enter. Pastikan untuk menyertakan kata kunci spark atau pyspark dalam perintah Anda.

   Contoh perintah:

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

   Contoh output:

   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")
   

Tips untuk pembuatan kode Gemini Code Assist

• Agar Gemini Code Assist dapat mengambil tabel dan skema yang relevan, aktifkan sinkronisasi Data Catalog untuk instance Dataproc Metastore.

• Pastikan akun pengguna Anda memiliki akses ke Data Catalog untuk membuat kueri tabel. Untuk melakukannya, tetapkan peran DataCatalog.Viewer.

Menonaktifkan fitur asisten kueri Gemini

Untuk menonaktifkan fitur tertentu di Gemini di BigQuery, lakukan hal berikut:

1. Di konsol Google Cloud , buka halaman BigQuery Studio.

   Buka BigQuery Studio

2. Di toolbar BigQuery, klik pen_sparkGemini.

   

3. Dalam daftar, hapus centang pada fitur asisten kueri yang ingin Anda nonaktifkan.

Untuk mempelajari cara menonaktifkan Gemini di BigQuery, lihat Menonaktifkan Gemini di BigQuery.

Menonaktifkan Gemini di Colab Enterprise

Untuk menonaktifkan Gemini di Colab Enterprise untuk project Google Cloud, administrator harus menonaktifkan Gemini for Google Cloud API. Baca artikel Menonaktifkan layanan.

Untuk menonaktifkan Gemini di Colab Enterprise bagi pengguna tertentu, administrator harus mencabut peran Gemini untuk Google Cloud User (roles/cloudaicompanion.user) untuk pengguna tersebut. Lihat Mencabut satu peran IAM.

Berikan masukan

1. Di konsol Google Cloud , buka halaman BigQuery Studio.

   Buka BigQuery Studio

2. Di toolbar BigQuery, klik pen_sparkGemini.

   

3. Klik Kirim masukan.

Membantu meningkatkan kualitas saran

Anda dapat membantu meningkatkan kualitas saran Gemini dengan membagikan data perintah yang Anda kirimkan ke fitur dalam Pratinjau kepada Google.

Untuk membagikan data perintah Anda, ikuti langkah-langkah berikut:

1. Di konsol Google Cloud , buka halaman BigQuery Studio.

   Buka BigQuery Studio

2. Di toolbar BigQuery, klik pen_sparkGemini.

   

3. Pilih Bagikan data untuk meningkatkan kualitas Gemini di BigQuery.

4. Dalam dialog Setelan Penggunaan Data, perbarui setelan penggunaan data Anda.

Setelan berbagi data berlaku untuk seluruh project dan hanya dapat ditetapkan oleh administrator project dengan izin IAM serviceusage.services.enable dan serviceusage.services.list. Untuk mengetahui informasi selengkapnya tentang penggunaan data dalam Program Penguji Tepercaya, lihat Program Penguji Tepercaya Gemini untuk Google Cloud .

Data Gemini dan BigQuery

Untuk memberikan hasil yang akurat, Gemini di BigQuery memerlukan akses ke Data Pelanggan dan metadata Anda di BigQuery untuk fitur yang ditingkatkan. Untuk mengetahui informasi selengkapnya, lihat Cara Gemini di BigQuery menggunakan data Anda.

Lokasi

Anda dapat menggunakan Gemini in BigQuery-assisted SQL dan analisis data Python di semua lokasi BigQuery. Untuk mempelajari tempat Gemini di BigQuery memproses data Anda, lihat Tempat Gemini di BigQuery memproses data Anda.

Harga

Untuk mengetahui detail tentang harga fitur ini, lihat Ringkasan harga Gemini di BigQuery.

Langkah berikutnya

• Baca Ringkasan Gemini untuk Google Cloud .
• Pelajari cara Gemini untuk Google Cloud menggunakan data Anda.
• Pelajari cara mengeksplorasi data dengan membuat insight data.