本頁面說明如何從 Cloud SQL 執行個體叫用線上預測。
Cloud SQL 可讓您呼叫 mysql.ml_predict_row() 函式,在 SQL 程式碼中取得線上預測結果。
事前準備
您必須先準備資料庫並選取適當的機器學習模型,才能從 Cloud SQL 執行個體叫用線上預測。
準備資料庫
如要準備資料庫,請設定 Cloud SQL 與 Vertex AI 之間的整合。選取機器學習模型
呼叫 mysql.ml_predict_row() 函式時,必須指定機器學習模型的位置。您可以指定下列其中一種模型:
在 Vertex AI Model Garden 中執行的 AI 模型。
mysql.ml_predict_row()函式僅支援對表格或自訂模型叫用預測。Vertex AI 模型具備有效端點,且您有權透過 Identity and Access Management (IAM) 存取。
Cloud SQL 不支援私人端點,無法用於取得線上預測結果。
叫用線上預測
您可以使用 mysql.ml_predict_row() SQL 函式,對資料叫用線上預測。
函式初始引數的格式,取決於您要使用的機器學習模型是否位於 Vertex AI Model Garden,或是在 Google Cloud 專案中執行的端點。
使用 Vertex AI Model Garden 中的模型
如要使用在 Vertex AI Model Garden 中執行的機器學習模型叫用線上預測,請對 mysql.ml_predict_row() SQL 函式使用下列語法:
SELECT mysql.ML_PREDICT_ROW('publishers/google/models/MODEL_ID', '{ "instances": [ INSTANCES ], "parameters":
PARAMETERS }');
請依指示取代下列項目:
MODEL_ID:要使用的機器學習模型 ID (例如
gemini-2.0)INSTANCES:預測呼叫的輸入內容,採用 JSON 格式
PARAMETERS:預測呼叫的參數,採用 JSON 格式
SELECT mysql.ML_PREDICT_ROW('publishers/google/models/MODEL_ID', '{ "instances": [ INSTANCES ], "parameters":
PARAMETERS }');
使用 Vertex AI 模型端點
如要使用 Vertex AI 模型端點叫用線上預測,請對 mysql.ml_predict_row() SQL 函式使用下列語法:
SELECT mysql.ML_PREDICT_ROW('endpoints/ENDPOINT_ID', '{ "instances": [ INSTANCES ], "parameters":
PARAMETERS }');
請依指示取代下列項目:
ENDPOINT_ID:模型端點的 ID
INSTANCES:預測呼叫的輸入內容,採用 JSON 格式
PARAMETERS:預測呼叫的參數,採用 JSON 格式
如要瞭解模型的 JSON 回應訊息,請參閱「PredictResponse」。
叫用範例
下列範例使用 Model Garden 中的 Gemini 2.5 Flash,根據以常值引數形式提供給 mysql.ml_predict_row() 的簡短提示生成文字:
sql
select mysql.ML_PREDICT_ROW('publishers/google/models/gemini-2.0-flash:generateContent', '{
"contents": [{
"role": "user",
"parts": [{
"text": "Write me a short poem about MySQL"
}]
}]
}');
回應為 JSON 物件。如要進一步瞭解物件格式,請參閱「回應主體」。
下一個範例會以前一個範例為基礎,進行下列修改:
這個範例使用目前資料庫的
messages.message欄內容做為輸入內容。這個範例示範如何使用
json_object()函式,協助設定函式參數的格式。
select mysql.ML_PREDICT_ROW('projects/PROJECT_ID/locations/us-central1/publishers/google/models/text-bison', json_object('instances', json_object('prompt', message), 'parameters', json_object('maxOutputTokens', 1024,'topK', 40,'topP', 0.8,'temperature', 0.2))) from messages;
對於 messages 資料表中的每一列,傳回的 JSON 物件現在會在 candidates 陣列中包含一個項目。
由於回應是 JSON 物件,您可以從中提取特定欄位:
select JSON_EXTRACT(mysql.ml_PREDICT_ROW('publishers/google/models/gemini-2.0-flash:generateContent', JSON_OBJECT(
'contents', JSON_ARRAY(
JSON_OBJECT(
'role', 'user',
'parts', JSON_ARRAY(
JSON_OBJECT(
'text', message
)
)
)
)
)), '$.candidates[0].content.parts[0].text') from messages;
如需更多 ml_predict_row() 的引數範例,請參閱「試用 Vertex AI Gemini API」。