Durante l'esecuzione di un'applicazione Ray su Vertex AI, puoi utilizzare BigQuery come database cloud. Questa sezione illustra come leggere e scrivere in un database BigQuery dal tuo cluster Ray su Vertex AI. I passaggi di questa sezione presuppongono che tu stia utilizzando l'SDK Vertex AI per Python.
Se vuoi leggere da un set di dati BigQuery, devi creare un nuovo set di dati BigQuery o utilizzarne uno esistente.
Importa e inizializza Ray sul client Vertex AI
Se hai già stabilito la connessione al tuo cluster Ray su Vertex AI, riavvia il kernel ed esegui il codice seguente. La variabile runtime_env
è necessaria al momento della connessione per eseguire i comandi BigQuery.
import ray from google.cloud import aiplatform # The CLUSTER_RESOURCE_NAME is the one returned from vertex_ray.create_ray_cluster. address = 'vertex_ray://{}'.format(CLUSTER_RESOURCE_NAME) runtime_env = { "pip": ["google-cloud-aiplatform[ray]","ray==2.9.3"] } ray.init(address=address, runtime_env=runtime_env)
Leggere i dati da BigQuery
Leggere i dati dal set di dati BigQuery. La lettura deve essere eseguita in Ray Task.
aiplatform.init(project=project_id, location=location) @ray.remote def run_remotely(): import vertex_ray dataset = DATASET parallelism = PARALLELISM query = QUERY ds = vertex_ray.data.read_bigquery( dataset=dataset, parallelism=parallelism, query=query ) ds.materialize()
Dove:
PROJECT_ID: ID progetto Google Cloud. Puoi trovare l'ID progetto nella pagina di benvenuto della console Google Cloud.
DATASET: set di dati BigQuery. Deve essere nel formato
dataset.table
. Impostalo suNone
se fornisci una query.NUM_BLOCKS: un numero intero che influenza il numero di attività di lettura create in parallelo. Il numero di flussi di lettura creati potrebbe essere inferiore a quello richiesto.
SQL_QUERY: una stringa contenente una query SQL per leggere dal database BigQuery. Imposta su
None
se non è richiesta alcuna query.
Trasformazione dei dati
Aggiorna ed elimina righe e colonne dalle tabelle BigQuery utilizzando
pyarrow
o pandas
. Se vuoi utilizzare le trasformazioni pandas
, ti consigliamo di mantenere il tipo di input impostato su Python e convertirlo in pandas
all'interno della funzione definita dall'utente dall'utente, in modo da poter individuare eventuali errori di tipo di conversione pandas
all'interno della funzione definita dall'utente. La trasformazione deve essere eseguita in un'attività Ray.
@ray.remote def run_remotely(): # BigQuery Read first import pandas as pd import pyarrow as pa def filter_batch(table: pa.Table) -> pa.Table: df = table.to_pandas(types_mapper={pa.int64(): pd.Int64Dtype()}.get) # PANDAS_TRANSFORMATIONS_HERE return pa.Table.from_pandas(df) ds = ds.map_batches(filter_batch, batch_format="pyarrow").random_shuffle() ds.materialize() # You can repartition before writing to determine the number of write blocks ds = ds.repartition(4) ds.materialize()
Scrivi dati in BigQuery
Inserisci i dati nel tuo set di dati BigQuery. La scrittura deve essere eseguita in Ray Task.
@ray.remote def run_remotely(): # BigQuery Read and optional data transformation first dataset=DATASET vertex_ray.data.write_bigquery( ds, dataset=dataset )
Dove:
- DATASET: set di dati BigQuery. Deve essere nel formato
dataset.table
.