はてなブックマーク

Stay organized with collections Save and categorize content based on your preferences.

フィードバックを送信 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 MCP を使用して LLM を BigQuery に接続する このガイドでは、データベース向け MCP ツールボックスを使用して、BigQuery プロジェクトをさまざまな統合開発環境（IDE）とデベロッパー ツールに接続する方法について説明します。Model Context Protocol（MCP）を使用します。これは、大規模言語モデル（LLM）を BigQuery などのデータソースに接続するためのオープン プロトコルであり、SQL クエリを実行して、既存のツールからプロジェクトを直接操作できます。 Gemini CLI を使用する場合は、BigQuery 拡張機能を使用できます。詳細については、Gemini CLI を使用して開発するをご覧ください。Gemini CLI 用のカス

Send feedback Configure IAP for Cloud Run Stay organized with collections Save and categorize content based on your preferences. This page describes how to enable IAP directly on a Cloud Run service and secure traffic bound for a Cloud Run service by routing to IAP for authentication. By enabling IAP on Cloud Run directly, you can secure traffic with a single click from all ingress paths, includin

Send feedback Work with pipe query syntax Stay organized with collections Save and categorize content based on your preferences. Pipe query syntax is an extension to GoogleSQL that supports a linear query structure designed to make your queries easier to read, write, and maintain. You can use pipe syntax anywhere you write GoogleSQL. Pipe syntax supports the same operations as existing GoogleSQL q

フィードバックを送信 グラウンディングの概要 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 生成 AI において、グラウンディングとは、モデルの出力を検証可能な情報源に紐付ける仕組みを指します。特定のデータソースにアクセスできるモデルを用意することで、グラウンディングによりその出力が特定のデータに紐づけされ、コンテンツのねつ造が起こりにくくなります。これは、精度と信頼性が重要な状況で特に重要です。 グラウンディングには次の利点があります。 モデルのハルシネーション（モデルが事実に基づいていないコンテンツを生成すること）を削減します。 モデルのレスポンスをデータソースに固定します。 情報源へのリンク（根拠）を提供することで、監査可能性を確保します。 Vertex AI では、サポート対象のモデルの出力を次の方法でグラウンディングできます。 グラウンディング

フィードバックを送信 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 継続的クエリの概要 このドキュメントでは、BigQuery の継続的クエリについて説明します。 BigQuery の継続的クエリは、継続的に実行される SQL ステートメントです。継続的クエリを使用すると、BigQuery で受信データをリアルタイムで分析できます。継続的クエリによって生成された出力行を BigQuery テーブルに挿入することも、Pub/Sub、Bigtable、または Spanner にエクスポートすることもできます。継続的クエリは、次のいずれかの方法で標準の BigQuery テーブルに書き込まれたデータを処理できます。 BigQuery Storage Write API tabledata.insertAll メソッド バッチ読み込み INSERT DML ステ

フィードバックを送信 Partner Interconnect の概要 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 Partner Interconnect は、サポート対象のサービス プロバイダを介して、お客様のオンプレミス ネットワークと Virtual Private Cloud（VPC）ネットワークの間の接続を提供します。Partner Interconnect による接続は、Dedicated Interconnect コロケーション施設に接続できない場所にデータセンターを設置しているお客様や、常時 10 Gbps の専用回線を必要としないお客様に便利にお使いいただけます。 Partner Interconnect を使用する前に 次の要件を満たしていることを確認してください。 Cloud Interconnect の用語を理解している。 サ

フィードバックを送信 セキュリティ設計の概要 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 Cloud Run でセキュリティに関するベスト プラクティスを実装してデータを保護する方法と、これらの機能を使用してセキュリティ要件を満たす方法について説明します。 アーキテクチャ Cloud Run は、Google が週に何十億ものコンテナをデプロイし、Gmail や YouTube などの世界最大のサイトをホストしている環境と同じ環境の Borg 上で動作します。Cloud Run のコンポーネントは同じインフラストラクチャを共有しているため、他の Google サービスと同じセキュリティ標準で構築されています。 セキュリティに対する Google のアプローチについて詳しくは、Google のセキュリティの概要のホワイトペーパーをご覧ください。 Clou

フィードバックを送信 gcloud CLI の認証が完了しました。 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 認証フローが正常に完了しました。このウィンドウを閉じるか、以下のリソースをご確認ください。 コマンドライン ツールとクライアント ライブラリに関する情報 Google Cloud CLI コマンドの詳細については、gcloud CLI ガイドをご覧ください。 App Engine、Compute Engine、Cloud Storage、BigQuery、Cloud SQL、Cloud DNS のコマンドライン ツール（すべて gcloud CLI にバンドルされています）の詳細については、gcloud CLI でサービスにアクセスするをご覧ください。 クライアント アプリケーションを開発している場合に、プログラミング言語やフレームワークを使

generateContent または streamGenerateContent を使用して、Gemini でコンテンツを生成します。 Gemini モデル ファミリーには、マルチモーダル プロンプト リクエストに対応するモデルが含まれています。マルチモーダルとは、プロンプトで複数のモダリティ（入力タイプ）を使用できることを示します。マルチモーダルではないモデルは、テキストのみのプロンプトを受け入れます。モダリティには、テキスト、音声、動画などがあります。 Google Cloud アカウントを作成して開始する Vertex AI で Gemini API の使用を開始するには、 Google Cloud アカウントを作成します。 アカウントを作成したら、このドキュメントを使用して、Gemini モデルのリクエスト本文、モデル パラメータ、レスポンスの本文、リクエストのサンプルを確認して

projects.locations.reasoningEngines.a2a.tasks.pushNotificationConfigs

フィードバックを送信 オブジェクトのライフサイクル管理 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 オブジェクトのライフサイクル管理を設定 構成サンプル Cloud Storage では、オブジェクトの有効期間（TTL）の設定、非現行バージョンの保持、コスト管理のためのストレージ クラスの「ダウングレード」など、一般的なユースケースをサポートするため、オブジェクトのライフサイクル管理機能を提供しています。 このページでは、この機能と使用可能なオプションについて説明します。ライフサイクル構成ファイルの一般的な形式については、JSON のバケット リソース表現と XML のライフサイクル構成形式をご覧ください。 はじめに オブジェクトのライフサイクル管理を使用するには、ライフサイクル構成を定義します。また、その構成は、バケットに置かれる必要があります。この

フィードバックを送信 Cloud Run とは コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 Cloud Run は、スケーラビリティに優れた Google のインフラストラクチャ上でコード、関数、コンテナを実行できるフルマネージド アプリケーション プラットフォームです。 コンテナ イメージをビルドできるものであれば、任意のプログラミング言語で記述されたコードを Cloud Run にデプロイできます。コンテナ イメージのビルドは任意です。Go、Node.js、Python、Java、.NET、Ruby、またはサポートされるフレームワークを使用している場合は、使用している言語のベスト プラクティスに従って、コンテナをビルドするソースベースのデプロイ オプションを使用できます。 Google では、 Google Cloud上の他のサービスと連携できるよ

フィードバックを送信 ロールバック、段階的なロールアウト、トラフィックの移行 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 Cloud Run では、トラフィックを受信するリビジョンと、リビジョンが受信するトラフィックの割合を指定できます。この機能を使用すると、以前のリビジョンへのロールバック、リビジョンの段階的なデプロイ、複数のリビジョン間でのトラフィックの分割ができます。このページでは、この機能を使用して Cloud Run リビジョンへのトラフィックを管理する方法について説明します。 トラフィック ルーティングの調整はすぐに行われません。リビジョンのトラフィックを変更しても、処理中のすべてのリクエストは続行されます。処理中のリクエストは破棄されないため、移行期間中は新しいリビジョンまたは以前のリビジョンのどちらかに送信されます。 トラフィック分割と

フィードバックを送信 VPC ネットワークによるダイレクト VPC 下り（外向き） コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 ダイレクト VPC 下り（外向き）を使用することで、Cloud Run のサービス、ジョブ、またはワーカープールがサーバーレス VPC アクセス コネクタなしでトラフィックを VPC ネットワークに送信できるようにします。 始める前に プロジェクトに VPC ネットワークがない場合は作成します。 Cloud Run のサービスまたはジョブで共有 VPC を使用する場合は、共有 VPC ネットワークへの接続をご覧ください。 次の IP アドレス構成セクションを確認します。 IP アドレスの割り振り: サブネットから IP アドレスを割り振る際のガイダンス。 代替の IP アドレス範囲を使用するIP アドレスの枯渇戦略。 制限事項

ホット タブレット Bigtable には、パフォーマンスの問題をトラブルシューティングするため、クラスタ内のホット タブレットを特定してモニタリングする機能があります。このページでは、ホット タブレットの概要、ホット タブレットのリストを取得する方法、ホット タブレットの識別が有益な状況について説明します。このページを読む前に、Bigtable の概要を理解しておく必要があります。 ホット タブレットのリストを取得するメソッドの名前は、使用する言語によって異なります。わかりやすくするため、このドキュメントでは RPC Cloud Bigtable Admin API 名（ListHotTablets）を使用します。ホット タブレットのリストは、以下のものを使用して取得できます。 Google Cloud CLI Cloud Bigtable Admin API Cloud Bigtabl

フィードバックを送信 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 Cloud NAT の概要 Cloud NAT は、インターネット、Virtual Private Cloud（VPC）ネットワーク、オンプレミス ネットワーク、その他のクラウド プロバイダ ネットワークへのアウトバウンド トラフィックに対しネットワーク アドレス変換（NAT）を提供します。 Cloud NAT は、次のリソースのアドレスを変換します。 Compute Engine 仮想マシン（VM）インスタンス Google Kubernetes Engine（GKE）クラスタ Cloud Run インスタンス Cloud Run functions インスタンス App Engine スタンダード環境のインスタンス リージョン インターネット ネットワーク エンドポイント グループ（

フィードバックを送信 Gemini Code Assist の Standard と Enterprise によるコード コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 このドキュメントでは、IDE で AI を活用したコラボレーターである Gemini Code Assist を使用して、VS Code や IntelliJ などのサポートされている JetBrains IDE で次のことを行う方法について説明します。 コード変換を使用してプロジェクトのコードを生成する。 コーディング中にコード補完を使用する。 スマート アクションを使用する。 Gemini Code Assist Enterprise を使用している場合は、コードのカスタマイズを使用できます。これにより、組織のプライベート コードベースに基づいて、Gemini Code Assist

フィードバックを送信 Cloud Run サービスに対して Cloud Storage のボリューム マウントを構成する コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 このページでは、Cloud Run のボリューム マウントを使用して、Cloud Storage バケットをストレージ ボリュームとしてマウントする方法について説明します。 Cloud Run でバケットをボリュームとしてマウントすると、バケットの内容がコンテナ ファイル システムのファイルとして提示されます。バケットをボリュームとしてマウントした後、Google API クライアント ライブラリではなく、プログラミング言語のファイル システム オペレーションとライブラリを使用して、バケットにローカル ファイル システムのディレクトリのようにアクセスします。 ボリュームを読み取り専用として

Send feedback Stay organized with collections Save and categorize content based on your preferences. Write queries with Gemini assistance This document describes how to use AI-powered assistance in Gemini in BigQuery to help you query your data with SQL queries and Python code. Gemini in BigQuery can generate and explain queries and code, complete queries and code while you type, and fix code erro

Send feedback Google models Stay organized with collections Save and categorize content based on your preferences. 3.1 Pro preview Designed for comprehensive multimodal understanding and complex problem solving Features a 1 million token context window Improved performance on agentic workflows and autonomous coding tasks Designed for complex multimodal tasks and advanced reasoning 3 Flash preview

This page documents production updates to Data Studio. Check this page for announcements about new or updated features, bug fixes, known issues, and deprecated functionality regarding Data Studio. You may also be interested in the Looker release notes. For releases earlier than May 2023, visit the historical release notes page. You can see the latest product updates for all of Google Cloud on the

フィードバックを送信 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 インデックス登録されたデータを検索する このページでは、BigQuery でテーブルデータを検索する例を示します。データをインデックスに登録すると、BigQuery で SEARCH 関数や、=、IN、LIKE、STARTS_WITH などその他の関数と演算子を使用するクエリを最適化できるようになります。 SQL クエリでは、一部のデータがまだインデックスに登録されていない場合でも、取り込まれたすべてのデータから正しい結果が返されます。ただし、インデックスを使用することにより、クエリのパフォーマンスが大幅に向上します。スキャンされるデータが少ないために検索結果の数がテーブル内の合計行数に対してごく少なくなる場合に、処理されたバイト数とスロットのミリ秒数が最大限削減されます。クエリにインデ

このドキュメントでは、Microsoft Entra ID（旧 Azure AD）を ID の IdP およびソースとして使用するよう Cloud Identity または Google Workspace を構成する方法について説明します。 このドキュメントでは、Microsoft Entra ID の論理構造と Cloud Identity および Google Workspace で使用される構造を比較し、Microsoft Entra ID のテナント、ドメイン、ユーザー、グループをマッピングする方法について説明します。 連携を実装する Google Cloud は、認証とアクセス管理に Google ID を使用します。すべての従業員がすでに Microsoft Entra ID のアカウントを持っている場合、各従業員の Google ID を手動で管理すると、不要な管理の負担が

フィードバックを送信 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 マテリアライズド ビューを作成する このドキュメントでは、BigQuery でマテリアライズド ビューを作成する方法について説明します。このドキュメントを読む前に、マテリアライズド ビューの概要を理解してください。 始める前に このドキュメントの各タスクを実行するために必要な権限をユーザーに与える Identity and Access Management（IAM）のロールを付与します。 必要な権限 マテリアライズド ビューを作成するには、bigquery.tables.create IAM 権限が必要です。 次の IAM 事前定義ロールには、マテリアライズド ビューの作成に必要な権限が含まれています。 bigquery.dataEditor bigquery.dataOwner bi

フィードバックを送信 Container Registry からの移行 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 Container Registry は非推奨になりました。2025 年 3 月 18 日をもって、Container Registry はシャットダウンされ、Container Registry へのイメージの書き込みができなくなります。 Artifact Registry でホストされている gcr.io URL（gcr.io URL を持つ Google 所有のイメージを含む）は、Container Registry のシャットダウンの影響を受けません。 Artifact Registry は、 でのコンテナ イメージの保存と 管理に推奨されるサービスです Google Cloud。Artifact Registry は、Conta

フィードバックを送信 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 JOBS ビュー INFORMATION_SCHEMA.JOBS ビューには、現在のプロジェクト内の BigQuery ジョブすべてに関するニア リアルタイムのメタデータが含まれます。 必要なロール INFORMATION_SCHEMA.JOBS ビューをクエリするために必要な権限を取得するには、プロジェクトに対する BigQuery リソース閲覧者（roles/bigquery.resourceViewer）IAM ロールを付与するように管理者へ依頼してください。ロールの付与については、プロジェクト、フォルダ、組織へのアクセス権の管理をご覧ください。 この事前定義ロールには、INFORMATION_SCHEMA.JOBS ビューに対するクエリの実行に必要な bigquery.jobs.