Vektorsuche mit Private Service Connect einrichten

REST

• PROJECT: Die ID des Dienstprojekts, in dem Sie Gemini Enterprise Agent Platform-Ressourcen erstellen.

• REGION: Die Netzwerkregion.

• DISPLAY_NAME: Ein Anzeigename für den Endpunkt. Mit diesem Namen wird eine ID für den Endpunkt erstellt, die später nicht mehr aktualisiert werden kann.

• VPC_PROJECTS: Bei der Einrichtung einer gemeinsam genutzten VPC ist dies eine durch Kommas getrennte Liste von VPC-Hostprojekten. Bei der Einrichtung einer eigenständigen VPC entspricht dies PROJECT.

PROJECT=PROJECT_ID
VPC_PROJECT=VPC_PROJECT_ID
REGION=us-central1
VERTEX_ENDPOINT=REGION-aiplatform.googleapis.com
curl -H "Content-Type: application/json" \
  -H "Authorization: Bearer `gcloud auth print-access-token`" \
  https://REGION-aiplatform.googleapis.com/v1/projects/PROJECT/locations/REGION/indexEndpoints \
  -d '{
     "displayName": "DISPLAY_NAME",
     "privateServiceConnectConfig": {
       "enablePrivateServiceConnect": true,
       "projectAllowlist": [ "VPC_PROJECT_1", "VPC_PROJECT_2", "VPC_PROJECT_N"]
     }
   }

Console

So erstellen Sie Ihren Endpunkt:

1. Klicken Sie auf die folgende Schaltfläche, um in der Google Cloud Console zur Vektorsuche zu wechseln. Eine Liste Ihrer aktiven Indexe wird angezeigt.

   Zur Vektorsuche

2. Wählen Sie den Tab Indexendpunkte aus. Ihre Indexendpunkte werden angezeigt.

3. Klicken Sie auf add_boxNeuen Endpunkt erstellen. Der Bereich Neuen Indexendpunkt erstellen wird geöffnet.

4. Geben Sie unter Anzeigename einen Anzeigenamen für den Indexendpunkt ein. Mit diesem Namen wird eine ID für den Endpunkt erstellt, die später nicht mehr aktualisiert werden kann.

5. Wählen Sie im Drop-down-Menü Region eine Region aus.

6. Klicken Sie unter Zugriff auf Private Service Connect (Vorschau).

7. Ein Textfeld wird angezeigt, in dem Sie angeben können, welche VPC-Projekte verwendet werden sollen. Fügen Sie die IDs oder Nummern der VPC-Projekte hinzu, die Sie verwenden möchten.

8. Klicken Sie auf Erstellen.

REST

• PROJECT: Das Dienstprojekt, in dem Sie Gemini Enterprise Agent Platform-Ressourcen erstellen.

• VPC_PROJECT: Das Projekt, in dem sich Ihre Client-VPC befindet. Bei der Einrichtung einer freigegebene VPC ist dies das VPC-Hostprojekt.

• DISPLAY_NAME: Ein Anzeigename für den Endpunkt. Mit diesem Namen wird eine ID für den Endpunkt erstellt, die später nicht mehr aktualisiert werden kann.

• NETWORK_NAME: Der Name des Netzwerks, in dem die Bereitstellung erfolgen soll, im Format projects//global/networks/.

• REGION: Die Netzwerkregion.

• PSC_SUBNETS: Das zu verwendende Private Service Connect-Subnetz.

PROJECT=PROJECT
VPC_PROJECTS=VPC_PROJECTS
REGION=REGION
curl -X POST -H "Authorization: Bearer $(gcloud auth print-access-token)"
-H "Content-Type: application/json; charset=utf-8" "https://LOCATIONAL_ENDPOINT.googleapis.com/v1/projects/PROJECT_NUMBER/locations/REGION/indexEndpoints/INDEX_ENDPOINT_ID:deployIndex"
-d '{
  "deployedIndex": {
    "id": "DEPLOYED_INDEX_ID",
    "index": "projects/PROJECT/locations/us-central1/indexes/INDEX_ID ",
    "displayName": "DISPLAY_NAME",
    "psc_automation_configs": [
      { "project_id": "PROJECT_1", "network": "NETWORK_NAME_1" },
      { "project_id": "PROJECT_2", "network": "NETWORK_NAME_2" },
      { "project_id": "PROJECT_N", "network": "NETWORK_NAME_N" }]
    }
}'

Console

So stellen Sie Ihren Endpunkt bereit:

1. Klicken Sie auf die folgende Schaltfläche, um in der Console zur Vektorsuche zu wechseln. Google Cloud Eine Liste Ihrer aktiven Indexe wird angezeigt.

   Zur Vektorsuche

2. Klicken Sie auf die Schaltfläche Bereitstellen für den Private Service Connect-fähigen Vektorsuchendpunkt, den Sie bereitstellen möchten. Der Bereich Index bereitstellen wird eingeblendet.

3. Geben Sie unter Anzeigename einen Anzeigenamen für den bereitgestellten Index ein. Mit diesem Namen wird die ID erstellt, die später nicht mehr aktualisiert werden kann.

4. Klicken Sie auf Endpunkt und wählen Sie den Indexendpunkt aus, auf dem Sie die Bereitstellung durchführen möchten.

5. Optional: Klicken Sie auf Maschinentyp , um den Maschinentyp manuell auszuwählen, auf dem der Index bereitgestellt werden soll. Standardmäßig wird der Maschinentyp automatisch anhand der Index-Shard-Größe ausgewählt.

Jetzt müssen Sie Private Service Connect-Automatisierungskonfigurationen hinzufügen. Anleitung:

1. Klicken Sie im Abschnitt PSC-Automatisierungskonfigurationen auf add_boxNeue Konfiguration hinzufügen.

2. Geben Sie den Namen des VPC-Projekts ein, mit dem eine Verbindung hergestellt werden soll.

3. Geben Sie den Netzwerknamen des VPC-Projekts ein, mit dem eine Verbindung hergestellt werden soll. Es muss das Format projects/<project_number>/global/networks/<network_name> haben.

4. Klicken Sie optional auf add_boxNeue Konfiguration hinzufügen und fügen Sie weitere Private Service Connect-Automatisierungskonfigurationen hinzu.

5. Klicken Sie auf Bereitstellen , um den Vorgang abzuschließen.

gcloud

Ersetzen Sie folgende Werte in den Befehlsdaten:

• INDEX_ENDPOINT_ID: Die ID des Indexendpunkts.
• DEPLOYED_INDEX_ID: Ein vom Nutzer angegebener String zur eindeutigen Identifizierung des bereitgestellten Index. Er muss mit einem Buchstaben beginnen und darf nur Buchstaben, Zahlen oder Unterstriche enthalten. Formatrichtlinien finden Sie im Artikel zu DeployedIndex.id.
• DEPLOYED_INDEX_ENDPOINT_NAME: Der Anzeigename des bereitgestellten Indexendpunkts.
• INDEX_ID: Die ID des Index.
• LOCATION: Die Region, in der Sie die Agent Platform verwenden.
• PROJECT_ID: Ihre Google Cloud Projekt-ID.

Führen Sie den folgenden Befehl aus:

gcloud ai index-endpoints deploy-index INDEX_ENDPOINT_ID \
    --deployed-index-id=DEPLOYED_INDEX_ID \
    --display-name=DEPLOYED_INDEX_ENDPOINT_NAME \
    --index=INDEX_ID \
    --region=LOCATION \
    --project=PROJECT_ID

gcloud ai index-endpoints deploy-index INDEX_ENDPOINT_ID `
    --deployed-index-id=DEPLOYED_INDEX_ID `
    --display-name=DEPLOYED_INDEX_ENDPOINT_NAME `
    --index=INDEX_ID `
    --region=LOCATION `
    --project=PROJECT_ID

gcloud ai index-endpoints deploy-index INDEX_ENDPOINT_ID ^
    --deployed-index-id=DEPLOYED_INDEX_ID ^
    --display-name=DEPLOYED_INDEX_ENDPOINT_NAME ^
    --index=INDEX_ID ^
    --region=LOCATION ^
    --project=PROJECT_ID

REST

Ersetzen Sie folgende Werte in den Anfragedaten:

• INDEX_ENDPOINT_ID: Die ID des Indexendpunkts.
• DEPLOYED_INDEX_ID: Ein vom Nutzer angegebener String zur eindeutigen Identifizierung des bereitgestellten Index. Er muss mit einem Buchstaben beginnen und darf nur Buchstaben, Zahlen oder Unterstriche enthalten. Formatrichtlinien finden Sie im Artikel zu DeployedIndex.id.
• DEPLOYED_INDEX_ENDPOINT_NAME: Der Anzeigename des bereitgestellten Indexendpunkts.
• INDEX_ID: Die ID des Index.
• LOCATION: Die Region, in der Sie die Agent Platform verwenden.
• PROJECT_ID: Ihre Google Cloud Projekt-ID.
• PROJECT_NUMBER: Die automatisch generierte Projektnummer Ihres Projekts.

HTTP-Methode und URL:

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/indexEndpoints/INDEX_ENDPOINT_ID:deployIndex

JSON-Text der Anfrage:

{
 "deployedIndex": {
   "id": "DEPLOYED_INDEX_ID",
   "index": "projects/PROJECT_ID/locations/LOCATION/indexes/INDEX_ID",
   "displayName": "DEPLOYED_INDEX_ENDPOINT_NAME"
 }
}

Wenn Sie die Anfrage senden möchten, maximieren Sie eine der folgenden Optionen:

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/indexEndpoints/INDEX_ENDPOINT_ID:deployIndex"

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/indexEndpoints/INDEX_ENDPOINT_ID:deployIndex" | Select-Object -Expand Content

Sie sollten eine JSON-Antwort ähnlich wie diese erhalten:

{
 "name": "projects/PROJECT_NUMBER/locations/LOCATION/indexEndpoints/INDEX_ENDPOINT_ID/operations/OPERATION_ID",
 "metadata": {
   "@type": "type.googleapis.com/google.cloud.aiplatform.v1.DeployIndexOperationMetadata",
   "genericMetadata": {
     "createTime": "2022-10-19T17:53:16.502088Z",
     "updateTime": "2022-10-19T17:53:16.502088Z"
   },
   "deployedIndexId": "DEPLOYED_INDEX_ID"
 }
}

Terraform

Im folgenden Beispiel wird die vertex_ai_index_endpoint_deployed_index Terraform-Ressource verwendet, um einen bereitgestellten Indexendpunkt zu erstellen.

Informationen zum Anwenden oder Entfernen einer Terraform-Konfiguration finden Sie unter Grundlegende Terraform-Befehle.

provider "google" {
  region = "us-central1"
}

resource "google_vertex_ai_index_endpoint_deployed_index" "default" {
  depends_on        = [google_vertex_ai_index_endpoint.default]
  index_endpoint    = google_vertex_ai_index_endpoint.default.id
  index             = google_vertex_ai_index.default.id
  deployed_index_id = "deployed_index_for_psc"
}

resource "google_vertex_ai_index_endpoint" "default" {
  display_name = "sample-endpoint"
  description  = "A sample index endpoint with Private Service Connect enabled"
  region       = "us-central1"
  private_service_connect_config {
    enable_private_service_connect = true
    project_allowlist = [
      data.google_project.project.project_id,
    ]
  }
}

data "google_project" "project" {}

# Cloud Storage bucket name must be unique
resource "random_id" "default" {
  byte_length = 8
}

# Create a Cloud Storage bucket
resource "google_storage_bucket" "bucket" {
  name                        = "vertex-ai-index-bucket-${random_id.default.hex}"
  location                    = "us-central1"
  uniform_bucket_level_access = true
}

# Create index content
resource "google_storage_bucket_object" "data" {
  name    = "contents/data.json"
  bucket  = google_storage_bucket.bucket.name
  content = <<EOF
{"id": "42", "embedding": [0.5, 1.0], "restricts": [{"namespace": "class", "allow": ["cat", "pet"]},{"namespace": "category", "allow": ["feline"]}]}
{"id": "43", "embedding": [0.6, 1.0], "restricts": [{"namespace": "class", "allow": ["dog", "pet"]},{"namespace": "category", "allow": ["canine"]}]}
EOF
}

resource "google_vertex_ai_index" "default" {
  region       = "us-central1"
  display_name = "sample-index-batch-update"
  description  = "A sample index for batch update"
  labels = {
    foo = "bar"
  }

  metadata {
    contents_delta_uri = "gs://${google_storage_bucket.bucket.name}/contents"
    config {
      dimensions                  = 2
      approximate_neighbors_count = 150
      distance_measure_type       = "DOT_PRODUCT_DISTANCE"
      algorithm_config {
        tree_ah_config {
          leaf_node_embedding_count    = 500
          leaf_nodes_to_search_percent = 7
        }
      }
    }
  }
  index_update_method = "BATCH_UPDATE"

  timeouts {
    create = "2h"
    update = "1h"
  }
}

Python

Informationen zur Installation des Vertex AI SDK for Python finden Sie unter Vertex AI SDK for Python installieren. Weitere Informationen finden Sie in der Python API-Referenzdokumentation.

def vector_search_deploy_index(
    project: str,
    location: str,
    index_name: str,
    index_endpoint_name: str,
    deployed_index_id: str,
) -> None:
    """Deploy a vector search index to a vector search index endpoint.

    Args:
        project (str): Required. Project ID
        location (str): Required. The region name
        index_name (str): Required. The index to update. A fully-qualified index
          resource name or a index ID.  Example:
          "projects/123/locations/us-central1/indexes/my_index_id" or
          "my_index_id".
        index_endpoint_name (str): Required. Index endpoint to deploy the index
          to.
        deployed_index_id (str): Required. The user specified ID of the
          DeployedIndex.
    """
    # Initialize the Vertex AI client
    aiplatform.init(project=project, location=location)

    # Create the index instance from an existing index
    index = aiplatform.MatchingEngineIndex(index_name=index_name)

    # Create the index endpoint instance from an existing endpoint.
    index_endpoint = aiplatform.MatchingEngineIndexEndpoint(
        index_endpoint_name=index_endpoint_name
    )

    # Deploy Index to Endpoint
    index_endpoint = index_endpoint.deploy_index(
        index=index, deployed_index_id=deployed_index_id
    )

    print(index_endpoint.deployed_indexes)

Console

Folgen Sie dieser Anleitung, um Ihren Index bereitzustellen.

1. Wechseln Sie im Abschnitt „Agent Platform“ der Google Cloud Console zu dem Abschnitt Bereitstellen und verwenden. Wählen Sie Vektorsuche aus.

   Zur Vektorsuche. Eine Liste Ihrer aktiven Indexe wird angezeigt.

2. Wählen Sie den Namen des Index aus, den Sie bereitstellen möchten. Die Seite mit den Indexdetails wird geöffnet.
3. Klicken Sie auf der Seite mit den Indexdetails auf add_box „In Endpunkt bereitstellen“. Das Steuerfeld für die Indexbereitstellung wird geöffnet.
4. Geben Sie einen Anzeigenamen ein. Dieser Name dient als ID und kann nicht aktualisiert werden.
5. Wählen Sie im Drop-down-Menü Endpunkt den Endpunkt aus, auf dem Sie diesen Index bereitstellen möchten. Hinweis: Der Endpunkt ist nicht verfügbar, wenn der Index bereits auf ihm bereitgestellt ist.
6. Optional: Wählen Sie im Feld Maschinentyp entweder „Standard“ oder „Großer Speicher“ aus.
7. Optional. Wählen Sie Autoscaling aktivieren aus, um die Anzahl der Knoten automatisch an die Anforderungen Ihrer Arbeitslasten anzupassen. Die Standardanzahl von Replikaten ist 2, wenn Autoscaling deaktiviert ist.
8. Klicken Sie auf Bereitstellen , um Ihren Index auf dem Endpunkt bereitzustellen. Hinweis: Die Bereitstellung dauert etwa 30 Minuten.