ปรับขนาดการประมวลผลข้อมูลแบบกระจายด้วย GKE เพื่อสร้างกราฟความรู้ใน BigQuery

1. บทนำ

ในโค้ดแล็บนี้ คุณจะได้สร้างไปป์ไลน์การได้มาซึ่งความรู้แบบกระจายสำหรับ "Petverse" คุณจะประมวลผลชิ้นงานมัลติมีเดียที่ไม่มีโครงสร้าง (เสียง วิดีโอ รูปภาพ ข้อความ/CSV) จาก Bucket ของ Cloud Storage, แยกข้อมูลสำคัญเกี่ยวกับสัตว์เลี้ยง (อาหารโปรด งานอดิเรก) และสร้างกราฟความรู้ คุณจะปรับขนาดการประมวลผลไฟล์มัลติมีเดียโดยใช้การประมวลผลแบบมัลติโมดัลของ Gemini ใน Google Kubernetes Engine (GKE) สุดท้าย คุณจะจัดเก็บข้อมูลนี้ใน BigQuery และใช้ฟีเจอร์กราฟพร็อพเพอร์ตี้ BigQuery ใหม่เพื่อวิเคราะห์ความสัมพันธ์

เราจะใช้ประสิทธิภาพของ Google Kubernetes Engine เพื่อสาธิตการประมวลผลข้อมูลปริมาณมากแบบขนาน

ทำไมต้องใช้กราฟความรู้

กราฟความรู้เหมาะกว่าฐานข้อมูลเชิงสัมพันธ์แบบเดิมในการแสดงและวิเคราะห์ความสัมพันธ์ที่ซับซ้อนระหว่างเอนทิตี

เราจะใช้ Gemini 2.5 Flash เพื่อวิเคราะห์ไฟล์รูปภาพ เสียง และวิดีโอ รวมถึงระบุข้อเท็จจริงเกี่ยวกับสัตว์เลี้ยงต่างๆ

สถาปัตยกรรม GKE + BigQuery

สิ่งที่คุณต้องทำ

  • สร้างและทําให้งานประมวลผลข้อมูลแบบกระจายใช้งานได้ใน GKE
  • ใช้ Gemini เพื่อดึงข้อมูลเอนทิตีและความสัมพันธ์จากไฟล์มัลติมีเดีย
  • จัดเก็บข้อมูลกราฟความรู้ใน BigQuery
  • สร้างและค้นหากราฟเชิงคุณสมบัติใน BigQuery โดยใช้ภาษาการค้นหากราฟ (GQL)

สิ่งที่คุณต้องมี

  • เว็บเบราว์เซอร์ เช่น Chrome
  • โปรเจ็กต์ Google Cloud ที่เปิดใช้การเรียกเก็บเงิน
  • สิทธิ์ในโปรเจ็กต์ในการสร้างทรัพยากรและแก้ไขนโยบาย IAM

Codelab นี้มีไว้สำหรับนักพัฒนาซอฟต์แวร์ทุกระดับ รวมถึงผู้เริ่มต้น

ระยะเวลาโดยประมาณ: 45 นาที

ค่าใช้จ่าย: ทรัพยากรที่สร้างใน Codelab นี้ควรมีค่าใช้จ่ายน้อยกว่า $5

2. ก่อนเริ่มต้น

สร้างโปรเจ็กต์ Google Cloud

  1. ไปที่ Google Cloud Console: https://console.cloud.google.com จากนั้นเลือกหรือสร้างโปรเจ็กต์ Google Cloud
  2. ⚠️ จดรหัสโปรเจ็กต์ คุณจะใช้รหัสนี้กับคำสั่งหลายคำสั่งในแล็บนี้

เลือกโปรเจ็กต์และจดรหัส

ยืนยันการเรียกเก็บเงิน

ตรวจสอบว่าได้เปิดใช้การเรียกเก็บเงินสำหรับโปรเจ็กต์ Google Cloud แล้ว ดูข้อมูลเพิ่มเติมเกี่ยวกับวิธีดำเนินการนี้ได้โดยทำตามคำแนะนำนี้

เริ่มต้น Cloud Shell

  1. เปิด Cloud Shell ในแท็บใหม่: https://shell.cloud.google.com/
  2. หากมีข้อความแจ้ง ให้คลิกให้สิทธิ์
  3. แทนที่ PROJECT_ID แล้ววางคำสั่งต่อไปนี้ลงในเทอร์มินัล
export PROJECT_ID="YOUR_PROJECT_ID"
gcloud config set project $PROJECT_ID

โปรเจ็กต์การกำหนดค่า

📝 หมายเหตุ โครงการจะแสดงเป็นสีเหลืองในบรรทัดคำสั่ง หากเซสชันรีสตาร์ท โปรดตรวจสอบว่าคุณได้เรียกใช้คำสั่งด้านบนอีกครั้งเพื่อตั้งค่ารหัสโปรเจ็กต์

เปิดใช้ API

เรียกใช้คำสั่งนี้เพื่อเปิดใช้ API ที่จำเป็นทั้งหมด

gcloud services enable \
  aiplatform.googleapis.com \
  bigquery.googleapis.com \
  artifactregistry.googleapis.com \
  container.googleapis.com \
  cloudbuild.googleapis.com \
  pubsub.googleapis.com

โคลนที่เก็บ

เรียกใช้คำสั่งต่อไปนี้เพื่อโคลนที่เก็บ

cd ~/
git clone --filter=blob:none --no-checkout https://github.com/GoogleCloudPlatform/devrel-demos.git
cd ~/devrel-demos
git sparse-checkout init --cone
git sparse-checkout set codelabs/gke-knowledge-graph
git checkout main
cd codelabs/gke-knowledge-graph/

เรียกใช้สคริปต์การตั้งค่า

สคริปต์นี้จะกำหนดค่าแบ็กเอนด์โดยอัตโนมัติด้วยการดำเนินการต่อไปนี้

  • การสร้างอิมเมจคอนเทนเนอร์และที่เก็บ Artifact Registry
  • การสร้างชุดข้อมูล BigQuery
  • สร้างการเชื่อมต่อ BigQuery เพื่อเรียกใช้ฟังก์ชัน AI จาก Gemini จาก SQL

เรียกใช้คำสั่งต่อไปนี้ในเทอร์มินัล

./scripts/setup.sh

หากสคริปต์แจ้งให้คุณระบุรายละเอียดการกำหนดค่า ให้ใช้ค่าต่อไปนี้

  • รหัสโปรเจ็กต์: ใช้รหัสที่คุณสร้างในขั้นตอนก่อนหน้า
  • ภูมิภาค: us-central1

⚠️ สำคัญ สคริปต์จะใช้เวลาสักครู่จึงจะเสร็จสมบูรณ์ โปรดเปิดหน้าต่างเทอร์มินัลนี้ไว้เพื่อดำเนินการต่อในเบื้องหลัง หากต้องการดำเนินการในขั้นตอนถัดไป ให้เปิดแท็บหรือหน้าต่างเทอร์มินัลใหม่เพื่อเรียกใช้คำสั่งถัดไป

การตั้งค่า

3. ตั้งค่า Data Agent Kit

  1. เปิดใช้ Cloud Shell Editor ด้วยไอคอนดินสอที่มุมขวาบน
  2. ใน Cloud Shell Editor ให้คลิกไอคอนส่วนขยายในแถบด้านข้างซ้าย
  3. ค้นหา Google Cloud Data Agent Kit แล้วคลิกติดตั้งหากยังไม่ได้ติดตั้ง

ติดตั้ง Data Agent Kit

  1. ลงชื่อเข้าใช้บัญชี Google ด้วยส่วนขยาย
  2. ในสรุปการกำหนดค่า ให้ป้อนรหัสโปรเจ็กต์และ us-central1 เป็นภูมิภาค

configure_dak

  1. คลิกกำหนดค่าเซิร์ฟเวอร์ MCP คุณไม่จำเป็นต้องทำการเปลี่ยนแปลงใดๆ ในหน้าต่างนี้ เพียงคลิกเริ่มต้นใช้งาน
  2. โหลดหน้าต่างซ้ำหากได้รับข้อความแจ้ง คุณปิดแท็บคู่มือเริ่มใช้งานฉบับย่อได้เลย

ตั้งค่าตารางใน BigQuery

  1. ในแถบด้านข้าง ให้กลับไปที่เครื่องมือสำรวจ หากโฟลเดอร์หน้าแรก (เช่น /home/your_user_name/) ยังไม่ได้เปิด ให้คลิกเปิดโฟลเดอร์แล้วเลือก

เปิดบ้าน

  1. ในหน้าต่าง Explorer ให้ค้นหาโฟลเดอร์ที่คุณโคลนจากที่เก็บ (devrel-demos) คุณจะเห็น create_tables.sql ในส่วน codelabs/gke-knowledge-graph/scripts เปิดไฟล์นั้น
  2. คลิกเปิดการตั้งค่าการค้นหาที่ด้านขวาบน
  3. เลือก BigQuery บันทึกและปิด
  4. คลิกเรียกใช้

คุณควรเห็นคำสั่ง 2 รายการที่ดำเนินการสำเร็จ ตอนนี้คุณได้สร้างตารางเพื่อจัดเก็บโหนดและขอบสำหรับกราฟความรู้แล้ว

คุณปิดแท็บ create_tables.sql และคอนโซลผลลัพธ์ได้

เรียกใช้

4. เริ่มต้นคลัสเตอร์ GKE

เราจะใช้ GKE Autopilot เพื่อเรียกใช้ชิ้นงานการประมวลผลข้อมูล Autopilot เป็นแนวทางปฏิบัติแนะนำที่แนะนำ เนื่องจากจะจัดการโครงสร้างพื้นฐานของคลัสเตอร์ให้คุณ

ตอนนี้สคริปต์การตั้งค่าควรจะเสร็จสิ้นแล้ว คุณควรเห็นข้อความแสดงความสำเร็จ: 🎉🦄 Setup successfully finished! 🎉🦄

วางคำสั่งนี้ในเทอร์มินัลเพื่อสร้างคลัสเตอร์

source scripts/setenv.sh
gcloud container clusters create-auto petverse-cluster \
    --region=$REGION
    --labels dev-tutorial=ai-toolkit-lab-3

🕓 การดำเนินการนี้จะใช้เวลาประมาณ 5 นาที

รับข้อมูลเข้าสู่ระบบเพื่อโต้ตอบกับคลัสเตอร์

source scripts/setenv.sh
gcloud container clusters get-credentials petverse-cluster --region $REGION

คุณควรเห็นเอาต์พุตนี้

Fetching cluster endpoint and auth data.
kubeconfig entry generated for petverse-cluster.

5. กำหนดค่า Workload Identity

Workload Identity Federation สำหรับ GKE (ใช้การเข้าถึงทรัพยากรโดยตรง) ช่วยให้เวิร์กโหลด GKE เข้าถึงบริการ Google Cloud ได้อย่างปลอดภัยโดยไม่ต้องจัดการคีย์บัญชีบริการ

เรียกใช้ deploy.sh เพื่อทำสิ่งต่อไปนี้

  • สร้างบัญชีบริการ Kubernetes
  • มอบบทบาท IAM ที่จำเป็นให้กับผู้ใช้หลักของบัญชีบริการ Kubernetes โดยตรง
  • เชื่อมโยงบัญชีบริการ IAM กับบัญชีบริการ Kubernetes
  • ใส่คำอธิบายประกอบบัญชีบริการ Kubernetes เพื่อลิงก์ให้เสร็จสมบูรณ์
source scripts/setenv.sh
./scripts/deploy.sh

6. ทำให้งานประมวลผลที่แยกออกจากกันใช้งานได้

ในขั้นตอนนี้ คุณจะทำให้ Enqueuer (Producer) และเครื่องมือประมวลผล (Worker) ใช้งานได้ใน GKE

สถาปัตยกรรมที่แยกส่วนใหม่ของเราใช้ Google Cloud Pub/Sub เพื่อประมวลผลชิ้นงานแบบไม่พร้อมกัน

  • Producer จะสแกน GCS และจัดคิวเส้นทางไฟล์ทั้งหมดลงในคิว Pub/Sub
  • กลุ่มWorker จะปรับขนาดขึ้นใน GKE โดยจะดึงงานแบบขนานแบบไดนามิก ประมวลผลผ่าน Gemini และเขียนไปยัง BigQuery

setup.sh สคริปต์ได้สร้างและพุชทั้งอิมเมจคอนเทนเนอร์ Producer และ Worker จัดคิวหัวข้อ Pub/Sub และสร้างไฟล์ Manifest การติดตั้งใช้งาน GKE แบบไดนามิกแล้ว: job-producer.yaml และ job-worker.yaml

  1. ใช้ Producer Job เพื่อสแกนที่เก็บข้อมูลและจัดคิวชิ้นงานทั้งหมด
kubectl apply -f job-producer.yaml

งานนี้จะทำงานและเสร็จสิ้นอย่างรวดเร็วเนื่องจากจะจัดคิวเฉพาะข้อมูลเมตา

  1. ทำให้งาน Worker ที่กำหนดค่าให้เรียกใช้ Worker แบบขนาน 6 รายการใช้งานได้เพื่อระบายคิว
kubectl apply -f job-worker.yaml

GKE Autopilot จะตรวจหาพ็อดที่รอดำเนินการโดยอัตโนมัติ เพิ่มทรัพยากรโหนดการคำนวณแบบไดนามิก และเรียกใช้ Worker แบบขนานเพื่อประมวลผลเสียง วิดีโอ รูปภาพ และ CSV ที่อยู่ในคิว

7. ยืนยันผลลัพธ์

  1. วิธีตรวจสอบสถานะของงาน
kubectl get jobs

รอจนกว่าทั้ง petverse-producer-job และ petverse-worker-job จะแสดงว่าเสร็จสมบูรณ์

🕓 การดำเนินการนี้จะใช้เวลาประมาณ 10 นาที คุณดูความคืบหน้าได้ด้วยคำสั่งด้านล่าง

  1. ตรวจสอบบันทึกของ Producer เพื่อยืนยันว่าได้จัดคิวไฟล์เรียบร้อยแล้ว
cd ~/devrel-demos/codelabs/gke-knowledge-graph
source scripts/setenv.sh
kubectl logs -l app=petverse-producer --tail=50
  1. ดูว่า Worker แบบคู่ขนานประมวลผลไฟล์จากคิวอย่างไร
kubectl logs -l app=petverse-worker --tail=50

(ฟีเจอร์ Worker มีการหมดเวลาเนื่องจากไม่มีการใช้งาน 60 วินาที และจะปิดตัวลงโดยอัตโนมัติและล้างข้อมูลเมื่อคิว Pub/Sub ว่าง)

ยืนยันข้อมูลใน BigQuery

  1. ไปที่ BigQuery Studio คุณจะเห็นตาราง 2 ตารางที่สร้างขึ้น ได้แก่ petverse_kg.Nodes และ petverse_kg.Edges

สำรวจตาราง

  1. หากต้องการดูเนื้อหาของตาราง ให้ดับเบิลคลิกชื่อตาราง แล้วคลิกแสดงตัวอย่าง

ดูเนื้อหา

คุณจะเห็นว่าตารางโหนดมีข้อมูลเกี่ยวกับเอนทิตีที่ Gemini เลือกในเสียง วิดีโอ และรูปภาพ ตารางขอบมีข้อมูลความสัมพันธ์ระหว่างโหนด เช่น หากคุณฟังเสียงของแมวที่ชื่อ SQL คุณจะรู้ว่ามันชอบเล่นเชือกผูกรองเท้าและชอบกินปลาอบแห้ง

  1. ใช้ปุ่ม + เพื่อสร้างคำค้นหาใหม่ วางคำสั่งต่อไปนี้ แล้วคลิกเรียกใช้
SELECT n.name, n.entity_id, e.relationship, e.target_id
FROM 
  `petverse_kg.Nodes` n
JOIN 
  `petverse_kg.Edges` e
  ON n.entity_id = e.source_id
WHERE n.name = 'SQL'
  1. ใช้ปุ่ม + เพื่อสร้างคำค้นหาใหม่ วางคำสั่งต่อไปนี้ แล้วคลิกเรียกใช้
SELECT name, entity_type, pet_bio,
AI.SIMILARITY('Pets who like to relax', pet_bio, endpoint => 'text-embedding-005') as similarity_score
FROM `petverse_kg.Nodes`
WHERE name IS NOT NULL
ORDER BY similarity_score DESC
LIMIT 5

คุณควรเห็นโหนดสำหรับสัตว์เลี้ยงที่ชอบพักผ่อน คำค้นหานี้ทำการค้นหาเชิงความหมายโดยใช้ฟังก์ชัน AI AI.SIMILARITY เพื่อค้นหาสัตว์เลี้ยงที่มีประวัติคล้ายกับข้อความค้นหามากที่สุด

ดำเนินการค้นหา

สร้างกราฟพร็อพเพอร์ตี้

เมื่อมีโหนดและขอบใน BigQuery แล้ว เราจะสร้างกราฟเชิงคุณสมบัติเพื่อค้นหาความสัมพันธ์ได้อย่างง่ายดาย

สร้างกราฟ

  1. เขียนทับการค้นหาก่อนหน้าและเรียกใช้ DDL ต่อไปนี้เพื่อสร้างกราฟพร็อพเพอร์ตี้
CREATE OR REPLACE PROPERTY GRAPH `petverse_kg.knowledge_graph`
  NODE TABLES (
    `petverse_kg.Nodes` AS `Nodes`
      KEY (`entity_id`)
        LABEL `Nodes` PROPERTIES (entity_id AS `entity_id`, entity_type AS `entity_type`, name AS `name`, pet_bio AS `pet_bio`, properties AS `properties`, bio_embedding AS `bio_embedding`))

  EDGE TABLES (
    `petverse_kg.Edges` AS `Edges`
      KEY (`source_id`,`target_id`,`relationship`)
        SOURCE KEY (`source_id`)
          REFERENCES `Nodes` (`entity_id`)
        DESTINATION KEY (`target_id`)
          REFERENCES `Nodes` (`entity_id`)
        LABEL `Edges` PROPERTIES (properties AS `properties`));
  1. คลิกไปที่กราฟ คุณจะเห็นการแสดงภาพกราฟที่มีโหนดที่มีขอบไปยังตัวมันเอง กรณีนี้เป็นสิ่งที่คาดว่าจะเกิดอยู่แล้ว

สร้างกราฟ

ค้นหากราฟ

  1. คุณปิดคำค้นหาก่อนหน้าทั้งหมดและเปิดคำค้นหาใหม่ที่ว่างเปล่าได้ด้วยปุ่ม +
  2. ใช้ GQL เพื่อค้นหาสัตว์เลี้ยงที่เกี่ยวข้องกับสัตว์เลี้ยงตัวอื่นๆ ผ่านความสนใจที่ใช้ร่วมกัน (เช่น งานอดิเรก อาหารโปรด หรือของเล่น) การค้นหาแบบหลายช่วงนี้จะจับคู่สัตว์เลี้ยง 2 ตัวที่แตกต่างกันซึ่งเชื่อมต่อกับโหนดเดียวกัน
GRAPH `petverse_kg.knowledge_graph`
MATCH p = (pet1:Nodes)-[e1]->(interest:Nodes)<-[e2]-(pet2:Nodes)
WHERE pet1.entity_id != pet2.entity_id
  AND (LOWER(pet1.entity_type) = 'pet' AND LOWER(pet2.entity_type) = 'pet')
  AND LOWER(interest.entity_type) IN ('hobby', 'action', 'activity', 'food', 'toy')
RETURN TO_JSON(p) as res
LIMIT 100
  1. คุณควรเห็นภาพกราฟ คุณคลิกโหนดเพื่อดูพร็อพเพอร์ตี้ของโหนดและขอบได้

กราฟการค้นหา

🕵️ เคล็ดลับ: คุณปรับค่าที่แสดงโดยโหนดได้โดยคลิกเปลี่ยนเป็นมุมมองสคีมา

กราฟการค้นหา

  1. คุณปิดแท็บการค้นหาที่เปิดอยู่ทั้งหมดได้

8. แชทกับกราฟ

  1. คุณจะเห็นเมนูแบบเลื่อนลงข้างเครื่องหมาย + เลือกการสนทนา

การสนทนาใหม่

  1. ระบบจะแจ้งให้คุณเปิดใช้ Data Analytics API กับ Gemini เปิดใช้ทั้ง 2 API เมื่อการดำเนินการเสร็จสิ้น ให้รีเฟรชหน้าต่างหรือสร้างการสนทนาใหม่เพื่อดู Agent
  2. คลิก New Agent
  3. ตั้งชื่อ Agent เช่น petverse
  4. คลิกเพิ่มแหล่งข้อมูล แล้วคลิกกราฟ
  5. เลือก knowledge_graph ที่คุณสร้างขึ้น แล้วคลิกเพิ่ม

การสนทนาใหม่

ตอนนี้คุณสามารถถามคำถามกับ Agent และดูคำตอบพร้อมเหตุผลเบื้องหลังได้แล้ว ตัวอย่างคำถามที่คุณนำไปใช้ได้หากต้องการแรงบันดาลใจมีดังนี้ โมเดลการคิดอาจใช้เวลานานกว่าเล็กน้อย แต่มีแนวโน้มที่จะสร้างคำค้นหา GQL ที่ดีกว่า คุณดูได้ว่าฟีเจอร์นี้สร้างอะไรบ้างโดยขยาย Show Thinking

  • ค้นหาสัตว์เลี้ยงที่กินอาหารคล้ายกัน หรือเป็นเพื่อนกับสัตว์เลี้ยงที่ชอบงีบหลับ
  • มีสัตว์เลี้ยงตัวใดที่มีงานอดิเรก อาหารโปรด หรือของเล่นเหมือนกันไหม ระบุคู่รักและสิ่งที่ทั้งคู่สนใจร่วมกัน
  • หาสัตว์เลี้ยงที่มีสายพันธุ์หรือชนิดเดียวกัน แต่มีงานอดิเรกที่แตกต่างกันโดยสิ้นเชิง

9. ล้างข้อมูล

โปรดลบทรัพยากรที่สร้างขึ้นระหว่างการทำ Codelab นี้เพื่อหลีกเลี่ยงการเรียกเก็บเงินอย่างต่อเนื่องกับบัญชี Google Cloud

  1. ลบคลัสเตอร์ GKE
gcloud container clusters delete petverse-cluster --region $REGION --quiet
  1. ลบชุดข้อมูล BigQuery (ซึ่งจะลบตารางทั้งหมด) โดยทำดังนี้
bq rm -r -f -d $PROJECT_ID:petverse_kg
  1. ลบทรัพยากรคิว Pub/Sub โดยทำดังนี้
gcloud pubsub subscriptions delete petverse-sub --quiet
gcloud pubsub topics delete petverse-topic --quiet
  1. ลบที่เก็บ Artifact Registry โดยทำดังนี้
gcloud artifacts repositories delete gke-cats-repo --location=$REGION --quiet
  1. ลบที่เก็บข้อมูล GCS เฉพาะโปรเจ็กต์
gcloud storage buckets delete gs://$PROJECT_ID-petverse --quiet

10. ขอแสดงความยินดี

ยินดีด้วย คุณสร้างไปป์ไลน์กราฟความรู้แบบกระจายโดยใช้ GKE และ Gemini รวมถึงค้นหาโดยใช้กราฟพร็อพเพอร์ตี้ BigQuery ได้สำเร็จแล้ว

สิ่งที่คุณได้เรียนรู้

  • วิธีทำให้งานแบบกระจายใช้งานได้ใน GKE Autopilot
  • วิธีใช้ Gemini เพื่อการดึงข้อมูลมัลติโมดัล
  • วิธีใช้การฝังอัตโนมัติของ BigQuery
  • วิธีสร้างและค้นหากราฟพร็อพเพอร์ตี้ใน BigQuery

เอกสารอ้างอิง