在引用资料来源的时候,除了上传csv的选项,另外一个就是BigQuery。
早在开始摸索ML之前,Google的人员就无数次跟我们推荐BigQuery,只是一直觉得没有应用的场景。
那麽如果是处理表格式
的资料,或许先将资料整理写进BigQuery里面,也是一种选择,搭配Vertex就变成另外的组合技。
因此我们也对於BigQuery的收费方式和适用性稍微评估了一下:
栏位不定
的资料,除非愿意投入事先整理的成本,不然不适用log资料随便乱塞的需求。除了报表类型的资料,我们大部分系统的行为和纪录会在ELK log,ELK本身已经提供很好的资料储存和查询的便利性,BigQuery的角色就相对有点鸡肋。不过若未来在做更进阶一点的题目,或许经过资料的整合,BigQuery还是可以当作考虑的存放选项。
另外值得一提的一点,研究Vertex的期间,我们意外的发现BigQuery还有一个BigQuery ML的功能。
这也是表格式资料
相比其他资料类型的ML可以运用的方式。
虽然尚未亲自试用,看起来十分有趣,Google的策略给人感觉起来,想打造出一个各产品结合的生态系。
>>: Day 23: WAF web ACL、rules group建立
我成功了吗 经过了这段特别长的暑假,我好像学会了蛮多的东西的!我想对於一个有严重拖延症的患者而言,我...
上次我们在mongo shell里使用mongodb aggregate 不过 我们需要在程序里面去...
今天要讲的是效能监视器(Performance Monitor),他是Windows内建的监控程序之...
首先我们会介绍 Director 是如何实作的,并介绍 Director 跟 Open-Match ...
今天学习如何在网页上显示清单列表,我们需要用到ul li与ol li 首先是ul li,在body里...