Google Cloud BigQuery Reservation v1.17.0 版本发布:新增功能与改进
Google Cloud BigQuery Reservation 是 Google Cloud 提供的一项服务,它允许用户为 BigQuery 作业预留计算资源,确保关键业务查询能够获得所需的计算能力。通过 Reservation 服务,用户可以更好地控制查询性能和成本,实现资源分配的精细化管理。
最新发布的 v1.17.0 版本为 BigQuery Reservation 服务带来了几项重要的功能增强和改进,这些更新进一步提升了服务的可用性和功能性。
新增 Gemini in BigQuery 支持
本次更新引入了一个名为 enable_gemini_in_bigquery 的新字段,该字段位于 Assignment 资源中。这个布尔值字段用于指示是否为特定的预留分配启用了 Gemini in BigQuery 功能。
Gemini in BigQuery 是 Google 提供的一项高级功能,它能够直接在 BigQuery 中执行更复杂的分析和机器学习任务。通过这个新字段,管理员可以明确控制哪些预留分配可以使用这些高级功能,从而在保证性能的同时,也能有效管理成本。
灾难恢复(DR)复制状态可见性
另一个重要新增是 replication_status 字段,它被添加到 Reservation 资源中。这个字段提供了关于灾难恢复(DR)复制过程中可能出现的错误状态的可见性。
对于企业级用户来说,灾难恢复能力至关重要。这个新字段让管理员能够监控预留资源的复制状态,及时发现并解决复制过程中可能出现的问题,确保业务连续性。当主区域发生故障时,可以快速切换到备用区域,最小化服务中断时间。
支持 CONTINUOUS 作业类型
v1.17.0 版本扩展了 Assignment.JobType 枚举,新增了 CONTINUOUS 作业类型。这个类型专门用于支持 BigQuery 中的连续 SQL 作业。
连续 SQL 作业是一种特殊类型的查询,它能够持续处理数据流,非常适合实时数据分析场景。通过为这类作业提供专门的预留分配类型,用户可以确保实时数据处理任务获得所需的资源,避免与其他批处理作业竞争计算资源。
文档改进与澄清
除了功能增强外,本次更新还对文档进行了多处改进:
-
移除了
Reservation资源中关于slot_capacity字段的EDITION_UNSPECIFIED部分的说明,使文档更加简洁清晰。 -
更新了
Reservation资源中primary_location和original_primary_location字段的google.api.field_behavior注释,明确指出这些字段是OUTPUT_ONLY(仅输出)的。这意味着这些字段只能由系统设置,用户不能直接修改,从而避免了可能的误操作。
技术影响与最佳实践
对于现有用户来说,升级到 v1.17.0 版本后,建议:
-
评估是否需要为关键业务查询启用 Gemini in BigQuery 功能,并根据实际需求配置相应的预留分配。
-
定期检查
replication_status字段,确保灾难恢复机制正常运行,特别是在多区域部署场景下。 -
对于实时数据处理需求,考虑使用新增的
CONTINUOUS作业类型来优化资源分配。 -
更新内部文档,反映字段行为的变化,特别是那些标记为
OUTPUT_ONLY的字段,避免在自动化脚本中尝试修改这些字段。
这些更新使 BigQuery Reservation 服务更加完善,为用户提供了更精细的资源控制能力和更好的运维可见性,特别是在企业级应用场景和高可用性要求的环境中。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C098
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00