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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00