Knowledge Catalog è un catalogo di dati basato su Gemini che fornisce contesto aziendale e governance universali per l'intero patrimonio di dati. Estraendo automaticamente la semantica dai dati strutturati e non strutturati, crea un grafico di contesto dinamico che basa gli agenti AI sulla verità aziendale e riduce le allucinazioni. I team dedicati ai dati e gli sviluppatori di AI utilizzano Knowledge Catalog per scoprire i dati, applicare le policy e recuperare un contesto avanzato sia per l'analisi che per le applicazioni autonome. Per una procedura dettagliata di Knowledge Catalog, guarda il video incorporato.
Dataplex Universal Catalog è diventato Knowledge Catalog
Per riflettere meglio la visione dell'unificazione della governance dei dati con le funzionalità di AI generativa, Dataplex Universal Catalog è diventato Knowledge Catalog. Questa evoluzione del nome del prodotto rappresenta il passaggio da un registro di metadati convenzionale e passivo a un grafico di contesto attivo basato sull'AI.
Perché Dataplex è diventato Knowledge Catalog
Man mano che le organizzazioni accelerano l'adozione dell'AI generativa, gli agenti AI hanno bisogno di un contesto aziendale approfondito per fornire risposte accurate e basate su dati reali. Knowledge Catalog colma il divario tra la governance dei dati aziendali e i workflow degli agenti AI.
Qual è la differenza tra Dataplex e Knowledge Catalog
Gli aggiornamenti di Knowledge Catalog riflettono le nuove funzionalità incentrate sull'AI. A differenza dei cataloghi passivi convenzionali, Knowledge Catalog seleziona automaticamente metadati, logica di business e relazioni tra i dati in un grafico di contesto unificato. Questo grafico fornisce la verità aziendale affidabile di cui gli agenti AI hanno bisogno per eseguire attività complesse con precisione. Sfrutta funzionalità come la selezione automatica del contesto, le query di esempio verificate e le integrazioni di Model Context Protocol (MCP) locali e remote.
Cosa non cambia
I deployment, le API e le configurazioni Dataplex esistenti rimangono operativi. Le funzionalità principali come il rilevamento dei dati, la derivazione, la qualità dei dati e i glossari aziendali rimangono invariate e supportate. I metadati, gli aspetti e le configurazioni esistenti passano alla nuova esperienza di Knowledge Catalog senza migrazione manuale, spostamento dei dati o tempi di inattività.
API e librerie client
Il rebranding a Knowledge Catalog non modifica gli endpoint API, i comandi gcloud dataplex o le librerie client esistenti. Puoi continuare a utilizzare le API e le librerie client di Knowledge Catalog per interagire con Knowledge Catalog:
API REST. Consulta la documentazione dell'API REST di Knowledge Catalog.
API RPC. Consulta la documentazione dell'API RPC di Knowledge Catalog.
Librerie client. Inizia a utilizzare Knowledge Catalog nella lingua di tua scelta utilizzando le librerie client di Knowledge Catalog.
Comandi gcloud. Gestisci le risorse di Knowledge Catalog utilizzando il gruppo di comandi
gcloud dataplex. Consulta il riferimento ai comandi gcloud Dataplex.
Come funziona Knowledge Catalog
Knowledge Catalog unifica la governance e il contesto attraverso tre pilastri principali:
Fondamenti della governance. Knowledge Catalog raccoglie automaticamente i metadati tecnici da Google Cloud servizi come BigQuery, AlloyDB per PostgreSQL e Spanner, oltre ai sistemi di terze parti. Stabilisce una base di dati attendibile tramite un glossario aziendale centralizzato, controlli di qualità dei dati, rilevamento di anomalie e governance basata su policy.
Selezione del contesto. Utilizzando Gemini, il servizio deduce l'intento aziendale analizzando schemi, log delle query e modelli semantici nei dati. Genera descrizioni in linguaggio naturale, rileva le relazioni e propone pattern SQL verificati sotto forma di query di esempio che acquisiscono la logica di business complessa.
Recupero del contesto. Gli agenti e le applicazioni AI possono scoprire istantaneamente gli asset e recuperare il contesto arricchito tramite la ricerca semantica e gli strumenti che supportano il Model Context Protocol (MCP). In questo modo, gli agenti possono accedere alla verità organizzativa per prendere decisioni affidabili.
Il seguente diagramma illustra l'architettura di Knowledge Catalog e il modo in cui unifica la governance dei dati con i workflow di AI generativa:
Casi d'uso comuni
Knowledge Catalog aiuta gli ingegneri dei dati, i data scientist e gli sviluppatori di AI a risolvere le sfide relative alla gestione dei dati e allo sviluppo dell'AI:
Arricchisci i dati per l'AI. Utilizza gli insight sui dati per i dati non strutturati per estrarre automaticamente metadati ed entità da file non strutturati come i PDF in Cloud Storage. In questo modo, i dati oscuri e le conoscenze organizzative diventano accessibili ai modelli di AI.
Riduci le allucinazioni dell'AI. Fornisci agli agenti AI query di esempio pre-verificate e guardrail semantici, consentendo loro di eseguire recuperi di dati complessi con una precisione più deterministica.
Accelera il rilevamento dei dati. Utilizza la ricerca semantica e un grafico di contesto centralizzato per individuare gli asset di dati pertinenti in origini disparate per i workflow di analisi e data science.
Automatizza la creazione di prodotti di dati. Deduci le relazioni tra il patrimonio di dati per raggruppare gli asset in prodotti di dati autonomi con contratti sul livello del servizio (SLA) e vincoli di governance integrati.
Workflow di esempio in Knowledge Catalog
Per scoprire come creare il grafico di contesto e gestire il patrimonio di dati, considera come un'azienda di vendita al dettaglio online potrebbe utilizzare le seguenti funzionalità di Knowledge Catalog:
Rileva e cataloga i dati. Il rivenditore importa automaticamente i dati sulle transazioni e raccoglie i metadati da Google Cloud servizi come BigQuery, Pub/Sub e Cloud Storage. Il servizio importa anche i metadati dai database di inventario personalizzati per creare una visualizzazione unificata dell'intero patrimonio di dati di vendita al dettaglio. Per saperne di più, vedi Rilevare i dati.
Cerca asset di dati. Il data scientist trova gli asset di dati dei clienti esatti di cui ha bisogno utilizzando il motore di ricerca di Knowledge Catalog con filtri sfaccettati, ricerca semantica in linguaggio naturale e operatori logici. Per saperne di più, vedi Cercare asset di dati.
Arricchisci i dati con il contesto aziendale. Il team di governance dei dati definisce la terminologia di vendita al dettaglio (ad esempio "Lifetime Value" o "SKU") utilizzando i glossari aziendali e utilizza gli insight sui dati basati sull'AI per generare automaticamente le descrizioni per le nuove tabelle dei prodotti. Applica anche manualmente metadati e tag (aspetti) personalizzati strutturati in modo uniforme agli asset. Per saperne di più, vedi