Go to Qiita Advent Calendar 2024 Top
LoginSignup
10
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 1 year has passed since last update.

ZOZOAdvent Calendar 2022

Day 2
@okmtzin株式会社ZOZO

AlloyDBの拡張を使ってVertex AIで公開したAPIを呼び出す

Last updated at Posted at 2022-12-01

ZOZO Advent Calendar 2022 カレンダー Vol.4 の 2日目の記事です。

はじめに

こんにちは。昨日に引き続きMLOpsブロックの岡本が担当させていただきます。
昨日はサービングを楽にできる？？ Vertex AIを利用した推論APIの作成検討というタイトルでVetex AIを使った推論APIのサービングについて書かせていただきました。

本日はGoogle Cloudのデータベースサービスに関する内容になります。
Google I/O 2022でGoogle Cloudの新しいデータベースサービスであるAlloyDB for PostgreSQLが発表され、2022/11現在はプレビュー版としてサービス提供されています。
自分の所属チームでは今のところAlloyDBを採用した実績はありませんが、利用する機会がないか伺い、技術調査を行なっているような段階です。

本記事ではAlloyDBのドキュメントを読んだ中でも気になった拡張（google_ml_integration）について、実際に利用してみた内容を記載しています。

AlloyDBとは

Google Cloudが提供するフルマネージドなPostgreSQL互換のデータベースサービスです。

特長

AlloyDBには以下のような特長があり、標準のPostgreSQLと比較して高い性能を持っています。

  • 高可用性

    • AlloyDBは1つのクラスタストレージ, プライマリインスタンスとフェイルオーバー用のレプリカ, リードレプリカから構成されており。可用性についてはメンテナンスを含めた99.99%のSLAを提供しています。

  • 優れたパフォーマンス

  • データ形式の最適化

    • データの保持についてAlloyDBでは行形式のデータを列指向に変換するという機能を持っています。PostgreSQLと聞くと行指向データベースをイメージしますが、AlloyDBでは実行するクエリを元に機械学習エンジンがデータを適切な形式に変換してくれるため、行指向のデータと列指向のデータの両方を扱うことができます。

詳細については公式ドキュメントの他、解説記事(https://dev.classmethod.jp/articles/summarize-information-on-the-new-db-alloydb-for-postgresql-in-google-cloud-and-actually-touched-it/) や解説動画(https://youtu.be/B1-phJUntw4) が非常に参考になりました。

AlloyDBの拡張を使ってVertex AIで公開したAPIを呼び出す

本題です。
AlloyDBのドキュメントを見るとInvoke Vertex AI predictionsなる項目があり、AlloyDBのデータベースからVertex AIのonline predictionsを呼び出す方法について記載されています。
今までデータベースから直接APIを叩きたいケースに遭遇したことがなかったため、興味があり実際にVertex AI Endpointを呼び出せるか実験してみました。

準備

1. Vertex AI EndpointにAPIを公開する

Vertex AIにAPIをデプロイします。
本記事とは内容がずれるため、こちらの手順については説明を省きます。
自分は過去記事（サービングを楽にできる？？ Vertex AIを利用した推論APIの作成検討）で作成したAPIをサンプルとして利用しました。

2. AlloyDBのクラスタを構成する

AlloyDBのクラスタを構成します。
こちらの手順についても本記事では省かせていただきます。
公式ドキュメントに記載されていますが、ドキュメントは2022/11時点では英語版のみの提供となっているため、前述した解説記事(https://dev.classmethod.jp/articles/summarize-information-on-the-new-db-alloydb-for-postgresql-in-google-cloud-and-actually-touched-it/) が丁寧でわかりやすいかと思います。

3. AlloyDBで利用するサービスアカウントに権限を付与する

AlloyDBで利用するサービスアカウントにroles/aiplatform.userを付与します。
Google提供のサービスアカウントについてはデフォルトだとコンソールに表示されないため、Google提供のロール付与を含めるにチェックを入れる必要があるところに注意です。
service-PROJECT_NUMBER@gcp-sa-alloydb.iam.gserviceaccount.comの形式になっているため、PROJECT_NUMBERの部分をご自身のプロジェクト番号で置き換えてください。

鉛筆マークを押下し、roles/aiplatform.userを対象のサービスアカウントに付与してください、

4. 拡張のinstall, ユーザーへの実行権限付与

google_ml_integration拡張をデータベースに作成します。
これを行うには、psqlコマンドでデータベースにアクセスする必要があります。(https://cloud.google.com/alloydb/docs/connect-psql)
AlloyDBクラスタを作成したのと同じVPCネットワーク上にCompute Engineのインスタンスを起動してSSH接続し、↓のコマンドを実行してください。
※ インスタンスに外部IPが付与されているか、対象のVPCネットワークにNATが構成されている必要があります。

sudo apt-get update && sudo apt-get install -y postgresql postgresql-contrib

次にクラスタに接続するためにプライマリインスタンスのIPアドレスを確認します。こちらの値をコピーしておきます。

再びCompute Engineに戻り、以下のコマンドを実行してデータベースにアクセスします。PRIVATE_IPの部分はプライマリインスタンスのIPアドレスで置き換えてください。また、アクセス時にクラスタ作成時に設定したパスワードが必要です。

psql -h PRIVATE_IP -U postgres

データベースにアクセスできたら、サンプルのデータベースを作成し、データベースの切り替えを行います。

postgres=> CREATE DATABASE test;
CREATE DATABASE
postgres=> \c test
psql (13.8 (Debian 13.8-0+deb11u1), server 14.4)
WARNING: psql major version 13, server major version 14.
         Some psql features might not work.
SSL connection (protocol: TLSv1.3, cipher: TLS_AES_256_GCM_SHA384, bits: 256, compression: off)
You are now connected to database "test" as user "postgres".

以下のコマンドにより必要な拡張をインストールできます

test=> CREATE EXTENSION IF NOT EXISTS google_ml_integration;
CREATE EXTENSION

次に拡張を利用するDBのユーザーに権限を付与します。

test=> GRANT EXECUTE ON FUNCTION ml_predict_row TO postgres;
GRANT

APIの呼び出し

ML_PREDICT_ROW関数の引数にVertex AI Endpointのエンドポイントとrequest bodyを指定して実行することでAPIの呼び出しが可能です。

関数の引数

以下のMODEL_ENDPOINTとARGSを置き換えてください。

ML_PREDICT_ROW (MODEL_ENDPOINT, ARGS)

MODEL_ENDPOINTの形式は以下になります。それぞれの値はVertex AI Endpointのコンソール画面からSample Requestの項目を押下すると確認することができます。
projects/PROJECT_ID/locations/REGION_ID/endpoints/ENDPOINT_ID
今回自分がVertex AIで公開したAPIのrequest bodyは以下の形式で指定する必要があるため、この値をARGSに指定します。

{"instances": [{"feature": 0.5}]}

関数の実行

以下のように関数を指定して実行することでAPIのレスポンスを確認することができました。

test=> select ML_PREDICT_ROW ('projects/test-okamoto-370109/locations/us-central1/endpoints/2209195937132183552', '{"instances": [{"feature": 0.5}]}');

# ↓レスポンス
   ml_predict_row                                                                                                                   
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
 {"predictions": [{"score": 0.85, "id": 2}], "deployedModelId": "816572101577146368", "model": "projects/866774327361/locations/us-central1/models/8658453957619744768", "modelDisplayName": "vertex-ai-endpoint-tutorial", "modelVersionId": "1"}
(1 row)

まとめ & 所感

AlloyDBでは拡張であるgoogle_ml_integrationをインストールすることでデータベース上でVertex AIにデプロイしたAPIを割と簡単に呼び出すことができました。
SQLのクエリで特定のデータをフィルタして、推論APIの引数に渡し、推論APIを呼び出すことで推論結果を確認するといった作業がDBからできるため、stg環境等で調査・分析を行う際に利用できそうという所感です。
本格的な分析目的では今後もBigQueryを使用することが多いと思いますが、APIから参照しつつデータの中身の分析も行いたいような場合にAlloyDBを利用するという方法もありそうです。
現在はプレビュー版となっていますが、今後Google Cloudの主要なデータベースサービスの1つにはなると思うので引き続き動向を追っていければと思います。

10
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
10
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?