使用BigQuery 时，您至少会学习两种类型的控件：
–反应式：
BIgQuery 计费控制：通过定期监控和创建警报，如果您所做的事情开始使您的计费超出您的预期，则会通知您。
–主动：
在每次查询中，在启动查询之前查看将要查询的GB（了解查询1 TB 大约需要6.5 美元）。
使用BigQuery ML 时，您需要添加另外2 个操作：
–反应式：
Vertex AI 计费控制。与之前相同，但控制Vertex 中的支出，而不仅仅是BigQuery。这将告诉我们每个模型的支出金额。
–主动：
始终使用较低的LIMIT（例如LIMIT 5）对查询进行微调，以验证我们的操作是否合理且成本极低。测试完成后，我们会移除LIMIT，并在整个数据集上运行查询或模型。
另外，在使用BigQuery 机器学习函数时，我们应该始终、始终、始终考虑使用“CREATE TABLE AS”。为什么？因为每次运行查询时，机器学习函数都会被应用并产生成本。印度WhatsApp 号码数据因此，为了只为数据建模或AI 付费一次，最好的做法是生成一个预处理表，然后我们无需再次建模数据。
创建或替换表`dataset_name.table_name` AS 选择...（您的查询）
当我们要使用最终数据启动它时，我们只需在SELECT 之前添加该行，然后表就会生成。
另一个有效但风险更大的选择是记住在BigQuery 中点击“将结果另存为表”。这是BigQuery 返回结果时出现的按钮。因此，您必须启动查询并在看到结果后立即点击该按钮。
实际上，这两个系统的结果都是相同的（只需为建模付费一次），但在一种情况下，您每次运行查询时都会更新表，而在另一种情况下，它更加机械，您可以忘记它。
最重要的是，请记住这一点：每次使用ML 运行查询时，模型都会运行，并且您将为模型处理的每一行付费。
6. 将BigQuery 与Vertex AI 连接以使用Vertex 模型
Vertex AI 提供了丰富的工具，用于创建、训练和部署AI 模型。如果您想使用BigQuery 中未原生集成的模型（相信我，您肯定会这么做），则需要与Vertex AI 建立连接。
如果您跳过此步骤，您将只能使用BigQuery 内置的模型。您无需撰写白皮书或举办网络研讨会 您可以使用Kmeans、预测和线性回归，但无法使用Gemini、嵌入、NPL 或在Vertex AI 中训练的模型。请根据您想要的操作进行选择。
连接Vertex AI 的步骤如下：
1.在BigQuery 中添加“连接”资源。
我们使用BigQuery 控制台侧边栏顶部的“添加”按钮来执行此操作。
2.在出现的侧面板中，选择Vertex AI 作为要连接的服务。
在出现的侧面板中，选择“连接到外部数据源”选项。
1.在连接类型设置中，选择“Vertex AI远程模型、远程功能等”。
2. 我们给我们的连接起一个名字（它将出现在BigQuery 中，所以给它一个描述性的名字）。
3. 最后，您需要确保连接位置与您拥有（或将拥有）要建模的数据的BigQuery 数据集相同。
在这方面，Google 始终建议使用“美国多区域”商业带领或“欧盟多区域”，并且您应该知道，模型（尤其是Vertex AI 的模型）并非存在于所有区域，因此如果出现问题，可能是由于所选区域造成的。换句话说，如果您选择“欧盟”或“多区域”，则可以确保所有模型都存在，并且数据位于合法位置，从而确保安全。