Introducción a los componentes de canalización de Google Cloud
Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
El SDK de Google Cloud (GCPC) proporciona un conjunto de componentes precompilados de Kubeflow Pipelines que son de calidad de producción, eficaces y fáciles de usar. Puedes usar Google Cloud componentes de canalización para definir y ejecutar canalizaciones de AA en Vertex AI Pipelines y otros backends de ejecución de canalizaciones de AA que cumplan con Kubeflow Pipelines.
Por ejemplo, puedes usar estos componentes para completar las siguientes tareas:
Crea un conjunto de datos nuevo y carga diferentes tipos de datos en él (de imagen, tabulares, de texto o de video).
Exporta datos de un conjunto de datos a Cloud Storage.
Usa AutoML para entrenar un modelo con datos de imagen, tabulares o de video.
Ejecutar un trabajo de entrenamiento personalizado mediante un contenedor personalizado o un paquete de Python.
Sube un modelo existente a Vertex AI para la predicción por lotes.
Crea un extremo nuevo e implementa un modelo en él para realizar predicciones en línea.
Además, Google Cloud Pipeline Components admite estos componentes precompilados
en Vertex AI Pipelines y ofrece los siguientes beneficios:
Depuración más sencilla: Muestra los recursos subyacentes iniciados desde el componente para una depuración simplificada.
Tipos de artefactos estándar: Proporciona interfaces coherentes a fin de usar tipos de artefactos estándar para la entrada y la salida. Vertex ML Metadata realiza un seguimiento de estos artefactos estándar, lo que facilita el análisis del linaje de los artefactos de tu canalización.
Para obtener más detalles sobre el linaje de artefactos, consulta Seguimiento del linaje de artefactos de canalización.
Comprende los costos de las canalizaciones con etiquetas de facturación: Las etiquetas de recursos se propagan automáticamente a los servicios Google Cloud generados por los componentes de canalización Google Cloud en la ejecución de tu canalización. Usa etiquetas de facturación junto con la exportación de la Facturación de Cloud a BigQuery para revisar el costo de la ejecución de tu canalización. Si deseas obtener más información para comprender el costo de una ejecución de canalización con etiquetas, consulta Comprende los costos de la ejecución de una canalización. Para obtener más información sobre cómo se propagan las etiquetas de una ejecución de canalización a los recursos generados por los componentes de canalización de Google Cloud , consulta Etiquetado de recursos de Vertex AI Pipelines.
Rentabilidades*: Vertex AI Pipelines optimiza la ejecución de estos componentes iniciando los recursos de Google Cloud sin tener que iniciar el contenedor.
Esto reduce la latencia de inicio y reduce los costos del contenedor en espera.
*
Esta característica solo se aplica a los siguientes componentes:
[[["Fácil de comprender","easyToUnderstand","thumb-up"],["Resolvió mi problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Información o código de muestra incorrectos","incorrectInformationOrSampleCode","thumb-down"],["Faltan la información o los ejemplos que necesito","missingTheInformationSamplesINeed","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Otro","otherDown","thumb-down"]],["Última actualización: 2025-09-04 (UTC)"],[],[],null,["# Introduction to Google Cloud Pipeline Components\n\nThe Google Cloud (GCPC) SDK provides a set of prebuilt\nKubeflow Pipelines components that are production quality,\nperformant, and easy to use. You can use Google Cloud Pipeline Components to define and run ML\npipelines in Vertex AI Pipelines and other\nML pipeline execution backends conformant with Kubeflow Pipelines.\n\nFor example, you can use these components to complete the following:\n\n- Create a new dataset and load different data types into the dataset (image, tabular, text, or video).\n- Export data from a dataset to Cloud Storage.\n- Use AutoML to train a model using image, tabular, or video data.\n- Run a custom training job using a custom container or a Python package.\n- Upload an existing model to Vertex AI for batch prediction.\n- Create a new endpoint and deploy a model to it for online predictions.\n\nAdditionally, Google Cloud Pipeline Components supports these prebuilt components\nin Vertex AI Pipelines and offers the following benefits:\n\n- **Easier debugging**: Show the underlying resources launched from the component for simplified debugging.\n- **Standardized artifact types** : Provide consistent interfaces to use [standard artifact types](/vertex-ai/docs/pipelines/artifact-types) for input and output. Vertex ML Metadata tracks these standard artifacts, making it easier for you to analyze the lineage of your pipeline's artifacts. For more details on artifact lineage, see [Tracking the lineage of pipeline\n artifacts](/vertex-ai/docs/pipelines/lineage).\n- **Understand pipeline costs with billing labels** : Resource labels automatically propagate to Google Cloud services generated by the Google Cloud Pipeline Components in your pipeline run. Use billing labels along with Cloud Billing export to BigQuery to review the cost of your pipeline run. For more information about using labels to understand the cost of a pipeline run, see [Understand pipeline run costs](/vertex-ai/docs/pipelines/understand-pipeline-cost-labels). For more information about how labels propagate from a pipeline run to resources spawned by Google Cloud Pipeline Components, see [Resource labeling by Vertex AI Pipelines](/vertex-ai/docs/pipelines/gcpc-label-propagation).\n- **Cost efficiencies** ^\\*^: Vertex AI Pipelines optimizes the execution of these components by launching the Google Cloud resources, without having to launch the container. This reduces the startup latency and reduces the costs of the busy-waiting container.\n\nWhat's next\n-----------\n\n- See all [tutorials that use the Google Cloud SDK](/vertex-ai/docs/pipelines/notebooks).\n- Learn more about specific [Google Cloud Pipeline Components in the reference section](/vertex-ai/docs/pipelines/gcpc-list).\n- Read the official [Google Cloud SDK reference](https://google-cloud-pipeline-components.readthedocs.io/en/google-cloud-pipeline-components-2.19.0/api/v1/index.html).\n- See the Google Cloud Pipeline Components section in the [Kubeflow Pipelines SDK repository](https://github.com/kubeflow/pipelines/tree/master/components/google-cloud)."]]
