Cortex Search¶
Vue d’ensemble¶
Cortex Search permet une recherche « floue » à faible latence et de haute qualité sur vos données Snowflake. Cortex Search propose un large éventail d’expériences de recherche pour les utilisateurs de Snowflake, notamment les applications de génération augmentée par récupération (RAG) exploitant des Large Language Models (LLMs).
Cortex Search vous permet de démarrer avec un moteur de recherche hybride (vecteur et mot-clé) sur vos données textuelles en quelques minutes, sans avoir à vous soucier de l’intégration, de la maintenance de l’infrastructure, du réglage des paramètres de qualité de recherche ou des actualisations continues de l’index. Cela signifie que vous pouvez consacrer moins de temps au réglage de l’infrastructure et de la qualité de la recherche, et plus de temps au développement d’expériences de chat et de recherche de haute qualité en utilisant vos données. Découvrez les Tutoriels Cortex Search pour des instructions étape par étape sur l’utilisation de Cortex Search pour alimenter des applications de chat et de recherche AI.
Quand utiliser Cortex Search¶
Les deux principaux cas d’utilisation de Cortex Search sont la génération augmentée par récupération (RAG) et la recherche en entreprise.
Moteur RAG pour les chatbots LLM : utilisez Cortex Search comme moteur RAG pour applications de chat avec vos données textuelles en exploitant la recherche sémantique pour des réponses personnalisées et contextualisées.
Recherche en entreprise : utilisez Cortex Search comme backend pour une barre de recherche de haute qualité intégrée à votre application.
Cortex Search pour RAG¶
La génération augmentée par récupération (RAG) est une technique permettant de récupérer des données à partir d’une base de connaissances afin d’améliorer la réponse générée par un grand modèle linguistique. Le diagramme d’architecture suivant montre comment vous pouvez combiner Cortex Search avec les Fonctions LLM Cortex pour créer des chatbots d’entreprise avec RAG en utilisant vos données Snowflake comme base de connaissances.

Cortex Search est le moteur de recherche qui fournit au modèle de langage étendu le contexte dont il a besoin pour renvoyer des réponses basées sur vos données propriétaires les plus récentes.
Exemple¶
Cet exemple vous guide à travers les étapes de création d’un Cortex Search Service et de son interrogation à l’aide de la REST API. Consultez la rubrique Interrogation d’un Cortex Search Service pour plus de détails sur l’interrogation du service.
Cet exemple utilise un exemple d’ensemble de données de transcription de support client.
Exécutez les commandes suivantes pour configurer l’exemple de base de données et le schéma.
CREATE DATABASE IF NOT EXISTS cortex_search_db;
CREATE OR REPLACE WAREHOUSE cortex_search_wh WITH
WAREHOUSE_SIZE='X-SMALL';
CREATE OR REPLACE SCHEMA cortex_search_db.services;
Exécutez les commandes SQL suivantes pour créer la base de données.
CREATE OR REPLACE TABLE support_transcripts (
transcript_text VARCHAR,
region VARCHAR,
agent_id VARCHAR
);
INSERT INTO support_transcripts VALUES
('My internet has been down since yesterday, can you help?', 'North America', 'AG1001'),
('I was overcharged for my last bill, need an explanation.', 'Europe', 'AG1002'),
('How do I reset my password? The email link is not working.', 'Asia', 'AG1003'),
('I received a faulty router, can I get it replaced?', 'North America', 'AG1004');
Le suivi des modifications est nécessaire pour créer le service de recherche cortex. Si vous envisagez d’utiliser un rôle qui n’est pas propriétaire de cette table pour créer le service de recherche, exécutez l’instruction suivante pour activer le suivi des modifications sur la table :
ALTER TABLE support_transcripts SET
CHANGE_TRACKING = TRUE;
Pour plus de détails sur l’activation du suivi des modifications, consultez Activer le suivi des modifications.
Créer le service¶
Vous pouvez créer un Cortex Search Service avec une seule requête SQL ou depuis le Studio AI & ML de Snowflake. Lorsque vous créez un Cortex Search Service, Snowflake effectue des transformations sur vos données sources pour les préparer à une diffusion à faible latence. Les sections suivantes montrent comment créer un service en utilisant à la fois SQL et dans le Studio AI & ML de Snowflake dans Snowsight.
Note
Lorsque vous créez un service de recherche, l’index de recherche est créé dans le cadre du processus de création. Cela signifie que l’instruction CREATE CORTEX SEARCH SERVICE peut prendre plus de temps à compléter pour des ensembles de données plus volumineux.
Utiliser SQL¶
L’exemple suivant montre comment créer un Cortex Search Service avec CREATE CORTEX SEARCH SERVICE sur l’exemple d’ensemble de données de transcription du support client créé dans la section précédente.
CREATE OR REPLACE CORTEX SEARCH SERVICE transcript_search_service
ON transcript_text
ATTRIBUTES region
WAREHOUSE = cortex_search_wh
TARGET_LAG = '1 day'
EMBEDDING_MODEL = 'snowflake-arctic-embed-l-v2.0'
AS (
SELECT
transcript_text,
region,
agent_id
FROM support_transcripts
);
Cette commande déclenche la création du service de recherche pour vos données. Dans cet exemple :
Les requêtes adressées au service rechercheront des correspondances dans la colonne
transcript_text
.Le paramètre
TARGET_LAG
indique que le Cortex Search Service vérifiera les mises à jour de la table de basesupport_transcripts
environ une fois par jour.Les colonnes
region
etagent_id
seront indexées afin qu’elles puissent être renvoyées avec les résultats des requêtes sur la colonnetranscript_text
.La colonne
region
sera disponible en tant que colonne de filtre lors de l’interrogation de la colonnetranscript_text
.L’entrepôt
cortex_search_wh
sera utilisé pour matérialiser les résultats de la requête spécifiée initialement et à chaque fois que la table de base est modifiée.
Note
En fonction de la taille de l’entrepôt spécifié dans la requête et du nombre de lignes de votre table, l’exécution de cette commande CREATE peut prendre plusieurs heures.
Snowflake recommande d’utiliser un entrepôt dédié dont la taille ne dépasse pas la taille MEDIUM pour chaque service.
Les colonnes du champ ATTRIBUTES doivent être incluses dans la requête source, soit via une énumération explicite, soit via un caractère générique, (
*
) .
Utiliser Snowsight¶
Suivez ces étapes pour créer un Cortex Search Service dans Snowsight :
Connectez-vous à Snowsight.
Choisissez un rôle auquel est accordé le rôle SNOWFLAKE.CORTEX_USER de base de données.
Dans le menu de navigation, sélectionnez AI & ML » Studio.
Sélectionnez + Create dans la boîte Create a Cortex Search Service.
Sélectionnez un rôle et un entrepôt. Le rôle doit se voir attribué le rôle de base de données SNOWFLAKE.CORTEX_USER. L’entrepôt est utilisé pour matérialiser les résultats de la requête source lorsque le service est créé et actualisé.
Sélectionnez une base de données et un schéma dans lesquels le service est défini.
Saisissez un nom pour votre service, puis sélectionnez Let’s go.
Sélectionnez la table ou la vue contenant les données textuelles à indexer pour la recherche, puis sélectionnez Next. Pour cet exemple, sélectionnez la table
support_transcripts
.Note
Si vous souhaitez spécifier plusieurs sources de données ou effectuer des transformations lors de la définition de votre service, utilisez SQL.
Sélectionnez les colonnes que vous souhaitez inclure dans les résultats de la recherche,
transcript_text
,region
, etagent_id
, puis sélectionnez Next.Sélectionnez la colonne qui sera recherchée,
transcript_text
, puis sélectionnez Next.Si vous souhaitez pouvoir filtrer vos résultats de recherche en fonction d’une ou plusieurs colonnes particulières, sélectionnez ces colonnes, puis sélectionnez Next. Si vous n’avez besoin d’aucun filtre, sélectionnez Skip this option. Pour cet exemple, vous pouvez ignorer cette étape.
Définissez votre latence cible, qui correspond au temps pendant lequel le contenu de votre service doit être en retard par rapport aux mises à jour des données de base, puis sélectionnez Create search service.
L’étape finale confirme que votre service a été créé et affiche le nom du service et sa source de données.
Note
Lorsque vous créez le service à partir de Snowsight, le nom du service est entre guillemets. Pour plus de détails sur ce que cela signifie lors du référencement du service dans SQL, consultez Identificateurs entre guillemets doubles.
Accorder des autorisations d’utilisation¶
Une fois le service et l’index créés, vous pouvez accorder l’utilisation du service, de sa base de données et de son schéma à d’autres rôles tels que customer_support.
GRANT USAGE ON DATABASE cortex_search_db TO ROLE customer_support;
GRANT USAGE ON SCHEMA services TO ROLE customer_support;
GRANT USAGE ON CORTEX SEARCH SERVICE transcript_search_service TO ROLE customer_support;
Prévisualiser le service¶
Pour confirmer que le service est correctement renseigné avec les données, vous pouvez prévisualiser le service via la fonction SEARCH_PREVIEW depuis un environnement SQL :
SELECT PARSE_JSON(
SNOWFLAKE.CORTEX.SEARCH_PREVIEW(
'cortex_search_db.services.transcript_search_service',
'{
"query": "internet issues",
"columns":[
"transcript_text",
"region"
],
"filter": {"@eq": {"region": "North America"} },
"limit":1
}'
)
)['results'] as results;
Exemple de réponse de requête réussie :
[
{
"transcript_text" : "My internet has been down since yesterday, can you help?",
"region" : "North America"
}
]
Cette réponse confirme que le service est rempli de données et fournit des résultats raisonnables pour la requête donnée.
Vous pouvez également utiliser la fonction de table CORTEX_SEARCH_DATA_SCAN pour inspecter le contenu du service.
SELECT
*
FROM
TABLE (
CORTEX_SEARCH_DATA_SCAN (
SERVICE_NAME => 'transcript_search_service'
)
);
+ ---------------------------------------------------------- + --------------- + -------- + ------------------------------ +
| transcript_text | region | agent_id | _GENERATED_EMBEDDINGS_MY_MODEL |
| ---------------------------------------------------------- | --------------- | -------- | ------------------------------ |
| 'My internet has been down since yesterday, can you help?' | 'North America' | 'AG1001' | [0.1, 0.2, 0.3, 0.4] |
| 'I was overcharged for my last bill, need an explanation.' | 'Europe' | 'AG1002' | [0.1, 0.2, 0.3, 0.4] |
+ ---------------------------------------------------------- + --------------- + -------- + ------------------------------ +
Interrogez le service depuis votre application¶
Une fois que vous avez créé le service de recherche, accordé son utilisation à votre rôle et l’avez prévisualisé, vous pouvez désormais l’interroger à partir de votre application à l’aide de l”API Python.
Le code suivant montre l’utilisation de l’API Python pour récupérer le ticket d’assistance le plus pertinent pour une requête concernant internet issues
, filtré pour renvoyer des résultats dans la région North America
:
from snowflake.core import Root
from snowflake.snowpark import Session
CONNECTION_PARAMETERS = {"..."}
session = Session.builder.configs(CONNECTION_PARAMETERS).create()
root = Root(session)
transcript_search_service = (root
.databases["cortex_search_db"]
.schemas["services"]
.cortex_search_services["transcript_search_service"]
)
resp = transcript_search_service.search(
query="internet issues",
columns=["transcript_text", "region"],
filter={"@eq": {"region": "North America"} },
limit=1
)
print(resp.to_json())
Exemple de réponse de requête réussie :
{
"results": [
{
"transcript_text": "My internet has been down since yesterday, can you help?",
"region": "North America"
}
],
"request_id": "5d8eaa5a-800c-493c-a561-134c712945ba"
}
Les Cortex Search Services renvoient toutes les colonnes spécifiées dans le champ columns
de votre requête.
Privilèges requis¶
Pour créer un Cortex Search Service, votre rôle doit avoir le rôle de base de données CORTEX_USER pour les fonctions LLM Cortex. Pour plus d’informations sur l’octroi et la révocation de ce rôle, consultez Privilèges requis pour les fonctions Cortex LLM.
Pour interroger un Cortex Search Service, le rôle de l’utilisateur effectuant la requête doit disposer des privilèges USAGE sur le service lui-même, ainsi que sur la base de données et le schéma dans lesquels le service réside. Consultez Exigences en matière de contrôle d’accès à Cortex Search.
Pour suspendre ou reprendre un Cortex Search Service à l’aide de la commande ALTER, le rôle de l’utilisateur qui interroge doit avoir le privilège OPERATE sur le service. Voir ALTER CORTEX SEARCH SERVICE.
Important
Les services Cortex Search Service effectuent des recherches avec les droits du propriétaire et suivent le même modèle de sécurité que les autres objets Snowflake qui s’exécutent avec les droits du propriétaire. Pour plus d’informations, voir Exigences en matière de contrôle d’accès à Cortex Search
Comprendre la qualité de Cortex Search¶
Cortex Search s’appuie sur un ensemble de modèles de récupération et de classement pour vous offrir un niveau élevé de qualité de recherche avec peu ou pas de réglage requis. Sous le capot, Cortex Search adopte une approche « hybride » pour récupérer et classer les documents. Chaque requête de recherche utilise :
Recherche vectorielle pour récupérer des documents sémantiquement similaires.
Recherche par mot-clé pour récupérer des documents lexicalement similaires.
Reclassement sémantique pour reclasser les documents les plus pertinents dans le jeu de résultats.
Cette approche de recherche hybride, couplée à une étape de reclassement sémantique, permet d’obtenir une qualité de recherche élevée sur une large gamme d’ensembles de données et de requêtes.
Modèles de représentation vectorielle de Cortex Search¶
Cortex Search permet aux utilisateurs de sélectionner un modèle d’intégration hébergé qui sera exploité dans la zone de préparation de récupération de la recherche vectorielle. Les modèles d’intégration suivants sont disponibles dans Cortex Search.
Important
Le prix des modèles varie. Les prix du modèle canonique sont disponibles dans la Snowflake Service Consumption Table. Si un prix indiqué ci-dessous diffère du prix indiqué pour le modèle dans la Snowflake Service Consumption Table, cette dernière fait foi.
Nom du modèle |
Dimensions de la sortie |
Prise en charge des langages |
Coût du crédit pour 1 million de jetons |
Description |
---|---|---|---|---|
|
768 |
Anglais uniquement |
0,03 |
Le modèle d’intégration le plus pratique de Snowflake, en anglais uniquement. Ce modèle open-source de 110 millions de paramètres permet d’obtenir les temps d’indexation les plus rapides parmi les modèles disponibles dans Cortex Search. Pour plus d’informations, consultez le billet de blog Arctic Embed 1.5 et la carte modèle Arctic Embed 1.5. |
|
1024 |
Multilingue |
0,05 |
Le modèle d’intégration multilingue de Snowflake, au prix le plus avantageux. Ce modèle open-source de 568 millions de paramètres permet d’obtenir une qualité élevée sur les jeux de données anglais ou non. Pour plus d’informations, consultez le billet de blog Arctic Embed 2 et la carte modèle Arctic Embed 2. |
|
1024 |
Multilingue |
0,07 |
Le modèle d’intégration multilingue de Voyage. Ce modèle permet d’obtenir une qualité élevée sur les jeux de données anglais ou non. Pour plus d’informations, consultez le billet de blog Voyage Multilingual 2 |
Certains modèles de représentation vectorielle ne sont disponibles que dans certaines régions du Cloud pour Cortex Search. Pour obtenir la liste des disponibilités par modèle et par région, voir Disponibilité régionale Cortex Search.
Chaque modèle présente des caractéristiques différentes en matière de performance, de coût et de qualité. Examinez attentivement les spécifications du modèle afin de déterminer le modèle le mieux adapté à votre charge de travail spécifique. Reportez-vous à la Snowflake Service Consumption Table pour avoir une vue plus précise du coût de chaque modèle en crédits par million de jetons.
Limites de jetons et division de texte¶
Pour des résultats de recherche optimaux avec Cortex Search, Snowflake recommande de diviser le texte de votre colonne de recherche en morceaux ne dépassant pas 512 jetons (environ 385 mots anglais). Lorsqu’une entrée dans la colonne de recherche contient plus de 512 jetons, Cortex Search effectue une récupération basée sur des mots-clés sur l’ensemble du corps du texte, mais utilise uniquement les 512 premiers jetons pour la récupération sémantique (c’est-à-dire basée sur des vecteurs).
Un jeton est une séquence de caractères et constitue la plus petite unité de texte pouvant être traitée par un modèle de langage de grande taille. À titre approximatif, un jeton équivaut à environ 3/4 d’un mot anglais, soit environ 4 caractères. Pour calculer le nombre exact de jetons dans une chaîne, vous pouvez utiliser la fonction Cortex COUNT_TOKENS. Par exemple, le calcul des jetons d’une chaîne à intégrer avec le modèle snowflake-arctic-embed-m-v1.5
:
SELECT SNOWFLAKE.CORTEX.COUNT_TOKENS('snowflake-arctic-embed-m', '<input_text>') as token_count
Comprendre les limites des jetons de recherche sémantique¶
La recommandation de morceaux de taille 512 jetons ou moins est motivée par des recherches qui montrent qu”une taille de morceau plus petite entraîne généralement une meilleure qualité de récupération et de réponse du modèle LLM en aval. Bien qu’il existe aujourd’hui des modèles d’intégration à contexte plus long, tels que arctique-intégrer-m-long, Cortex Search opte pour un modèle d’intégration avec une fenêtre de contexte plus petite pour offrir une meilleure qualité de recherche dès le départ.
L’intuition derrière ce concept est qu’avec des morceaux plus petits, la récupération peut être plus précise pour une requête donnée. Cela est dû au fait qu’il y a moins de jetons sur lesquels « faire la moyenne » lors de la génération des intégrations vectorielles pour le morceau et la requête. De plus, avec des morceaux plus petits, le LLM en aval peut recevoir uniquement les informations dont il a besoin, car il y a moins de texte potentiellement bruyant fourni dans l’invite au modèle.
Vous pouvez trouver des recherches ici montrant que les petits morceaux fonctionnent généralement mieux sur des ensembles de données de type questions-réponses publics.
Actualise¶
Le contenu diffusé dans un Cortex Search Service est basé sur les résultats d’une requête spécifique. Lorsque les données sous-jacentes à un Cortex Search Service changent, le service est mis à jour pour refléter ces modifications. Ces mises à jour sont appelées actualisations. Ce processus est automatisé et consiste à analyser la requête qui sous-tend la table.
Les Cortex Search Services ont les mêmes propriétés d’actualisation que les tables dynamiques. Consultez la rubrique Comprendre l’initialisation et l’actualisation des tables dynamiques pour comprendre les caractéristiques d’actualisation d’un Cortex Search Service.
La requête source d’un Cortex Search Service doit être candidate à l’actualisation incrémentielle de la table dynamique. Pour plus de détails sur ces exigences, consultez Prise en charge de l’actualisation incrémentielle. Cette restriction est conçue pour empêcher tout coût incontrôlable indésirable associé au calcul d’intégration vectorielle. Pour plus d’informations sur les constructions qui ne sont pas prises en charge pour l’actualisation incrémentielle de la table dynamique, consultez Requêtes prises en charge pour les tables dynamiques.
Suspension de l’indexation et de la mise à disposition¶
De la même manière que les tables dynamiques, les Cortex Search Services suspendent automatiquement leur état d’indexation lorsqu’ils rencontrent cinq échecs d’actualisation consécutifs liés à la requête source. Si vous rencontrez cette défaillance pour votre service, vous pouvez voir l’erreur SQL lors de l’utilisation du DESCRIBE CORTEX SEARCH SERVICE ou du Vue CORTEX_SEARCH_SERVICES. La sortie des deux inclut les colonnes suivantes :
La colonne INDEXING_STATE aura la valeur de SUSPENDED.
La colonne INDEXING_ERROR contiendra l’erreur SQL spécifique rencontrée dans la requête source.
Une fois le problème racine résolu, vous pouvez reprendre le service avec ALTER CORTEX SEARCH SERVICE <name> RESUME INDEXING
. Pour une syntaxe détaillée, voir ALTER CORTEX SEARCH SERVICE.
Considérations relatives aux clients¶
Un Cortex Search Service entraîne des coûts de la manière suivante :
Catégorie |
Description |
---|---|
Calcul de l’entrepôt virtuel |
Un Cortex Search Service nécessite un entrepôt virtuel pour actualiser le service : pour exécuter des requêtes sur les objets de base lorsqu’ils sont initialisés et actualisés, y compris l’orchestration des tâches d’intégration de texte et la création de l’index de recherche. Ces opérations utilisent des ressources de calcul, qui consomment des crédits. Si aucun changement n’est identifié lors d’une actualisation, les crédits de l’entrepôt virtuel ne sont pas consommés puisqu’il n’y a pas de nouvelles données à actualiser. |
Calcul des jetons EMBED_TEXT |
Un Cortex Search Service intègre automatiquement chaque ligne de texte dans la colonne de recherche spécifiée dans le paramètre |
Calcul de service |
Un Cortex Search Service utilise un calcul de service multi-locataire, séparé d’un entrepôt virtuel fourni par l’utilisateur, pour établir un service à faible latence et à haut débit. Le coût de calcul pour cette composante est calculé par GB par mois (GB/mo) de données indexées non compressées, les données indexées étant les données fournies par l’utilisateur dans la requête source de Cortex Search, plus les intégrations vectorielles calculées pour le compte de l’utilisateur. Vous supportez ces coûts tant que le service est disponible pour répondre aux requêtes, même si aucune requête n’est servie au cours d’une période donnée. Pour connaître le taux de crédit du service Cortex Search par GB/mo de données indexées, consultez la Snowflake Service Consumption Table. |
Stockage |
Les Cortex Search Services matérialisent la requête source dans une table stockée dans votre compte. Cette table est transformée en structures de données optimisées pour un service à faible latence, également stockées dans votre compte. Le stockage pour la table et les structures de données intermédiaires est basé sur un tarif forfaitaire par téraoctet (TB). |
Calcul des services Cloud |
Les Cortex Search Services utilisent le calcul Cloud Services pour identifier les changements dans les objets de base sous-jacents et déterminer si l’entrepôt virtuel doit être invoqué. Le coût de calcul des services Cloud est soumis à la contrainte selon laquelle Snowflake ne facture que si le coût quotidien des services Cloud est supérieur à 10 % du coût quotidien de l’entrepôt pour le compte. |
Pour connaître les meilleures pratiques en matière de gestion des coûts d’un Cortex Search Service, voir Comprendre les coûts de Cortex Search Services.
Pour visualiser les coûts de consommation liés aux services AI pour chaque service Cortex Search Service de votre compte, agrégés quotidiennement, consultez la vue CORTEX_SEARCH_DAILY_USAGE_HISTORY
Limitations connues¶
L’utilisation de Cortex Search est soumise aux limitations suivantes :
Taille de la table de base : Le résultat de la requête matérialisée dans le service de recherche doit avoir une taille inférieure à 100 millions de lignes pour maintenir une performance de service optimale. Si le résultat matérialisé de votre requête comporte plus de 100 millions de lignes, la requête de création échoue avec une erreur.
Note
Pour augmenter les limites de mise à l’échelle des lignes sur un Cortex Search Service au-dessus de 100 millions, veuillez contacter votre équipe de compte Snowflake.
Constructions de requête : les requêtes sources du Cortex Search Service doivent respecter les mêmes restrictions de requête que les tables dynamiques. Veuillez consulter le Limites des tables dynamiques pour plus de détails.
Réplication et clonage : les Cortex Search Services ne prennent pas en charge la réplication ou le clonage. La prise en charge de ces fonctionnalités sera disponible dans une future version.
Important
Pour chaque Cortex Search que vous créez, deux entités de table dynamique apparaissent dans l”UI de supervision Snowsight pour tables dynamiques. Ces deux entités sont au format _CORTEX_SEARCH_SOURCE_*
et _CORTEX_SEARCH_REFRESH_*
. Ces entités apparaissent également dans les vues du schéma d’informations des tables dynamiques, mais n’apparaissent pas dans les commandes SHOW/DESC des tables dynamiques. La sélection de l’une de ces entités dans l’UI Snowsight produit un message Dynamic Table not found
. Il s’agit d’un comportement attendu. Les entités liées à Cortex Search seront supprimées de la surveillance de l’UI des tables dynamiques de Snowsight dans les futures versions du produit.
Disponibilité régionale¶
La prise en charge de cette fonctionnalité est disponible pour les comptes dans les régions Snowflake suivantes. La disponibilité de modèles de représentation vectorielle spécifiques dans une région est indiquée par une coche.
Fournisseur Cloud
|
Region
|
snowflake-arctic-embed-m-v1.5 |
snowflake-arctic-embed-l-v2.0 |
voyage-multilingual-2 |
---|---|---|---|---|
AWS
|
US Ouest 2 (Oregon)
|
✔ |
✔ |
✔ |
AWS
|
US Est 2 (Ohio)
|
✔ |
✔ |
|
AWS
|
US East 1 (N. du Nord)
|
✔ |
✔ |
✔ |
AWS
|
Canada (Centre)
|
✔ |
✔ |
|
AWS
|
Amérique du Sud (São Paulo)
|
✔ |
✔ |
|
AWS
|
Europe (Irlande)
|
✔ |
✔ |
|
AWS
|
Europe (Londres)
|
✔ |
✔ |
|
AWS
|
Europe Central 1 (Francfort)
|
✔ |
✔ |
✔ |
AWS
|
Europe (Stockholm)
|
✔ |
✔ |
|
AWS
|
Asie-Pacifique (Tokyo)
|
✔ |
✔ |
✔ |
AWS
|
Asie Pacifique (Mumbai)
|
✔ |
✔ |
|
AWS
|
Asie-Pacifique (Sydney)
|
✔ |
✔ |
|
AWS
|
Asie-Pacifique (Jakarta)
|
✔ |
✔ |
|
AWS
|
Asie-Pacifique (Seoul)
|
✔ |
✔ |
|
Azure
|
Est US 2 (Virginie)
|
✔ |
✔ |
|
Azure
|
Ouest US 2 (Washington)
|
✔ |
✔ |
|
Azure
|
Sud-Central US (Texas)
|
✔ |
✔ |
|
Azure
|
UK Sud (Londres)
|
✔ |
✔ |
|
Azure
|
Europe du Nord (Irlande)
|
✔ |
✔ |
|
Azure
|
Europe de l’Ouest (Pays-Bas)
|
✔ |
✔ |
✔ |
Azure
|
Suisse Nord (Zurich)
|
✔ |
✔ |
|
Azure
|
Inde centrale (Pune)
|
✔ |
✔ |
|
Azure
|
Japon Est (Tokyo, Saitama)
|
✔ |
✔ |
|
Azure
|
Asie du Sud-Est (Singapour)
|
✔ |
✔ |
|
Azure
|
Australie Est (Nouvelle-Galles du Sud)
|
✔ |
✔ |
|
GCP
|
Europe Ouest 2 (Londres)
|
✔ |
✔ |
|
GCP
|
Europe Ouest 3 (Francfort)
|
✔ |
✔ |
|
GCP
|
Europe Ouest 4 (Pays-Bas)
|
✔ |
✔ |
|
GCP
|
Moyen-Orient central 2 (Dammam)
|
✔ |
✔ |
|
GCP
|
US Central 1 (Iowa)
|
✔ |
✔ |
|
GCP
|
US East 4 (Virginie du Nord)
|
✔ |
✔ |
Note
Vous pouvez spécifier le paramètre d’inférence interrégionale dans l’une des régions ci-dessus pour accéder aux modèles qui ne sont pas directement pris en charge dans votre région par défaut.
Cortex Search est disponible dans les régions suivantes uniquement en utilisant l’inférence interrégionale. Pour utiliser Cortex Search avec l’inférence interrégionale, utilisez le paramètre d’inférence interrégionale.
AWS Europe (Paris)
AWS Europe (Zurich)
AWS Asie-Pacifique (Singapour)
AWS Asie-Pacifique (Osaka)
Azure Canada Central (Toronto)
Azure Central US (Iowa)
Azure UAE Nord (Dubaï)
Note
Lors de l’utilisation de l’inférence interrégionale, la latence des requêtes entre les régions dépend de l’infrastructure du fournisseur Cloud et du statut du réseau. Snowflake vous recommande de tester votre cas d’utilisation spécifique avec l’inférence interrégionale activée.
Avis juridiques¶
La classification des données d’entrées et de sorties est présentée dans la table suivante.
Classification des données d’entrée |
Classification des données de sortie |
Désignation |
---|---|---|
Usage Data |
Customer Data |
Les fonctions généralement disponibles sont des fonctions AI couvertes. Les fonctions d’aperçu sont les fonctions AI d’aperçu. [1] |
Pour plus d’informations, reportez-vous à Snowflake AI et ML.