Ringkasan: Menghubungkan output aplikasi ke tujuan data
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Setelah
membuat
aliran penyerapan data dan
menambahkan
node pemrosesan ke aplikasi, Anda
harus memilih tempat untuk mengirim data yang diproses. Tujuan data ini
("penampung data") adalah titik akhir grafik
aplikasi Anda yang menerima data aliran data tanpa menghasilkan data aliran data apa pun. Tujuan
yang Anda pilih bergantung pada cara Anda menggunakan data output aplikasi.
Di Google Cloud konsol, tujuan data tersedia di bagian
Konektor di halaman grafik aplikasi.
Anda dapat menghubungkan data output aplikasi ke tujuan data berikut:
Vision Warehouse: Menyimpan data video asli atau yang dianalisis yang dapat Anda lihat dan buat kuerinya. Dengan menggunakan Vision Warehouse,
Anda dapat menentukan anotasi pada klip video secara keseluruhan atau sebagian.
BigQuery: Menyimpan data di BigQuery untuk menggunakan kemampuan analisis
offline-nya. Dengan BigQuery, Anda dapat membuat kueri data streaming, mengakses dan membagikan insight analisis, membuat laporan dan dasbor, serta mengekspor model BigQuery ML untuk prediksi online.
Data live stream: Jika menginginkan kontrol yang lebih terperinci untuk bertindak berdasarkan analisis real-time, Anda dapat menerima output live dari aplikasi. Misalnya, Anda dapat menulis kode yang menggunakan data jumlah tamu secara live untuk mengubah alokasi staf secara terprogram.
Untuk mengetahui informasi selengkapnya tentang streaming data output aplikasi secara langsung, lihat
Mengaktifkan output live stream.
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Sulit dipahami","hardToUnderstand","thumb-down"],["Informasi atau kode contoh salah","incorrectInformationOrSampleCode","thumb-down"],["Informasi/contoh yang saya butuhkan tidak ada","missingTheInformationSamplesINeed","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 2025-08-11 UTC."],[],[],null,["# Overview: Connect app output to a data destination\n\nAfter you [create the\ndata ingestion stream](/vision-ai/docs/create-manage-streams) and [add the\nprocessing nodes](/vision-ai/docs/build-app#add-pretrained-model) to your app, you must choose where to send the processed data. This data destination (\"data sink\") is the end point of your app graph that accepts stream data without producing any stream data. The destination you choose depends on how you use the app output data.\n\n\u003cbr /\u003e\n\n*In the Google Cloud console, data destinations are available in the\n**Connectors** section of the app graph page.*\n\nYou can connect app output data to the following data destinations:\n\n1. **Vision Warehouse**: Store original or analyzed video data that you\n can view and query. Using a Vision Warehouse\n allows you to specify annotations on whole or partial video clips.\n\n For more information about sending app output data to a\n Vision Warehouse, see\n [Connect and store data to a warehouse](/vision-ai/docs/connect-warehouse).\n\n\n2. **BigQuery**: Store data in BigQuery to use its offline\n analytics capabilities. Using BigQuery\n allows you to query streaming data, access and share analytical insights,\n create reports and dashboards, and export BigQuery ML models for\n online prediction.\n\n For more information about sending app output data to BigQuery, see\n [Connect and store data to BigQuery](/vision-ai/docs/connect-bigquery).\n\n\n3. **Live stream data**: If you want more granular control to act on real-time\n analytics, you can receive the live output from your app.\n For example, you can write code that uses live occupancy\n count data to programmatically change staffing allocation.\n\n For more information about directly streaming app output data, see\n [Enable live stream output](/vision-ai/docs/enable-stream-output)."]]
