Creación y ejecución de un cuaderno con Kqlmagic

Importante

Azure Data Studio se retirará el 28 de febrero de 2026. Se recomienda usar Visual Studio Code. Para más información sobre la migración a Visual Studio Code, visite ¿Qué sucede con Azure Data Studio?

Kqlmagic es un comando que amplía las capacidades del kernel de Python en cuadernos de Azure Data Studio . Puede combinar Python y el lenguaje de consulta Kusto (KQL) para consultar y visualizar datos mediante la biblioteca Plotly enriquecida integrada con comandos de render. Kqlmagic ofrece la ventaja de reunir los cuadernos, el análisis de datos y las completas funcionalidades de Python en la misma ubicación. Entre los orígenes de datos compatibles con Kqlmagic se incluyen Azure Data Explorer , Application Insights y registros de Azure Monitor .

En este artículo se muestra cómo crear y ejecutar un cuaderno en Azure Data Studio con la extensión Kqlmagic para un clúster de Azure Data Explorer, un registro de Application Insights y registros de Azure Monitor.

Requisitos previos

• Azure Data Studio
• Python

Instalación y configuración de Kqlmagic en un cuaderno

Todos los pasos de esta sección se ejecutan en un cuaderno de Azure Data Studio.

1. Cree un cuaderno y cambie el Kernel a Python 3.

   

2. Es posible que se le solicite que actualice los paquetes de Python cuando los paquetes deban actualizarse.

   

3. Instalar Kqlmagic:

   import sys
   !{sys.executable} -m pip install Kqlmagic --no-cache-dir --upgrade
   

   Compruebe que está instalado:

   import sys
   !{sys.executable} -m pip list
   

   

4. Cargar Kqlmagic:

   %reload_ext Kqlmagic
   

   Nota:

   Si se produce un error en este paso, cierre el archivo y vuelva a abrirlo.

   

5. Puede comprobar si Kqlmagic se carga correctamente examinando la documentación de ayuda o comprobando la versión.

   %kql --help "help"
   

   Nota:

   Si Samples@help solicita una contraseña, puede dejarla en blanco y presionar Entrar.

   

   Para ver qué versión de Kqlmagic está instalada, ejecute el comando siguiente.

   %kql --version
   

Kqlmagic con un clúster de Azure Data Explorer

En esta sección se explica cómo ejecutar el análisis de datos mediante Kqlmagic con un clúster de Azure Data Explorer.

Carga y autenticación de Kqlmagic para Azure Data Explorer

Nota:

Cada vez que cree un cuaderno en Azure Data Studio, debe cargar la extensión Kqlmagic.

1. Compruebe que el Kernel está establecido en Python 3.

   

2. Cargar Kqlmagic:

   %reload_ext Kqlmagic
   

   

3. Conéctese al clúster y autentíquese:

   %kql azureDataExplorer://code;cluster='help';database='Samples'
   

   Nota:

   Si usa su propio clúster de ADX, debe incluir la región en la cadena de conexión de la siguiente manera:

   %kql azuredataexplorer://code;cluster='mycluster.westus';database='mykustodb' Use el inicio de sesión del dispositivo para autenticarse. Copie el código de la salida y seleccione Autenticar, lo que abre un explorador donde tiene que pegar el código. Cuando se haya autenticado correctamente, puede volver a Azure Data Studio para continuar con el resto del script.

   

Consulta y vista de Azure Data Explorer

Consulte datos mediante el operador “render” y visualice datos mediante la biblioteca de plotly. Esta consulta y visualización proporciona una experiencia integrada que usa KQL de forma nativa.

1. Analice los 10 eventos principales de Storm por estado y frecuencia:

   %kql StormEvents | summarize count() by State | sort by count_ | limit 10
   

   Si está familiarizado con el lenguaje de consulta Kusto (KQL), puede escribir la consulta después de %kql.

   

2. Vea un gráfico de escala de tiempo:

   %kql StormEvents \
   | summarize event_count=count() by bin(StartTime, 1d) \
   | render timechart title= 'Daily Storm Events'
   

   

3. Ejemplo de consulta multilínea con %%kql.

   %%kql
   StormEvents
   | summarize count() by State
   | sort by count_
   | limit 10
   | render columnchart title='Top 10 States by Storm Event count'
   

   

Kqlmagic con Application Insights

Carga y autenticación de Kqlmagic para Application Insights

1. Compruebe que el Kernel está establecido en Python 3.

   

2. Cargar Kqlmagic:

   %reload_ext Kqlmagic
   

   

   Nota:

   Cada vez que cree un cuaderno en Azure Data Studio, debe cargar la extensión Kqlmagic.

3. Conexión y autenticación.

   En primer lugar, debe generar una clave de API para el recurso de Application Insights. Después, use el identificador de aplicación y la clave de API para conectarse a Application Insights desde el cuaderno:

   %kql appinsights://appid='DEMO_APP';appkey='DEMO_KEY'
   

Consulta y vista de Application Insights

Consulte datos mediante el operador “render” y visualice datos mediante la biblioteca de plotly. Esta consulta y visualización proporciona una experiencia integrada que usa KQL de forma nativa.

1. Muestre vistas de página:

   %%kql
   pageViews
   | limit 10
   

   

   Nota:

   Use el mouse para arrastrar un área del gráfico para acercar las fechas específicas.

2. Muestre vistas de página en un gráfico de escala de tiempo:

   %%kql
   pageViews
   | summarize event_count=count() by name, bin(timestamp, 1d)
   | render timechart title= 'Daily Page Views'
   

   

Kqlmagic con registros de Azure Monitor

Carga y autenticación de Kqlmagic para registros de Azure Monitor

1. Compruebe que el Kernel está establecido en Python 3.

   

2. Cargar Kqlmagic:

   %reload_ext Kqlmagic
   

   

   Nota:

   Cada vez que cree un cuaderno en Azure Data Studio, debe cargar la extensión Kqlmagic.

3. Conéctese y autentíquese:

   %kql loganalytics://workspace='DEMO_WORKSPACE';appkey='DEMO_KEY';alias='myworkspace'
   

   

Consulta y vista de registros de Azure Monitor

Consulte datos mediante el operador “render” y visualice datos mediante la biblioteca de plotly. Esta consulta y visualización proporciona una experiencia integrada que usa KQL de forma nativa.

1. Vea un gráfico de escala de tiempo:

   %%kql
   KubeNodeInventory
   | summarize event_count=count() by Status, bin(TimeGenerated, 1d)
   | render timechart title= 'Daily Kubernetes Nodes'
   

   

Pasos siguientes

Obtenga más información sobre los cuadernos y Kqlmagic:

• Extensión Kusto (KQL) para Azure Data Studio (versión preliminar)
• Creación y ejecución de un cuaderno de Kusto (KQL) (versión preliminar)
• Uso de Jupyter Notebook y una extensión Kqlmagic para analizar datos en Azure Data Explorer
• Extensión (Magic) en Jupyter Notebook y Jupyter Lab, que habilita la experiencia del cuaderno al trabajar con datos de Kusto, Application Insights y Log Analytics.
• Kqlmagic
• Uso de cuadernos en Azure Data Studio