Stocker et interroger des données en temps réel
Les eventhouses sont des lieux où vous stockez des données en temps réel, souvent ingérées par un flux d'événements et chargés dans des tables pour un traitement et une analyse supplémentaires.
Dans un eventhouse, vous pouvez créer :
- Des bases de données KQL : magasins de données optimisés en temps réel qui hébergent une collection de tables, de fonctions stockées, de vues matérialisées et de raccourcis.
- Jeux de requêtes KQL : Les collections de requêtes KQL que vous pouvez utiliser pour travailler avec les données dans les tables de base de données KQL. Un jeu de requêtes KQL prend en charge les requêtes écrites à l’aide du langage KQL (Kusto Query Language) et d’un sous-ensemble du langage Transact-SQL.
Interroger les données
Pour interroger des données à partir d’une table dans une base de données KQL, vous pouvez utiliser le Kusto Query Language (KQL), qui est utilisé pour écrire des requêtes dans Azure Data Explorer, Azure Monitor Log Analytics, Microsoft Sentinel et Microsoft Fabric. Une requête KQL est une demande en lecture seule de traitement de données et de retour de résultats. Les requêtes KQL sont constituées d’une ou plusieurs instructions de requête.
Instructions de requête KQL
Une instruction de requête se compose d’un nom de table suivi d’un ou plusieurs opérateurs qui agissent sur les données (take
, filter
, transform
, aggregate
ou join
). Par exemple, la requête suivante récupère 10 lignes d’une table nommée stock :
stock
| take 10
Un exemple plus complexe peut agréger les données pour trouver le prix moyen des actions par symbole boursier au cours des cinq dernières minutes :
stock
| where ["time"] > ago(5m)
| summarize avgPrice = avg(todecimal(bidPrice)) by symbol
| project symbol, avgPrice
Conseil
Pour en savoir plus sur KQL, consultez Vue d’ensemble du Langage de requête Kusto (KQL).
Utilisation de SQL
KQL est optimisé pour interroger de grands volumes de données, en particulier avec un élément basé sur le temps ; il convient donc parfaitement à l’analyse des données en temps réel. Toutefois, de nombreux professionnels des données connaissent déjà la syntaxe SQL. Ainsi, les bases de données KQL dans les eventhouses prennent en charge un sous-ensemble d’expressions SQL courantes.
Par exemple, la requête SQL équivalente à la requête KQL take 10 décrite précédemment serait :
SELECT TOP 10 * FROM stock;
Utilisation de Copilot comme aide avec les requêtes
Microsoft Fabric inclut Copilo pour l’intelligence en temps réel, qui peut vous aider à écrire les requêtes dont vous avez besoin pour extraire des insights de vos données eventhouse. Copilot utilise l’IA pour comprendre les informations que vous recherchez et peut générer le code de requête requis pour vous.
Conseil
Pour en savoir plus sur Copilot pour l’intelligence en temps réel, consultez Copilot pour l’intelligence en temps réel.