Kom igång med ett eventhouse

  • 12 minuter

Om du vill skapa ett eventhouse måste du arbeta på en arbetsyta med en Infrastrukturkapacitet som stöder kapacitet för realtidsinformationsinfrastruktur. Du kan sedan skapa en eller flera händelsehus för dina data.

Skärmbild av ett eventhouse i Microsoft Fabric.

Ett händelsehus innehåller en eller flera KQL-databaser där du kan skapa tabeller, lagrade procedurer, materialiserade vyer och andra objekt för att hantera dina data. När du har skapat ett eventhouse kan du använda KQL-standarddatabasen eller skapa en ny.

Om du vill hämta dina data till en KQL-databas i ett händelsehus importerar du dem vanligtvis från en statisk plats (till exempel en lokal fil, OneLake, Azure Storage eller en exempeldatauppsättning) eller från en realtidskälla (till exempel Azure Event Hubs eller en Fabric-händelseström).

Skärmbild av menyn Hämta data för ett eventhouse i Microsoft Fabric.

Kommentar

Du kan aktivera alternativet OneLake för en databas eller för enskilda tabeller som den innehåller, vilket gör data från dessa tabeller tillgängliga i OneLake.

Köra frågor mot tabeller i en KQL-databas

Om du vill fråga efter data i tabellerna i en KQL-databas kan du skriva kod för Kusto-frågespråk (KQL) eller använda en begränsad delmängd av SQL-instruktioner (Structured Query Language).

För att göra det enklare att utveckla frågor innehåller eventhouses stöd för en eller flera KQL-frågeuppsättningar, vilket förenklar frågeutvecklingen genom att tillhandahålla exempelsyntax och kodningsverktyg. En standardfrågeuppsättning tillhandahålls och du kan skapa fler om det behövs.

KQL-syntaxen är intuitiv och koncis och innehåller en mängd olika funktioner och uttryck som gör det enkelt att utföra komplex dataanalys effektivt.

Den enklaste KQL-frågan består helt enkelt av ett tabellnamn. Om du till exempel vill hämta alla data från en tabell med namnet Automotive kan du köra följande fråga:

Automotive

Den här KQL-frågan motsvarar SQL-uttrycket SELECT * FROM Automotive.

Med tanke på den potentiellt stora storleken på tabeller baserat på obundna strömmar av realtidsdata är det ovanligt att använda en enkel tabellnamnsfråga. Om du vill hämta ett exempel på data från tabellen kan du använda nyckelordet take , som du ser här:

Automotive
| take 100

Den här frågan returnerar 100 rader från tabellen Automotive (ungefär som SQL SELECT TOP 100 * FROM Automotive). Observera användningen av | tecknet på varje ny rad för att avgränsa satserna i frågan.

Här är några vanliga frågor och deras SQL-motsvarigheter

Hämta specifika kolumner

  Automotive
  | project  trip_id, pickup_datetime, fare_amount

  SELECT  trip_id, pickup_datetime, fare_amount
  FROM Automotive

Filtrera rader

Automotive
| where fare_amount > 20
| project  trip_id, pickup_datetime, fare_amount

SELECT  trip_id, pickup_datetime, fare_amount
FROM Automotive
WHERE fare_amount > 20

Sortera resultat

Automotive
| where fare_amount > 20
| project trip_id, pickup_datetime, fare_amount
| sort by pickup_datetime desc

SELECT  trip_id, pickup_datetime, fare_amount
FROM Automotive
WHERE fare_amount > 20
ORDER BY pickup_datetime DESC

Gruppera och aggregera

Automotive
| summarize trip_count = count() by vendor_id
| project vendor_id, trip_count

SELECT vendor_id, COUNT(*) AS trip_count
FROM Automotive
GROUP BY vendor_id

Kommentar

I alla exempel ovan kan du använda KQL-frågan eller motsvarande SQL-fråga för att hämta data från en tabell i en KQL-databas. Det finns fördelar med varje språk och när det gäller en KQL-databas är KQL det språk som föredras av följande skäl:

  • Enkelhet: KQL är ett enklare språk än SQL, vilket gör det lättare att lära sig och använda.
  • Prestanda: KQL är optimerat för prestanda och kan hantera stora mängder data mer effektivt än SQL.
  • Flexibilitet: KQL är mer flexibelt än SQL, så att användarna enkelt kan utföra komplexa frågor.
  • Integrering: KQL är integrerat med andra Microsoft-produkter, till exempel Azure Monitor och Azure Sentinel.

En stor nackdel med att använda SQL över KQL är att det inte är motorns inbyggda språk och måste gå igenom en transformator. Den här språkskillnaden förhindrar att den publiceras till Power BI direkt från frågeuppsättningen.

Men i vissa fall kan SQL vara ett bra val av följande skäl:

  • Kompatibilitet: SQL är ett språk som används ofta och är kompatibelt med många olika databassystem.
  • Funktioner: SQL har ett bredare utbud av funktioner och funktioner än KQL.
  • Processuell programmering: SQL stöder procedurprogrammering, vilket gör att utvecklare kan skriva komplexa skript och lagrade procedurer.

Visualisering av frågeresultat i en frågeuppsättning

I slutändan kanske du vill skapa instrumentpaneler i realtid eller Power BI-rapporter baserat på dina frågor, men det kan vara användbart när du utforskar data i en frågeuppsättning för att skapa snabba datavisualiseringar. I likhet med många vanliga utvecklingsmiljöer för notebook-filer innehåller KQL-frågeuppsättningar möjligheten att återge resultatet av en fråga som ett diagram.

Skärmbild av en visualisering i en frågeuppsättning.

Använda Copilot för att hjälpa till med frågor

För AI-baserad hjälp med KQL-frågor kan du använda Copilot för Realtidsinformation.

När administratören har aktiverat Copilot visas alternativet i menyraden frågeuppsättning. Copilot öppnas som ett fönster på sidan av huvudfrågegränssnittet. När du ställer en fråga om dina data genererar Copilot KQL-koden för att besvara din fråga.

Skärmbild av Copilot för realtidsinformation.