Sdílet prostřednictvím


Kurz Real-Time Intelligence – část 5: Dotazování streamovaných dat pomocí KQL

Poznámka:

Tento kurz je součástí série. Předchozí část najdete v tématu: kurzReal-Time Intelligence– část 4: Transformace dat v databázi KQL.

V této části kurzu budete dotazovat streamovaná data pomocí několika různých metod. Napíšete dotaz KQL pro vizualizaci dat v časovém grafu a vytvoříte agregační dotaz pomocí materializovaného zobrazení. Dotazujete se na data pomocí T-SQL a pomocí explain, který převádí SQL na KQL. Nakonec pomocí Copilotu vygenerujete dotaz KQL.

Napište dotaz KQL

Název tabulky, kterou jste vytvořili ze zásad aktualizace v předchozím kroku, je TransformedData. Jako zdroj dat pro váš dotaz použijte tento název tabulky (rozlišují se malá a velká písmena).

  • V Tutorial_queryset zadejte následující dotaz a stisknutím kombinace kláves Shift + Enter spusťte dotaz.

    TransformedData
    | where BikepointID > 100 and Neighbourhood == "Chelsea"
    | project Timestamp, No_Bikes
    | render timechart
    

    Tento dotaz vytvoří časový graf, který zobrazuje počet kol v sousedství Chelsea jako časový graf.

    Snímek obrazovky s časovým diagramem jízdních kol v Real-Time Intelligence

Vytvoření materializovaného zobrazení

V tomto kroku vytvoříte materializované zobrazení, které vrátí aktuální výsledek agregačního dotazu. Dotaz na materializované zobrazení je rychlejší než provedení agregace přímo na zdrojové tabulce.

  1. Zkopírujte a vložte a spuštěním následujícího příkazu vytvořte materializované zobrazení, které zobrazuje nejnovější počet kol na každé stanici kol.

    .create-or-alter materialized-view with (folder="Gold") AggregatedData on table TransformedData
    {
       TransformedData
       | summarize arg_max(Timestamp,No_Bikes) by BikepointID
    }
    
  2. Zkopírujte a vložte a spuštěním následujícího dotazu zobrazte data v materializovaném zobrazení jako sloupcový graf.

    AggregatedData
    | sort by BikepointID
    | render columnchart with (ycolumns=No_Bikes,xcolumn=BikepointID)
    

Tento dotaz použijete v pozdějším kroku k vytvoření řídicího panelu v reálném čase.

Důležité

Pokud jste vynechali některý z kroků použitých k vytvoření tabulek, zásad aktualizace, funkce nebo materializovaných zobrazení, použijte tento skript k vytvoření všech požadovaných prostředků: skript příkazů kurzu.

Dotazování pomocí T-SQL

Editor dotazů podporuje použití jazyka T-SQL.

  • Zadejte následující dotaz a stisknutím kombinace kláves Shift + Enter spusťte dotaz.

    SELECT top(10) *
    FROM AggregatedData
    ORDER BY No_Bikes DESC
    

Tento dotaz vrátí 10 stanic kol s největším počtem kol, seřazených v sestupném pořadí.

Převod dotazu SQL na KQL

Pokud chcete získat ekvivalentní KQL pro příkaz T-SQL SELECT, přidejte před dotaz klíčové slovo explain . Výstup zobrazuje verzi dotazu KQL, kterou můžete zkopírovat a spustit v editoru dotazů KQL.

  • Zadejte následující dotaz. Pak stisknutím kombinace kláves Shift + Enter spusťte dotaz.

    explain
    SELECT top(10) *
    FROM AggregatedData
    ORDER BY No_Bikes DESC
    

Tento dotaz vrátí ekvivalent KQL zadaného dotazu T-SQL. Dotaz KQL se zobrazí v podokně výstupu. Zkuste zkopírovat a vložit výstup a pak spusťte dotaz. Tento dotaz nemusí být napsaný v optimalizovaném jazyce KQL.

Použití Copilotu k vygenerování dotazu KQL

Pokud s psaním KQL začínáte, můžete položit otázku v přirozeném jazyce a Copilot za vás vygeneruje dotaz KQL.

  1. V řádku nabídek vyberte Queryset.

  2. V sadě dotazů KQL vyberte ikonu Copilot z panelu nabídek.

    Snímek obrazovky znázorňující, jak se dostat ke správnému copilotu.

  3. Zadejte otázku v přirozeném jazyce. Například "Která stanice má právě teď nejvíce kol. Použijte materializované zobrazení pro nejaktuálnější data. Může vám pomoct zahrnout do otázky název materializovaného zobrazení.

    Copilot navrhne dotaz na základě vaší otázky.

  4. Výběrem tlačítka Vložit přidejte dotaz do editoru KQL.

    Snímek obrazovky s dialogovým oknem Copilot zobrazující vygenerovaný dotaz KQL a tlačítko Vložit

  5. Výběrem Spustit spustíte dotaz.

Položte následné otázky nebo změňte rozsah dotazu. Pomocí této funkce se naučíte KQL a rychle vygenerujete dotazy.

Další informace o úkolech v tomto kurzu najdete tady:

Další krok