Fabric-muistikirjojen käyttäminen KQL-tietokannan tietojen kanssa

Muistikirjat ovat sekä luettavissa olevia asiakirjoja, jotka sisältävät tietoanalyysin kuvauksia ja tuloksia sekä suoritettavia tiedostoja tietojen analysointia varten. Tässä artikkelissa kerrotaan, miten voit Fabric-muistikirjan avulla muodostaa yhteyden KQL-tietokannan tietoihin ja suorittaa kyselyitä käyttämällä alkuperäistä KQL (Kusto Query Language) -. Lisätietoja muistikirjoista on artikkelissa Microsoft Fabric -muistikirjojen käyttäminen.

On olemassa kaksi tapaa käyttää Fabric-muistikirjoja KQL-tietokannan tietojen kanssa:

• Käytä Kusto-katkelmia muistikirjassa
• Muistikirjan luominen KQL-tietokannan

Edellytykset

• työtila Microsoft Fabricia käyttävän kapasiteetin
• KQL-tietokanta, jolla on vähintään katseluoikeudet

Kusto-katkelmien käyttö muistikirjassa

Kangasmuistikirjat tarjoavat koodikatkelmia joiden avulla voit helposti kirjoittaa usein käytettyjä koodimalleja. Voit käyttää katkelmia tietojen kirjoittamiseen tai lukemiseen KQL-tietokannassa KQL:n avulla.

1. Siirry aiemmin luotuun muistikirjaan tai luo uusi muistikirja.

2. Ala kirjoittaa koodisoluun kusto.

   

3. Valitse katkelmia, jotka vastaavat toimintoa, jonka haluat suorittaa: Tietojen kirjoittaminen KQL-tietokannan tai Tietojen lukeminen KQL-tietokannan.

   Seuraavassa koodikatkelmassa näytetään esimerkki tietojen lukutoiminnosta:

   # Example of query for reading data from Kusto. Replace T with your <tablename>.
   kustoQuery = "['T'] | take 10"
   # The query URI for reading the data e.g. https://<>.kusto.data.microsoft.com.
   kustoUri = "https://<yourKQLdatabaseURI>.z0.kusto.data.microsoft.com"
   # The database with data to be read.
   database = "DocsDatabase"
   # The access credentials.
   accessToken = mssparkutils.credentials.getToken('kusto')
   kustoDf  = spark.read\
       .format("com.microsoft.kusto.spark.synapse.datasource")\
       .option("accessToken", accessToken)\
       .option("kustoCluster", kustoUri)\
       .option("kustoDatabase", database)\
       .option("kustoQuery", kustoQuery).load()
   
   # Example that uses the result data frame.
   kustoDf.show()
   

   Seuraavassa koodikatkelmassa on esimerkki tietojen kirjoittamisen toiminnosta:

   # The Kusto cluster uri to write the data. The query Uri is of the form https://<>.kusto.data.microsoft.com 
   kustoUri = ""
   # The database to write the data
   database = ""
   # The table to write the data 
   table    = ""
   # The access credentials for the write
   accessToken = mssparkutils.credentials.getToken('kusto')
   
   # Generate a range of 5 rows with Id's 5 to 9
   data = spark.range(5,10) 
   
   # Write data to a Kusto table
   data.write.\
   format("com.microsoft.kusto.spark.synapse.datasource").\
   option("kustoCluster",kustoUri).\
   option("kustoDatabase",database).\
   option("kustoTable", table).\
   option("accessToken", accessToken ).\
   option("tableCreateOptions", "CreateIfNotExist").mode("Append").save()
   

4. Anna tarvittavat tiedot kunkin kentän lainausmerkkeihin tietosolussa:

   Pelto	Kuvaus	Aiheeseen liittyvät linkit
   kustoQuery	Arvioitava KQL-kysely.	KQL:n yleiskatsaus
   KustoUri	KQL-tietokannan kyselyn URI-osoite.	KQL-tietokannan URI- kopioiminen
   tietokanta	KQL-tietokannan nimi.	Olemassa olevan KQL-tietokannan
   data	Taulukkoon kirjoitettavat tiedot.

5. Suorita koodisolu.

Muistikirjan luominen KQL-tietokannasta

Kun luot muistikirjan liittyvänä kohteena KQL-tietokannassa, muistikirjalle annetaan sama nimi kuin KQL-tietokannalle, ja se on täytetty etukäteen yhteystiimeillä.

1. Selaa KQL-tietokantaan.

2. Valitse Uusi liittyvä kohde>Notebook.

   

   Muistikirja luodaan, ja KustoUri-tietokannan tiedot on täytetty valmiiksi.

3. Anna kustoQuery -kentässä arvioitava KQL-kysely.

   

4. Suorita koodisolu.

Aiheeseen liittyvä sisältö

• KQL:n yleiskatsaus
• Microsoft Fabric -muistikirjojen käyttäminen