Créer et exécuter un notebook avec Kqlmagic

2025-04-18

Important

Azure Data Studio sera mis hors service le 28 février 2026. Nous vous recommandons d’utiliser Visual Studio Code. Pour plus d’informations sur la migration vers Visual Studio Code, visitez Qu’est-ce qui se passe dans Azure Data Studio ?

Kqlmagic est une commande qui étend les fonctionnalités du noyau Python dans les notebooks Azure Data Studio . Vous pouvez combiner Python et le langage de requête Kusto (KQL) pour interroger et visualiser des données à l’aide de la bibliothèque Plotly enrichie intégrée avec les commandes render. Kqlmagic vous permet de bénéficier des avantages des notebooks, de l’analyse des données et des fonctionnalités Python riches dans un seul et même endroit. Azure Data Explorer , Application Insights et les journaux Azure Monitor comptent parmi les sources de données prises en charge avec Kqlmagic.

Cet article explique comment créer et exécuter un notebook dans Azure Data Studio à l’aide de l’extension Kqlmagic pour un cluster Azure Data Explorer, un journal Application Insights et des journaux Azure Monitor.

Prérequis

Installer et configurer Kqlmagic dans un notebook

Les étapes de cette section s’exécutent toutes dans un notebook Azure Data Studio.

Créez un nouveau notebook et changez le Kernel pour Python 3.
Vous pouvez être invité à mettre à niveau vos packages Python quand vos packages doivent être mis à jour.

Installer Kqlmagic :

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

Vérifiez qu’il est installé :

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

Capture d'écran de la liste.

Charger Kqlmagic :
```
%reload_ext Kqlmagic
```
Remarque

Si cette étape échoue, fermez le fichier et rouvrez-le.
Vous pouvez tester si Kqlmagic est correctement chargé en parcourant la documentation d’aide ou en vérifiant la version.
```
%kql --help "help"
```
Remarque

Si Samples@help demande un mot de passe, vous pouvez laisser ce champ vide et appuyer sur Entrée.

Pour voir quelle version de Kqlmagic est installée, exécutez la commande ci-dessous.
```
%kql --version
```

Kqlmagic avec un cluster Azure Data Explorer

Cette section explique comment exécuter l’analyse des données à l’aide de Kqlmagic avec un cluster Azure Data Explorer.

Charger et authentifier Kqlmagic pour Azure Data Explorer

Remarque

Chaque fois que vous créez un notebook dans Azure Data Studio, vous devez charger l’extension Kqlmagic.

Vérifiez que le Noyau est défini sur Python3.
Charger Kqlmagic :
```
%reload_ext Kqlmagic
```
Connectez-vous au cluster et authentifiez-vous :
```
%kql azureDataExplorer://code;cluster='help';database='Samples'
```
Remarque

Si vous utilisez votre propre cluster ADX, vous devez préciser la région dans la chaîne de connexion :

%kql azuredataexplorer://code;cluster='mycluster.westus';database='mykustodb' Vous utilisez la connexion de l’appareil pour vous authentifier. Copiez le code à partir de la sortie et sélectionnez authentifier pour ouvrir un navigateur dans lequel vous devez coller le code. Une fois l’authentification terminée, vous pouvez revenir à Azure Data Studio pour continuer avec le reste du script.

Interroger et visualiser pour Azure Data Explorer

Interrogez les données à l'aide de l'opérateur de rendu et visualisez les données en utilisant la bibliothèque plotly. Cette requête et cette visualisation fournit une expérience intégrée qui utilise KQL natif.

Analysez les 10 premiers événements Storm par état et par fréquence :
```
%kql StormEvents | summarize count() by State | sort by count_ | limit 10
```
Si vous avez déjà utilisé le langage KQL (Kusto Query Language), vous pouvez taper la requête après %kql.

Visualisez un graphique chronologique :

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

Capture d’écran d’un graphique temporel.

Exemple de requête multiligne utilisant %%kql.

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

Capture d’écran d’un exemple de requête multiligne.

Kqlmagic avec Application Insights

Charger et authentifier Kqlmagic pour Application Insights

Vérifiez que le Noyau est défini sur Python3.
Charger Kqlmagic :
```
%reload_ext Kqlmagic
```
Remarque

Chaque fois que vous créez un notebook dans Azure Data Studio, vous devez charger l’extension Kqlmagic.
Procédez à la connexion et à l’authentification.

Tout d’abord, vous devez générer une clé API pour votre ressource Application Insights. Ensuite, utilisez l’ID d’application et la clé API pour vous connecter à Application Insights à partir du notebook :
```
%kql appinsights://appid='DEMO_APP';appkey='DEMO_KEY'
```

Interroger et visualiser pour Application Insights

Interrogez les données à l’aide de l’opérateur de rendu et visualisez les données à l’aide de la bibliothèque plotly. Cette requête et cette visualisation fournit une expérience intégrée qui utilise KQL natif.

Affichez les vues de page :
```
%%kql
pageViews
| limit 10
```
Remarque

Faites glisser la souris sur une zone du graphique pour zoomer sur une ou plusieurs dates spécifiques.

Affichez les vues de page dans un graphique chronologique :

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

Capture d’écran du graphique chronologique.

Kqlmagic avec les logs d'Azure Monitor

Charger et authentifier Kqlmagic pour les logs Azure Monitor

Vérifiez que Noyau est défini sur Python3.
Charger Kqlmagic :
```
%reload_ext Kqlmagic
```
Remarque

Chaque fois que vous créez un notebook dans Azure Data Studio, vous devez charger l’extension Kqlmagic.

Procédez à la connexion et à l’authentification :

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

Capture d’écran de l’authentification Log Analytics.

Interroger et visualiser pour les journaux Azure Monitor

Affichez un graphique chronologique :

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

Capture d’écran montrant le diagramme temporel des nœuds Kubernetes quotidiens dans

Étapes suivantes

Apprenez-en plus sur les notebooks et Kqlmagic :

Extension Kusto (KQL) pour Azure Data Studio (préversion)
Créer et exécuter un notebook Kusto (KQL) (Préversion)
Utiliser un notebook Jupyter et l’extension Kqlmagic pour analyser des données dans Azure Data Explorer
Extension (Magic) de Jupyter Notebook et de JupyterLab offrant une expérience de notebook fonctionnant avec des données Kusto, Application Insights et LogAnalytics.
Kqlmagic
Guide pratique pour utiliser des notebooks dans Azure Data Studio

Partager via