Creare ed eseguire un notebook con Kqlmagic

Articolo
10/18/2023

Kqlmagic è un comando che estende le funzionalità del kernel Python in notebook di Azure Data Studio. È possibile combinare Python e il linguaggio di query Kusto (KQL) per eseguire query e visualizzare i dati usando una libreria plotly avanzata integrata con render i comandi. Kqlmagic riunisce i vantaggi di notebook, analisi dei dati e funzionalità avanzate di Python nella stessa posizione. Le origini dati supportate con Kqlmagic includono Esplora dati di Azure, Application Insights e i log di Monitoraggio di Azure.

Questo articolo illustra come creare ed eseguire un notebook in Azure Data Studio usando l'estensione Kqlmagic per un cluster di Esplora dati di Azure, un log di Application Insights e i log di Monitoraggio di Azure.

Prerequisiti

Installare e configurare Kqlmagic in un notebook

I passaggi descritti in questa sezione vengono tutti eseguiti in un notebook di Azure Data Studio.

Creare un nuovo notebook e impostare Kernel su Python 3.
Potrebbe essere richiesto di aggiornare i pacchetti Python quando i pacchetti richiedono l'aggiornamento.

Installare Kqlmagic:

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

Verificare che sia installato:

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

Screenshot of the list.

Caricare Kqlmagic:
```
%reload_ext Kqlmagic
```
Nota

Se questo passaggio ha esito negativo, chiudere il file e riaprirlo.
È possibile verificare se Kqlmagic è stato caricato correttamente visualizzando la documentazione della Guida o controllando la versione.
```
%kql --help "help"
```
Nota

Se Samples@help richiede una password, è possibile lasciarla vuota e premere INVIO.

Per individuare la versione di Kqlmagic installata, eseguire il comando seguente.
```
%kql --version
```

Kqlmagic con un cluster di Esplora dati di Azure

Questa sezione illustra come eseguire un'analisi dei dati usando Kqlmagic con un cluster di Esplora dati di Azure.

Caricare ed autenticare Kqlmagic per Azure Esplora dati

Nota

Ogni volta che si crea un nuovo notebook in Azure Data Studio è necessario caricare l'estensione Kqlmagic.

Verificare che Kernel sia impostato su Python3.
Caricare Kqlmagic:
```
%reload_ext Kqlmagic
```
Connettersi al cluster ed eseguire l'autenticazione:
```
%kql azureDataExplorer://code;cluster='help';database='Samples'
```
Nota

Se si usa il proprio cluster ADX, è necessario includere l'area nella stringa di connessione, come indicato di seguito:

%kql azuredataexplorer://code;cluster='mycluster.westus';database='mykustodb' Usare l'accesso al dispositivo per l'autenticazione. Copiare il codice dall'output e selezionare authenticate per aprire un browser in cui è necessario incollare il codice. Una volta eseguita l'autenticazione, è possibile tornare ad Azure Data Studio per continuare con il resto dello script.

Eseguire query e visualizzare dati per Esplora dati di Azure

Eseguire query sui dati usando l'operatore di rendering e visualizzare i dati usando la libreria plotly. La query e la visualizzazione forniscono un'esperienza integrata che fa uso di KQL (linguaggio di query Kusto) nativo.

Analizzare i primi 10 eventi tempesta (StormEvents) per stato e frequenza:
```
%kql StormEvents | summarize count() by State | sort by count_ | limit 10
```
Se si ha familiarità con il linguaggio di query Kusto (KQL), è possibile digitare la query dopo %kql.

Visualizzare un grafico della sequenza temporale:

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

Screenshot of a time chart.

Esempio di query su più righe con %%kql.

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

Screenshot of a multiline Query sample.

Kqlmagic con Application Insights

Caricare ed autenticare Kqlmagic per Application Insights

Verificare che Kernel sia impostato su Python3.
Caricare Kqlmagic:
```
%reload_ext Kqlmagic
```
Nota

Ogni volta che si crea un nuovo notebook in Azure Data Studio è necessario caricare l'estensione Kqlmagic.
Connettersi ed eseguire l'autenticazione.

Per prima cosa, è necessario generare una chiave API per la risorsa Application Insights. Usare quindi l'ID applicazione e la chiave API per connettersi ad Application Insights dal notebook:
```
%kql appinsights://appid='DEMO_APP';appkey='DEMO_KEY'
```

Eseguire query e visualizzare dati per Application Insights

Mostrare le visualizzazioni pagina:
```
%%kql
pageViews
| limit 10
```
Nota

Usare il mouse per trascinare su un'area del grafico per eseguire lo zoom avanti fino alla data o alle date specifiche.

Mostrare le visualizzazioni pagina in un grafico con sequenza temporale:

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

Screenshot of the timeline chart.

Kqlmagic con i log di Monitoraggio di Azure

Caricare ed autenticare Kqlmagic per i log di Monitoraggio di Azure

Verificare che Kernel sia impostato su Python3.
Caricare Kqlmagic:
```
%reload_ext Kqlmagic
```
Nota

Ogni volta che si crea un nuovo notebook in Azure Data Studio è necessario caricare l'estensione Kqlmagic.

Connettersi ed eseguire l'autenticazione:

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

Screenshot of the log analytics authentication.

Eseguire query e visualizzare dati per i log di Monitoraggio di Azure

Visualizzare un grafico con sequenza temporale:

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

Screenshot showing the Log Analytics Daily Kubernetes Nodes timechart.

Passaggi successivi

Altre informazioni sui notebook e Kqlmagic:

Estensione Kusto (KQL) per Azure Data Studio (anteprima)
Creare ed eseguire un notebook Kusto (KQL) (anteprima)
Usare Jupyter Notebook e l'estensione Kqlmagic per analizzare i dati in Esplora dati di Azure
Estensione (Magic) a Jupyter Notebook e al lab jupyter che consentono l'esperienza dei notebook che funzionano con i dati di Kusto Application Insights e LogAnalytics.
Kqlmagic
Come usare i notebook in Azure Data Studio