Depurar a Linguagem de Consultas Kusto em Python inline usando Visual Studio Code

Alterne entre serviços usando a lista suspensa Version. Saiba mais sobre navegação.
Aplica-se a: ✅ Microsoft Fabric ✅ Azure Data Explorer

Pode incorporar código Python em consultas da Kusto Query Language usando o plugin python(). O runtime do plugin aloja num sandbox, um ambiente Python isolado e seguro. A capacidade do plugin python() estende as funcionalidades nativas da Kusto Query Language com o enorme arquivo de pacotes OSS Python. Essa extensão permite executar algoritmos avançados, como aprendizado de máquina, inteligência artificial, estatística e séries temporais como parte da consulta.

As ferramentas Kusto Query Language não são convenientes para desenvolver e depurar algoritmos Python. Portanto, desenvolva o algoritmo em seu ambiente de desenvolvimento favorito integrado ao Python, como Jupyter, PyCharm, Visual Studio ou Visual Studio Code. Quando o algoritmo estiver completo, copie e cole no KQL. Para melhorar e simplificar esse fluxo de trabalho, os clientes Kusto Explorer ou Web UI podem se integrar ao Visual Studio Code para criar e depurar código Python inline KQL.

Observação

Esse fluxo de trabalho só pode ser usado para depurar tabelas de entrada relativamente pequenas (até alguns MB). Por isso, pode ser necessário limitar a entrada para depuração. Se precisares de processar uma tabela grande, limita-a para depuração usando | take, | sample, ou where rand() < 0.x.

Pré-requisitos

• Um espaço de trabalho com uma capacidade ativada por Microsoft Fabric.
• Uma base de dados. Crie um banco de dados KQL.
• Instale Python Anaconda Distribution. Em Opções avançadas, selecione Adicionar Anaconda à minha variável de ambiente PATH.
• Instalar o Visual Studio Code.
• Instale a extensão Python para Visual Studio Code.
• Habilite o plug-in Python.

Habilitar depuração Python no Visual Studio Code

1. Em seu aplicativo cliente, prefixe uma consulta contendo Python embutido com set query_python_debug;

2. Executar a consulta.

   • Kusto Explorer: Visual Studio Code é iniciado automaticamente com o script debug_python.py .
   • Conjunto de consultas KQL:
     1. Transfira e guarde debug_python.py, df.txte kargs.txt. Na janela, selecione Permitir. Salve os arquivos no diretório selecionado.
     2. Clique com o botão direito do mouse em debug_python.py e abra com o Visual Studio Code. O script debug_python.py contém o código Python embutido, da consulta KQL, prefixado pelo código do modelo para inicializar o dataframe de entrada do df.txt e o dicionário de parâmetros do kargs.txt.

3. No Visual Studio Code, inicie o depurador de código do Visual Studio: Run>Start Debugging (F5), selecione Configuração do Python . O depurador é iniciado e define automaticamente um ponto de interrupção para depurar o código embutido.

Como funciona a depuração embutida do Python no Visual Studio Code?

1. A consulta é analisada e executada no servidor até que a cláusula necessária | evaluate python() seja atingida.
2. A sandbox Python é invocada, mas em vez de executar o código, serializa a tabela de entrada, o dicionário de parâmetros e o código e os envia de volta para o cliente.
3. Esses três objetos são salvos em três arquivos: df.txt, kargs.txte debug_python.py no diretório selecionado (Web UI) ou no diretório %TEMP% cliente (Kusto Explorer).
4. O Visual Studio Code é iniciado, pré-carregado com o arquivo debug_python.py que contém um código de prefixo para inicializar df e kargs de seus respetivos arquivos, seguido pelo script Python incorporado na consulta KQL.

Exemplo de consulta

1. Execute a seguinte consulta KQL em seu aplicativo cliente:

   range x from 1 to 4 step 1
   | evaluate python(typeof(*, x4:int), 
   'exp = kargs["exp"]\n'
   'result = df\n'
   'result["x4"] = df["x"].pow(exp)\n'
   , bag_pack('exp', 4))
   

   Veja a tabela resultante:

   x	x4
   1	1
   2	16
   3	81
   4	256

2. Execute a mesma consulta KQL em seu aplicativo cliente usando set query_python_debug;:

   set query_python_debug;
   range x from 1 to 4 step 1
   | evaluate python(typeof(*, x4:int), 
   'exp = kargs["exp"]\n'
   'result = df\n'
   'result["x4"] = df["x"].pow(exp)\n'
   , bag_pack('exp', 4))
   

3. O Visual Studio Code é iniciado:

   

4. O Visual Studio Code depura e imprime o dataframe 'result' no console de depuração:

   

Observação

Pode haver diferenças entre a imagem de sandbox do Python e sua instalação local. Verifique a imagem da sandbox para pacotes específicos consultando o plugin.

Observação

Caso haja erros ao iniciar a sessão de depuração do Visual Studio Code, tente definir o perfil de terminal padrão para o prompt de comando:

• Pressione CTRL + SHIFT + P para abrir a Paleta de comandos.
• Pesquise por "Terminal: Selecionar Perfil Padrão" e selecione "Prompt de Comando"