Fråga efter kalla data med heta fönster

Med frekventa fönster kan du effektivt köra frågor mot kalla data utan att behöva exportera data eller använda andra verktyg. Använd frekventa fönster när den kalla datastorleken är stor och relevanta data är från när som helst tidigare. Frekventa fönster definieras i cacheprincipen.

Eventhouse i Fabric Real-Time-intelligens lagrar sina data i tillförlitlig långsiktig lagring och cachelagrar en del av dessa data på klusternoderna. Cacheprincipen styr vilka data som cachelagras. Cachelagrade data anses vara frekventa, medan resten av data anses vara kalla.

För att köra frågor mot kalla data bearbetar Eventhouse ett inläsningssteg som kräver åtkomst till en lagringsnivå med mycket högre svarstid än den lokala disken. När frågan är begränsad till ett litet tidsfönster, som ofta kallas "punkt-i-tid"-frågor, är mängden data som ska hämtas vanligtvis liten och frågan slutförs snabbt. Till exempel faller kriminaltekniska analyser som kör frågor mot telemetri en viss dag under den här kategorin. Effekten på frågevaraktigheten beror på storleken på data som hämtas från lagringen och kan vara betydande. Om du skannar en stor mängd kalla data kan frågeprestanda dra nytta av att använda frekventa fönster.

Den här artikeln visar hur du använder heta fönster för att fråga efter kalla data.

Förutsättningar

• Åtkomst till en arbetsyta i infrastrukturkapacitetslicensläget (eller) utvärderingslicensläget med deltagare eller högre behörigheter.
• Skapa ett eventhouse och en Kusto Query Language-databas (KQL).
• Mata in data i klustret med någon av metoderna som beskrivs i Hämta data till ett händelsehus.

Ange frekventa fönster

Frekventa fönster ingår i syntaxen för cacheprincipkommandon och anges med .alter policy caching kommandot .

Anmärkning

Det kan ta upp till en timme att helt uppdatera klusterdiskcachen baserat på den uppdaterade definitionen för cacheprincip.

1. Anteckna den första cachelagringsprincipen med hjälp .show policy caching av kommandot .

   .show table MyDatabase.MyTable policy caching 
   

2. Ändra cacheprincipen med hjälp av följande syntax. Flera heta fönster kan definieras för en enskild databas eller tabell.

   .alter <entity_type> <database_or_table_or_materialized-view_name> policy caching 
         hot = <timespan> 
         [, hot_window = datetime(*from*) .. datetime(*to*)] 
         [, hot_window = datetime(*from*) .. datetime(*to*)] 
         ...
   

   Where:

   • from: Starttid för det frekventa fönstret (datetime)
   • to: Sluttid för det heta fönstret (datetime)

   Frågor som körs under följande inställningar undersöker till exempel de senaste 14 dagarnas data, på data som sparas i tre år.

   .alter table MyTable policy caching 
           hot = 14d,
           hot_window = datetime(2021-01-01) .. datetime(2021-02-01),
           hot_window = datetime(2021-04-01) .. datetime(2021-05-01)
   

Kör fråga

Kör den fråga eller de frågor som du vill använda under den tidsperiod som anges i de heta fönstren.

Återställ inställningar

1. Använd de ursprungliga cacheinställningarna som hämtades ovan i Ange frekventa fönster.
2. Återställ cacheprincipen till de ursprungliga inställningarna med .alter policy caching kommandot .

Eftersom du har konfigurerat optimerad autoskalning för klustret krymper klustret till sin ursprungliga storlek.

Relaterat innehåll

• Cacheprincip (frekvent och kall cache)