لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش Kusto Query Language (KQL) - قسمت 2
Kusto Query Language (KQL) - Part 2
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
شیرجه عمیق تر به Azure Data Explorer (ADX) و Kusto Query Language (KQL) شیرجه عمیق تر به Azure Data Explorer در قسمت 1 این سری پوشش بیشتر از زبان شگفت انگیز Kusto Query (KQL) تجسم داده ها با استفاده از داشبورد با Azure Data Explorer رندر کردن داده ها با Azure Data Explorer و KQL ورود داده به Azure Data Explorer تجزیه و تحلیل سری زمانی با KQL Trend Analysis با KQL Anomaly Detection and Forecasting with KQL Machine Learning with KQL and more... پیش نیازها:بدون نیاز به دانش Azure. برخی از دانش SQL مفید خواهد بود. برای استفاده از سایت نمایشی Log Analytics به یک حساب مایکروسافت نیاز است. هیچ هزینه ای در بر ندارد.
همانطور که در توضیحات دوره برای قسمت 1 ذکر شد، احتمال زیادی وجود دارد که قبلاً بدون اطلاع از Azure Data Explorer (ADX) تا حدی استفاده کرده باشید. اگر از Azure Security Center، Azure Sentinel، Application Insights، Resource Graph Explorer یا تشخیص عیب در منابع Azure خود استفاده کرده اید، پس از ADX استفاده کرده اید. همه این خدمات به Log Analytics متکی هستند که بر روی ADX ساخته شده است و با استفاده از KQL پرس و جو می شود.
مانند بسیاری از ابزارها و محصولات دیگر، ADX توسط گروه کوچکی از مهندسان در اسرائیل در حدود سال 2015 راه اندازی شد. آنها باید مشکلی را حل می کردند. گروهی از توسعه دهندگان تیم Power BI مایکروسافت به یک راه حل کلان داده با کارایی بالا برای دریافت و تجزیه و تحلیل داده های گزارش و تله متری خود نیاز داشتند. بنابراین، البته، آنها خود را ساختند، زیرا نتوانستند سرویسی را پیدا کنند که تمام نیازهای آنها را برآورده کند. این منجر به Azure Data Explorer شد که با نام Kusto نیز شناخته میشود.
بنابراین، ADX چیست؟ این یک سرویس کلان داده ذخیرهسازی ستونی کاملاً مدیریتشده و پیوستشده است که قادر به مقیاسبندی الاستیک و به معنای واقعی کلمه صدها میلیارد ردیف در روز است. ADX پیشنهاد می کند:
بلع با تاخیر کم و پوسته پوسته شدن الاستیک
امنیت
مقرون به صرفه (پرداخت به میزان مصرف)
در دسترس بودن بالا
تحلیل سری زمانی
عملکرد جستجوی فوق سریع از طریق KQL
راه حل های سفارشی سازی شده
قسمت 2 از این سری از دورههای Azure Data Explorer و KQL عمیقتر به ADX میپردازد و موارد استفاده بیشتری را برای زبان پرس و جو Kusto پوشش میدهد. هر چه عمیقتر به KQL وارد شوید، بیشتر متوجه میشوید که چه زبان جستجوی شگفتانگیزی است. و، احتمالاً شروع به تعجب خواهید کرد که چرا SQL بسیاری از ویژگیهایی را که در قسمت 1 پوشش دادیم و در قسمت 2 پوشش خواهیم داد، پیادهسازی نمیکند.
آیا قسمت 3 وجود خواهد داشت؟ به شما بستگی دارد. به ما بگویید چه چیزی را میخواهید ببینید که هنوز به آن پرداختهایم.
سرفصل ها و درس ها
معرفی
Introduction
معرفی
Introduction
Kusto Explorer
Kusto Explorer
Azure Data Explorer
Azure Data Explorer
بررسی اجمالی
Overview
رابط کاربری وب Azure Data Explorer
Azure Data Explorer Web UI
کمی بیشتر در مورد معماری
A Little More About Architecture
تجسم داده ها - داشبوردها قسمت 1
Visualizing Data - Dashboards Part 1
تجسم داده ها - داشبوردها قسمت 2
Visualizing Data - Dashboards Part 2
تجسم داده ها - داشبوردها قسمت 3
Visualizing Data - Dashboards Part 3
ارائه داده ها
Rendering Data
بلع داده ها
Ingesting Data
دستورات مدیریت KQL
KQL Management Commands
KQL و تجزیه و تحلیل سری زمانی
KQL and Time Series Analysis
معرفی
Introduction
اپراتور سری Make-Series
Make-Series Operator
محاسبه میانگین متحرک با series_fir()
Calculating a Moving Average with series_fir()
series_fir - کمی بیشتر
series_fir - A Bit More
تحلیل روند - رگرسیون خطی - قسمت 1
Trend Analysis - Linear Regression - Part 1
تحلیل روند - رگرسیون خطی - قسمت 2
Trend Analysis - Linear Regression - Part 2
نمایش نظرات