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.
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

  • تحلیل روند - series_decompose Trend Analysis - series_decompose

  • تشخیص/پیش بینی ناهنجاری Anomaly Detection / Forecasting

  • سایر توابع در خانواده سری Other Functions in the Series Family

KQL و یادگیری ماشینی KQL and Machine Learning

  • تجزیه و تحلیل سبد Basket Analysis

  • خوشه بندی Clustering

  • كاهش دادن Reduce

متفرقه Miscelleanous

  • تجزیه و تحلیل جغرافیایی با استفاده از KQL Geospatial Analysis using KQL

  • دسترسی به Azure Data Explorer از Microsoft Excel و Power BI Accessing Azure Data Explorer from Microsoft Excel and Power BI

  • ردیف_رتبه Row_Rank

  • Row_CumSum Row_CumSum

  • محور Pivot

  • Sequence_Detect Sequence_Detect

  • محدود، تنگ Narrow

  • پنجره کشویی Sliding_Window

به روز رسانی Azure Data Explorer و KQL Azure Data Explorer and KQL Updates

  • سپتامبر 2022 - توابع جدید KQL September 2022 - New KQL Functions

  • آگوست 2022 - بهبودهای Azure Data Explorer August 2022 - Azure Data Explorer Enhancements

دانشتان را امتحان کنید Test Your Knowledge

  • دانشتان را امتحان کنید Test Your Knowledge

جایزه Bonus

  • جایزه Bonus

نمایش نظرات

نظری ارسال نشده است.

آموزش Kusto Query Language (KQL) - قسمت 2
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
5 hours
35
Udemy (یودمی) udemy-small
03 فروردین 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
372
4.5 از 5
دارد
دارد
دارد
Randy Minder

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Randy Minder Randy Minder

توسعه دهنده پیشرو هوش تجاری/Power BI/Snowflake

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.