آموزش Kusto Query Language (KQL) - قسمت 1
Kusto Query Language (KQL) - Part 1
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
به همان اندازه که ADX عالی است، این دوره بیشتر حول محور KQL (زبان پرس و جو Kusto) متمرکز است. KQL زبان پرس و جو برای مدیریت تمام داده های گزارش و تله متری ذخیره شده در ADX است. حتی اگر مستقیماً از ADX استفاده نکنید، همچنان از KQL برای نظارت، تجزیه و تحلیل گزارش‌ها، مدیریت دارایی‌ها، کاوش داده‌های امنیتی و کاوش داده‌های Application Insights استفاده خواهید کرد. KQL زبان پرس و جو فقط خواندنی ADX است که شباهت های زیادی با SQL دارد، مانند کار با جداول، ستون ها و ارائه عملکرد برای فیلتر کردن. KQL از زیرمجموعه ای از SQL پشتیبانی می کند و عبارات SQL را می توان با استفاده از کلمه کلیدی EXPLAIN اجرا و به KQL تبدیل کرد و منحنی یادگیری را برای مهندسین با پس زمینه SQL کاهش داد.
این قسمت 1 از یک سری دو قسمتی است که ADX (کمی) و زبان KQL (بیشتر) را پوشش می دهد. هدف این دوره پوشش اصولی است. در پایان این دوره پنج ساعته، درک کاملی از آنچه KQL می تواند انجام دهد خواهید داشت. و می تواند کارهای زیادی انجام دهد! از برخی جهات من آن را بهتر از T-SQL که بیش از 20 سال است از آن استفاده کرده ام، دوست دارم.
قسمت 2 این دوره فراتر از اصول اولیه است و بسیاری از موضوعات و سناریوهای پیشرفته KQL (و برخی دیگر از ADX) را پوشش خواهد داد.
معرفی Introduction
-
معرفی Introduction
-
قبل از خرید این دوره Before You Purchase This Course!
Azure Data Explorer/ADX/Kusto Azure Data Explorer / ADX / Kusto
-
بررسی اجمالی Overview
-
ایجاد یک خوشه Azure Data Explorer Creating an Azure Data Explorer Cluster
-
رابط کاربری وب Azure Data Explorer Azure Data Explorer Web UI
زبان پرس و جو Kusto Kusto Query Language
-
مجموعه داده Contoso Contoso Dataset
-
Kusto Query Language (KQL) چیست؟ What is Kusto Query Language (KQL)?
-
آیا ترجیح می دهید از T-SQL استفاده کنید؟ Would You Rather Use T-SQL?
رایج ترین اپراتورها و عملکردهایی که استفاده خواهید کرد The Most Common Operators and Functions You Will Use
-
شروع شدن Getting Started
-
پروژه/گسترش/گرفتن Project / Extend / Take
-
کجا/پیش Where / Ago
-
جستجو کردن Search
-
متمایز Distinct
-
خلاصه/Bin Summarize / Bin
-
تجزیه Parse
-
سفارش توسط Order By
-
تاریخ/بازه های زمانی Datetime / Timespans
-
Datetime_Part/Datetime_Diff/Datetime_Add Datetime_Part / Datetime_Diff / Datetime_Add
-
Format_Datetime/Format_Timespan Format_Datetime / Format_Timespan
-
شروع/پایان/بین StartOf / EndOf / Between
-
IIF/Case/Split IIF / Case / Split
-
عملگرهای رشته ای String Operators
-
Strcat Strcat
-
ToDynamic/Parse_Json ToDynamic / Parse_Json
-
Getschema Getschema
جمع آوری داده ها - رایج ترین توابع Aggregating Data - Most Common Functions
-
Count و DCount Count and DCount
-
Arg_max و Arg_min Arg_max and Arg_min
-
Make_set/Make_list/Mv-expand Make_set / Make_list / Mv-expand
-
صدک ها Percentiles
-
محور Pivot
-
بالا تو در تو Top-Nested
-
هر/Take_any Any / Take_any
-
بسته شدن Wrap Up
اظهارات متفرقه، اپراتورها و توابع Miscellaneous Statements, Operators and Functions
-
اجازه دهید Let
-
پیوستن Join
-
اتحاد. اتصال Union
-
جدول داده Datatable
-
قبلی و بعدی Prev and Next
-
برترین ها Top-hitters
-
نمونه Sample
-
ارائه دادن Render
صادرات داده ها Exporting Data
-
صادرات به Excel/CSV و Power BI Exporting to Excel / CSV and Power BI
دانشتان را امتحان کنید Test Your Knowledge
-
دانشتان را امتحان کنید Test Your Knowledge
بخش پاداش Bonus Section
-
جایزه Bonus
https://donyad.com/d/9d6675
Randy Minder
توسعه دهنده پیشرو هوش تجاری/Power BI/Snowflake
نمایش نظرات