Vad är Azure Data Explorer?
Azure Data Explorer är en fullständigt hanterad plattform för stordataanalys med höga prestanda som gör det enkelt att analysera stora mängder data nästan i realtid. Med Azure Data Explorer-verktygslådan får du en lösning från slutet för datainmatning, frågor, visualisering och hantering.
Genom att analysera strukturerade, halvstrukturerade och ostrukturerade data över tidsserier och med hjälp av Machine Learning gör Azure Data Explorer det enkelt att extrahera viktiga insikter, upptäcka mönster och trender samt skapa prognosmodeller. Azure Data Explorer är skalbar, säker, robust och företagsklar och är användbar för logganalys, tidsserieanalys, IoT och undersökande analys för generell användning.
Azure Data Explorer funktioner utökas av andra tjänster som bygger på dess kraftfulla frågespråk, inklusive Azure Monitor-loggar, Application Insights,Time Series Insightsoch Microsoft Defender för slutpunkt.
Använd följande beslutsträd för att avgöra om Azure Data Explorer är rätt för dig:
Vad gör Azure Data Explorer unikt?
Datahastighet, variation och volym
Med Azure Data Explorer kan du mata in flera terabyte data i minuter i batch- eller strömningsläge. Du kan köra frågor mot petabyte med data, med resultat som returneras inom millisekunder till sekunder. Azure Data Explorer ger hög hastighet (miljontals händelser per sekund), låg latens (sekunder) och linjär skalningsinmatning av rådata. Mata in dina data i olika format och strukturer, som flödar från olika pipelines och källor.
Användarvänligt frågespråk
Fråga Azure-datautforskaren med Kusto Query Language (KQL),ett språk med öppen källkod som ursprungligen uppfunnits av teamet. Språket är enkelt att förstå och lära sig och mycket produktivt. Du kan använda enkla operatorer och avancerad analys.
Avancerad analys
Använd Azure Data Explorer för tidsserieanalys med en stor uppsättning funktioner, inklusive: lägga till och subtrahera tidsserier, filtrering, regression, identifiering av säsongsvariationer, geospatial analys, avvikelseidentifiering, genomsökning och prognostitet. Tidsseriefunktioner är optimerade för bearbetning av tusentals tidsserier i sekunder. Mönsteridentifiering är enkelt med kluster-plugin-program som kan diagnostisera avvikelser och göra rotorsaksanalys. Du kan också utöka Azure Data Explorer genom att bädda in Python-kod i KQL-frågor.
Lättanvänd guide
Inmatningsguiden gör datainmatningsprocessen enkel, snabb och intuitiv. Webbgränssnittet ger en intuitiv och guidad upplevelse som hjälper dig att snabbt komma igång med att mata in data, skapa databastabeller och mappningsstrukturer. Det möjliggör en eller flera inmatningar från olika källor och i olika dataformat. Tabellmappningar och scheman föreslås automatiskt och är enkla att ändra.
Flexibel datavisualisering
Datavisualisering hjälper dig att få viktiga insikter. Azure Data Explorer har inbyggd visualisering och instrumentpaneler, med stöd för olika diagram och visualiseringar. Den har inbyggd integrering med Power BI,interna anslutningsappar för Grafana,Kibana och Databricks, ODBC-stöd för Tableau,Sisense,Qlik med mera.
Automatisk inmatning, bearbetning och export
Azure Data Explorer har stöd för lagrade funktioner på serversidan, kontinuerlig inmatning och kontinuerlig export till Azure Data Lake Store. Det stöder också tidsmappning av inmatningsomvandlar på serversidan, uppdateringsprinciper och förbecomputerade schemalagda aggregeringar med materialiserade vyer.
Azure Data Explorer-flödet
I följande diagram visas de olika aspekterna av arbetet med Azure Data Explorer.
När du interagerar med Azure Data Explorer i allmänhet går du igenom följande arbetsflöde:
Anteckning
Du kan komma åt Azure Data Explorer resurser antingen i webbgränssnittet eller med hjälp av -SDK:er.
Skapa databas: Skapa ett kluster och skapa sedan en eller flera databaser i klustret. Varje Azure Data Explorer kan innehålla upp till 10 000 databaser och varje databas upp till 10 000 tabeller. Data i varje tabell lagras i datashards som även kallas "omfattningar". Alla data indexeras och partitioneras automatiskt baserat på inmatningstiden. Det innebär att du kan lagra många olika data och på grund av hur de lagras får du snabb åtkomst till att köra frågor mot dem. Snabbstart: Skapa ett Azure Data Explorer-kluster och en databas
Mata in data: Läs in data i databastabeller så att du kan köra frågor mot dem. Azure Data Explorer stöder flera inmatningsmetoder, var och en med sina egna målscenarier. Dessa metoder omfattar inmatningsverktyg, anslutningsappar och plugin-program för olika tjänster, hanterade pipelines, programmatisk inmatning med HJÄLP av SDK:er och direkt åtkomst till inmatning. Kom igång med inmatning med ett klick.
Frågedatabas: Azure Data Explorer använder Kusto Query Language, som är ett uttrycksfullt, intuitivt och mycket produktivt frågespråk. Den erbjuder en smidig övergång från enkla enkelblad till komplexa databearbetningsskript och stöder frågor om strukturerade, halvstrukturerade och ostrukturerade data (textsökning). Det finns en mängd olika operatoreroch funktioner för frågespråk ( aggregering, filtrering, tidsseriefunktioner, geospatialafunktioner,kopplingar, unioneroch mer) på språket. KQL stöder frågor mellan kluster och databaser och är funktionsrik ur ett parsningsperspektiv(json, XML med mera). Språket har också inbyggt stöd för avancerad analys.
Använd webbappen för att köra, granska och dela frågor och resultat. Du kan också skicka frågor programmatiskt (med hjälp av en SDK) eller till en REST API slutpunkt. Om du är bekant med SQL kan du komma igång med SQL kusto-lathunden. Snabbstart: Fråga efter data i Azure Data Explorer
Visualisera resultat: Använd olika visuella visningar av dina data i de inbyggda Azure Data Explorer Instrumentpaneler. Du kan också visa dina resultat med hjälp av anslutningsappar till några av de ledande visualiseringstjänsterna, till exempel Power BI och Grafana. Azure Data Explorer även stöd för ODBC- och JDBC-anslutningsverktyg som Tableau och Sisense.
Så här ger du feedback
Vi är glada över att höra din feedback Azure Data Explorer och Kusto Query Language på: