Vad är Azure Data Explorer?

Azure Data Explorer är en fullständigt hanterad stordataanalysplattform med höga prestanda som gör det enkelt att analysera stora mängder data nästan i realtid. Med verktygslådan Azure Data Explorer får du en lösning från slutpunkt till slutpunkt för datainmatning, frågor, visualisering och hantering.

Genom att analysera strukturerade, halvstrukturerade och ostrukturerade data i tidsserier och med hjälp av maskininlärning gör Azure Data Explorer det enkelt att extrahera viktiga insikter, upptäcka mönster och trender och skapa prognosmodeller. Azure Data Explorer använder en traditionell relationsmodell som organiserar data i tabeller med starkt skrivna scheman. Tabeller lagras i databaser och ett kluster kan hantera flera databaser. Azure Data Explorer är skalbar, säker, robust och företagsklar. Det är användbart för logganalys, tidsserieanalys, IoT och generell undersökande analys.

Andra tjänster som bygger på frågespråket Kusto Query Language (KQL) utökar Azure Data Explorer funktioner. Dessa tjänster inkluderar Azure Monitor Logs, Application Insights och Microsoft Defender för Endpoint.

När ska du använda Azure Data Explorer?

Använd följande frågor för att avgöra om Azure Data Explorer är rätt för ditt användningsfall:

• Interaktiv analys: Är interaktiv analys en del av lösningen? Till exempel aggregering, korrelation eller avvikelseidentifiering.
• Variation, hastighet, volym: Är schemat olika? Behöver du mata in enorma mängder data i nära realtid?
• Dataorganisation: Vill du analysera rådata? Till exempel data som inte är ett fullständigt kuraterat star-schema.
• Frågekonkurrens: Kommer flera användare eller processer att använda Azure Data Explorer?
• Skapa jämfört med köp: Planerar du att anpassa din dataplattform?

Azure Data Explorer är perfekt för att aktivera interaktiva analysfunktioner över snabba och varierande rådata. Använd följande beslutsträd för att avgöra om Azure Data Explorer passar dig:

Vad gör Azure Data Explorer unikt?

Datahastighet, variation och volym

Med Azure Data Explorer kan du mata in terabyte data på några minuter via köad inmatning eller strömmande inmatning. Du kan fråga petabyte med data, med resultat som returneras inom millisekunder till sekunder. Azure Data Explorer ger hög hastighet (miljontals händelser per sekund), låg svarstid (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 Data Explorer med hjälp av Kusto Query Language (KQL), ett språk med öppen källkod som Azure Data Explorer-teamet skapade. Språket är enkelt att förstå och lära sig, och mycket produktivt. Du kan använda enkla operatorer och avancerad analys. Azure Data Explorer stöder även T-SQL.

Avancerad analys

Använd Azure Data Explorer för tidsserieanalys med en stor uppsättning funktioner, inklusive att lägga till och subtrahera tidsserier, filtrering, regression, säsongsidentifiering, geospatial analys, avvikelseidentifiering, genomsökning och prognostisering. Tidsseriefunktioner är optimerade för att bearbeta tusentals tidsserier i sekunder. Det är enkelt att upptäcka mönster med klusterpluginer som kan diagnostisera avvikelser och göra rotorsaksanalyser. Du kan också utöka Azure Data Explorer funktioner genom att bädda in Python kod i KQL-frågor.

Lättanvänd guide

Datahämtningen gör datainmatningsprocessen enkel, snabb och intuitiv. Webbgränssnittet för Azure Data Explorer ger en intuitiv och guidad upplevelse som hjälper dig att snabbt börja mata in data, skapa databastabeller och mappningsstrukturer. Det möjliggör engångsinmatning eller kontinuerlig inmatning från olika källor och i olika dataformat. Tabellmappningar och scheman föreslås automatiskt och är enkla att ändra.

Mångsidig datavisualisering

Datavisualisering hjälper dig att få viktiga insikter. Azure Data Explorer erbjuder inbyggd visualisering och instrumentpaneler direkt, med stöd för olika diagram och visualiseringar. Den har inbyggd integrering med Power BI, interna anslutningsappar för Grafana, Kibana och Databricks samt ODBC-stöd för Tableau, Sisense, Qlik med mera.

Automatisk inmatning, process och export

Azure Data Explorer stöder lagrade funktioner på serversidan, kontinuerlig inmatning och kontinuerlig export till Azure Data Lake Storage. Den stöder även inmatningstidsmappningstransformeringar på serversidan, uppdateringsprinciper och förberäknade schemalagda aggregeringar med materialiserade vyer.

Azure Data Explorer-flöde

Följande diagram visar de olika aspekterna av att arbeta med Azure Data Explorer.

När du interagerar med Azure Data Explorer följer du vanligtvis det här arbetsflödet:

1. Skapa en databas: Skapa ett kluster och skapa sedan en eller flera databaser i klustret. Varje Azure Data Explorer kluster kan innehålla upp till 10 000 databaser och varje databas kan innehålla upp till 10 000 tabeller. Data i varje tabell lagras i dataskärvor, även kallade extents. Alla data indexeras och partitioneras automatiskt baserat på inmatningstiden. Den här lagringsarkitekturen innebär att du kan lagra en stor mängd olika data och du får snabb åtkomst när du frågar efter dem. Snabbstart: Skapa ett Azure Data Explorer-kluster och en databas

2. Importera data: Läs in data i databastabeller så att du kan utföra frågor på dem. Azure Data Explorer har stöd för flera inmatningsmetoder, var och en med sina egna målscenarier. Dessa metoder omfattar inmatningsverktyg, anslutningsappar och plugin-program till olika tjänster, hanterade pipelines, programmatisk inmatning med SDK:er och direkt åtkomst till inmatning. Kom igång med att hämta data.

3. Fråga en databas: Azure Data Explorer använder Kusto Query Language, som är ett uttrycksfullt, intuitivt och mycket produktivt frågespråk. Den erbjuder en smidig övergång från enkla one-liners till komplexa databearbetningsskript och stöder frågor mot strukturerade, halvstrukturerade och ostrukturerade data (textsökning). Språket har en mängd olika frågeoperatorer och funktioner, inklusive sammansättning, filtrering, tidsseriefunktioner, geospatiala funktioner, kopplingar och fackföreningar. KQL har stöd för frågor mellan kluster och mellan databaser och är funktionsrika för att parsa format som JSON och XML. Språket har också inbyggt stöd för avancerad analys.

   Använd webbprogrammet för att köra, granska och dela frågor och resultat. Du kan också skicka frågor programmatiskt (med hjälp av ett SDK) eller till en REST API-slutpunkt. Om du är bekant med SQL, kan du komma igång med fusklappen för SQL till Kusto och Snabbstart: Fråga data i Azure Data Explorers webbgränssnitt.

4. Visualisera resultat: Använd olika visuella visningar av dina data i de interna Azure Data Explorer instrumentpanelerna. 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 har även stöd för ODBC- och JDBC-anslutningsprogram för verktyg som Tableau och Sisense.

Lämna feedback

Om du vill dela feedback om Azure Data Explorer och Kusto Query Language använder du följande resurser:

• Ställ frågor:
  • Stack Overflow
  • Microsoft Tech Community
• Skicka produktförslag på Azure feedbackforum

Relaterat innehåll

• Snabbstart: Skapa ett Azure Data Explorer-kluster och en databas
• Snabbstart: Mata in data från en händelsehubb i Azure Data Explorer
• Snabbstart: Fråga efter data i Azure Data Explorer
• Hitta en Azure Data Explorer-partner