Debuggen von Kusto-Abfragesprache Inline-Python mit Visual Studio Code

Gilt für: ✅Microsoft Fabric✅Azure Data Explorer

Sie können Python-Code mithilfe des Python()-Plug-Ins in Kusto-Abfragesprache Abfragen einbetten. Die Runtime des Plugins wird in einer Sandbox gehostet. Dabei handelt es sich um eine isolierte und sichere Python-Umgebung. Die Python()-Plug-In-Funktion erweitert Kusto-Abfragesprache native Funktionen mit dem riesigen Archiv von OSS Python-Paketen. Mithilfe dieser Erweiterung können Sie erweiterte Algorithmen im Rahmen der Abfrage ausführen, z. B. Maschinelles Lernen, Künstliche Intelligenz, Statistiken und Zeitreihen.

Kusto-Abfragesprache Tools eignen sich nicht für die Entwicklung und das Debuggen von Python-Algorithmen. Entwickeln Sie daher den Algorithmus in Ihrer bevorzugten Python-integrierten Entwicklungsumgebung wie Jupyter, PyCharm, Visual Studio oder Visual Studio Code. Sobald der Algorithmus fertig gestellt ist, kopieren Sie Ihn in KQL. Um diesen Workflow zu verbessern und zu optimieren, können Kusto Explorer- oder Web-UI-Clients in Visual Studio Code zum Erstellen und Debuggen von KQL-Inline-Python-Code integriert werden.

Voraussetzungen

Aktivieren des Python-Debuggings in Visual Studio Code

Wie funktioniert das Inline-Python-Debuggen in Visual Studio Code?

1. Die Abfrage wird analysiert und auf dem Server ausgeführt, bis die erforderliche | evaluate python()-Klausel erreicht wird.
2. Die Python-Sandbox wird aufgerufen, anstatt den Code auszuführen, werden jedoch die Eingabetabelle, das Parameterverzeichnis und der Code serialisiert und an den Client zurückgesendet.
3. Diese drei Objekte werden in den drei Dateien df.txt, kargs.txt und debug_python.py im ausgewählten Verzeichnis (Webbenutzeroberfläche) oder im Verzeichnis „%TEMP%“ des Clients (Kusto-Explorer) gespeichert.
4. Visual Studio Code wird gestartet, vorinstalliert mit der debug_python.py Datei, die einen Präfixcode enthält, um df und kargs aus ihren jeweiligen Dateien zu initialisieren, gefolgt von dem Python-Skript, das in die KQL-Abfrage eingebettet ist.

Abfragebeispiel

1. Führen Sie die folgende KQL-Abfrage in Ihrer Clientanwendung aus:

   range x from 1 to 4 step 1
   | evaluate python(typeof(*, x4:int), 
   'exp = kargs["exp"]\n'
   'result = df\n'
   'result["x4"] = df["x"].pow(exp)\n'
   , bag_pack('exp', 4))
   

   Daraus resultiert die folgende Tabelle:

   x	x4
   1	1
   2	16
   3	81
   4	256

2. Führen Sie dieselbe KQL-Abfrage mit set query_python_debug; in Ihrer Clientanwendung aus:

   set query_python_debug;
   range x from 1 to 4 step 1
   | evaluate python(typeof(*, x4:int), 
   'exp = kargs["exp"]\n'
   'result = df\n'
   'result["x4"] = df["x"].pow(exp)\n'
   , bag_pack('exp', 4))
   

3. Visual Studio Code wird gestartet:

   

4. Visual Studio Code Debugs and prints 'result' dataframe in the debug console: