Introducción a tableros de datos personalizados en Azure Data Explorer

Azure Data Explorer (ADX) es un servicio de análisis de alto rendimiento totalmente gestionado optimizado para consultas especiales sobre grandes volúmenes de datos. Ingesta datos de una amplia variedad de fuentes y proporciona análisis casi en tiempo real utilizando el Kusto Query Language (KQL). Una de las capacidades más poderosas de ADX es la capacidad de crear paneles personalizados que dan a los interesados acceso inmediato a consultas de metrices clave,

Los paneles personalizados construidos en ADX pueden servir a equipos en una organización, desde el monitoreo de operaciones hasta el análisis de inteligencia empresarial y seguridad. Permiten a los usuarios a la superficie de los puntos de datos más relevantes, aplicar filtros dinámicos, configurar caminos de perforación y compartir vistas interactivas con otros. Esta guía ampliada le recorre a través del ciclo de vida completo de crear, personalizar y asegurar paneles personalizados en Azure Data Explorer, desde la preparación de datos hasta el diseño visual avanzado.

Comprender las capacidades de Azure Data Explorer y Its Dashboard

Azure Data Explorer está diseñado para manejar datos de la serie de tiempo, registros, telemetría y cualquier dato estructurado o semiestructurado que requiera una exploración rápida. Puede ingerir terabytes de datos por día y responder preguntas complejas en segundos. La característica de panel nativo en ADX está estrechamente integrada con el motor de consulta, lo que significa que puede construir una gráfica directamente desde una consulta KQL y tenerla actualizada como nuevos flujos de datos.

Los paneles ADX están compuestos de tiles] – visualizaciones individuales como gráficos de línea, gráficos de columna, gráficos de pie, diagramas de dispersión, tablas y tarjetas de multivalor. Cada ficha está respaldada por una o más consultas KQL que definen su fuente de datos. Los paneles soportan parámetros y filtros que se propagan a través de baldos, permitiendo a los usuarios interactivos

A diferencia de las herramientas de IB de uso general, los paneles ADX están optimizados para la velocidad y la transmisión en tiempo real. Aprovechan el mismo motor de consulta distribuido que potencia el cluster ADX, por lo que incluso agregaciones complejas se hacen rápidamente. Esto los hace ideales para escenarios como los paneles DevOps, monitoreo de sensores IoT, caza de amenazas de ciberseguridad y análisis de campañas de marketing.

Preparando sus datos para el consumo de tableros de datos

Ingestión de datos y diseño de esquemas

Antes de que pueda crear un panel de control, los datos deben ser ingeridos en un clúster ADX. ADX admite múltiples métodos de ingestión: Event Hubs para la transmisión de datos, Azure Blob Storage para la carga de lotes, Logstash y Apache Kafka conectores, e ingerir directamente utilizando el SDK Kusto. Para los paneles interactivos, generalmente desea datos que estén frescos y actualizados continuamente.

Cuando diseñe su esquema de tabla, considere los tipos de visualizaciones que planea construir. Para gráficos de series temporales, asegúrese de tener una columna de tiempo de tipo . Para las desglose categóricas, utilice columnas. Las métricas numéricas deben estar en columnas adecuadas para la agregación (sum, promedio, cuenta).

Después de la ingestión, ejecute consultas exploratorias KQL en la interfaz web ADX para validar la calidad de los datos, comprobar los nulls y entender la distribución de los valores. Es mucho más fácil refinar el esquema antes de fijar inconsistencias después de construir un dashboard.

Transformaciones de datos para tableros de datos

A veces, los datos crudos deben ser reen forma antes de que se pueda utilizar en un panel de control. Puede crear opiniones materializadas o políticas actualizadas en ADX para datos pre-agregados, reducir la latencia de consultas y simplificar las consultas de tablero de datos. Por ejemplo, cada número de datos de ventas llegará en forma instantánea

Otra técnica es usar funciones restauradas – funciones reutilizables de KQL que encapsulan la lógica compleja. Las funciones almacenadas pueden llamarse de consultas de tableros de instrumentos, manteniendo las definiciones de azulejos limpias y sostenibles. También le permiten aplicar reglas de negocio consistentes en varios tableros de mando.

Escribir Kusto Queries Que Poder Su Dashboard

Fundamentos de KQL para tableros de mando

Cada baldosa de panel está impulsada por una o más consultas KQL. El idioma de consulta de Kusto es un lenguaje de sólo lectura, orientado a tablas que soporta filtrar, agrupar, unir, combinar tiempo y funciones estadísticas. Para una baldosa de panel, la consulta debe devolver un conjunto de resultados que se puede visualizar – típicamente una tabla con columnas para valores, series y medidas del eje.

Una simple consulta de las series de tiempo podría parecerse a esto:

StormEvents
| where StartTime between (datetime(2007-01-01) .. datetime(2007-12-31))
| summarize TotalDamage = sum(DamageProperty) by bin(StartTime, 1d)
| render timechart

El operador al final le dice al motor de panel ADX cómo mostrar los datos. En la configuración de baldosas de panel, puede elegir el tipo de visualización explícitamente, por lo que puede omitir el operador y en su lugar establecer el tipo de gráfico en la configuración de baldosas. Esta separación le da más control sobre el estilo, como colores y etiquetas de eje.

Optimización de las consultas para el rendimiento de panel

La capacidad de respuesta de panel depende en gran medida del rendimiento de la consulta.

  • Utilizar filtering early – tiempos de empuje, filtros de entidad y otros predicados lo más lejos posible en el oleoducto de consulta. El motor ADX puede prune shards que no contienen datos relevantes.
  • Limite el conjunto de resultados – no devuelva millones de filas al panel de control. Use para agregar, y considere utilizar o para cheques de cordura.
  • Leverage resultados grabados – ADX automáticamente caches resultados de consulta para fichas de panel por una duración configurable (default 5 minutos). Si sus datos no cambian rápidamente, aumenta la vida útil de caché para reducir la carga.
  • Use ] puntos de vista materializados para las agregaciones precompuestas como se señaló anteriormente.
  • Evite con funciones definidas por el usuario costosas – si es posible, columnas derivadas precomputadas durante la ingestión.

Prueba de consultas en la interfaz web ADX antes de incrustarlas en tableros de control es una mejor práctica. Monitore los tiempos de ejecución de consultas y ajuste en consecuencia.

Paso a paso: Construyendo un panel personalizado en Azure Data Explorer

Paso 1 – Accede a la interfaz de panel

Navegue a su grupo ADX en el portal Azure. Bajo la sección “Data”, seleccione Dashboards. Si no ve la opción, asegúrese de que su versión en racimo soporta los paneles (todos los nuevos clusters lo hacen). También puede utilizar la UI web libre ADX (dataexplorer.azure subscription).

Paso 2 – Crear un nuevo tablero de mando y agregar fichas

Haga clic en + Nuevo Dashboard] y déle un nombre significativo. Verá un lienzo en blanco. Haga clic + Añadir Azulejo] para comenzar. En el editor de azulejos, escriba o pega una consulta KQL. Por ejemplo, una consulta que cuenta errores por servicio durante las últimas 24 horas:

Logs
| where Timestamp > ago(24h)
| where Level == "Error"
| summarize Count = count() by ServiceName
| render columnchart

Después de ejecutar la consulta, la vista previa de la ficha muestra un gráfico. Luego puede configurar la ficha:

  • Título ] – dar un nombre legible por el ser humano.
  • Visualización] – elegir entre la línea, la columna, la barra, el área, el pastel, la dispersión, el tiempo, la tabla y las visuales personalizadas.
  • Tiempo de tiempo] – establece el filtro de tiempo predeterminado.
  • Parameters] – se pueden definir parámetros de nivel de panel (por ejemplo, medio ambiente, región) y vincularlos a consultas de azulejos utilizando la sintaxis de KQL.

Añadir más fichas para otras métricas. Puede cambiar el tamaño y reorganizar las fichas arrastrandolas sobre el lienzo.

Paso 3 – Añadir Parámetros y filtros de tablero

Los parámetros hacen que los paneles sean interactivos. Vaya a la configuración del panel de control (ícono de la vela) y agregue parámetros como (desplegable: Producción, Estadificación, Dev) o (relativo o absoluto). Ajuste cada parámetro a las consultas de la baldosa correspondientes por referencia .

Paso 4 – Configurar el taladro-arrez y la interconexión

Los paneles ADX soportan el taladro a un panel compartido o una URL externa. Por ejemplo, hacer clic en una barra en una tabla puede navegar a un dashboard de incidente detallado filtrado por ese servicio. También es posible realizar la infiltración cruzada: seleccionar un valor en una ficha puede filtrar automáticamente otras fichas en el mismo panel. Para permitir la infiltración cruzada, asegúrese de que las consultas de azulejos usen los mismos nombres de parámetro.

Paso 5 – Guardar, publicar y compartir

Una vez que su panel esté completo, ahorre. Usted puede publicar ] el panel para hacerlo accesible a otros usuarios de su organización. Bajo el menú Compartir], generar una URL de sólo lectura que se puede insertar en un portal o enviar por correo electrónico. También puede descargar la plantilla de control de panel (JSON)

Mejorando tableros de tableros con características avanzadas

Actualización de datos en tiempo real

Para los paneles operativos, las actualizaciones en tiempo real son críticas. Los paneles ADX actualizan automáticamente los datos basados en el rango de tiempo de la baldosa y la configuración de caché de consulta. Puede configurar un intervalo automático de actualización (por ejemplo, cada 1 minuto) en la configuración del panel de control. Combinado con la ingestión de streaming de Event Hubs, esto crea una experiencia de monitoreo casi real.

Visuales y temas personalizados

Más allá de los tipos de gráficos incorporados, ADX soporta visuales de los átomos] alimentados por el lenguaje Charticulator (dentro del editor de tableros de paneles ADX). Puede crear visualizaciones complejas como mapas de calor, gráficos de la explosión solar y gráficos de red. Además, puede anular colores, fuentes y diseño para que coincida con la marca corporativa.

Alerta de integración

Mientras que los paneles son grandes para el monitoreo visual, es posible que necesite alertas para umbrales críticos. ADX se conecta a alertas de Azure Monitor: puede crear una regla de alerta basada en una consulta de KQL que se ejecuta periódicamente. Cuando se detecta una anomalía, la alerta puede activar un correo electrónico, un Webhook o una función de Azure. Luego puede vincular la alerta a una baldosa para que los operadores puedan hacer clic directamente en la alerta y ser tomados.

Embedding Dashboards en Aplicaciones Personalizadas

Puede insertar paneles ADX en sus propias aplicaciones web utilizando un iframe o el SDK ADX. La URL incorporada admite parámetros de consulta para la autenticación y filtración. Esto permite a los equipos de productos exponer análisis en vivo a clientes externos o portales internos sin construir una capa de visualización separada. Para más detalles, consulte la documentación Azure Data Explorer embebido dashboards.

Control de seguridad y acceso para tableros de mando

La seguridad de los datos debe ser una prioridad al compartir los paneles en equipos o externamente. ADX proporciona un control de acceso bien arraigado en el cluster, la base de datos y el nivel de tabla utilizando Control de acceso basado en la red (RBAC). Para los paneles, los roles clave son:

  • Adicto de tablero] – puede crear, editar, borrar y publicar tableros de instrumentos.
  • Dashboard Viewer – sólo puede ver los tableros de control publicados.

Cuando comparte un dashboard a través de URL, esa URL está garantizada por la autenticación de Azure AD. Los usuarios deben firmarse con una identidad de Microsoft (cuenta de trabajo o de escuela) y se les ha concedido acceso al espectador. También puede restringir la visibilidad de los datos utilizando Seguridad de alcance (RLS) en funciones de KQL, asegurando que los diferentes usuarios vean sólo las filas que están autorizados para ver un filtro de dominio.

Para entornos sensibles, puede limitar las capacidades de exportación (por ejemplo, descarga de CSV de los azulejos) a través de la configuración de políticas. Rastreo de registros de auditoría que accedió a qué dashboard y cuándo. Se recomienda revisar periódicamente el acceso y revocar permisos para los usuarios que ya no los necesitan.

Mejores prácticas para paneles de producción-grado

Optimización del rendimiento

  • Use tablas pre-agloregadas (ver vistas materializadas) para métricas de alta cardiopatía.
  • Establecer los defectos de rango ] – empezar con los últimos 7 días en lugar de todos los datos.
  • Limite el número de fichas en un panel de control a 20-30 para evitar problemas de concurrencia de consulta.
  • Usar sharded dashboards – dividir métricas en múltiples tableros de control por dominio de negocios (operaciones, finanzas, seguridad) en lugar de un panel gigante.

Diseño lógico y legibilidad

  • Grupo de azulejos relacionados juntos: resumen de los lugares en la parte superior, desglose detallado a continuación.
  • Use codificación de color consistente – por ejemplo, verde para métricas saludables, rojas para problemas críticos.
  • Incluye un título y descripción para cada ficha, de modo que los espectadores entiendan lo que están mirando.
  • Leverage tarjetas de valor multi] para los indicadores clave de rendimiento (KPIs) – valor actual, cambio con el tiempo y chispa.

Mantenimiento y ciclo de vida

  • Mantenga consultas en el control de versiones (funciones almacenadas o archivos de consulta externa).
  • Documentar qué fuentes de datos se alimentan en cada panel de control y qué transformaciones se aplican.
  • Programar exámenes regulares con los interesados para eliminar los azulejos no utilizados y añadir nuevos.
  • Supervisar el uso y costo de la consulta ADX; los paneles que rara vez se ven pueden consumir recursos innecesariamente.

Integrando los paneles de Azure Data Explorer con otros servicios de Azure

Los paneles ADX funcionan bien en un ecosistema de análisis de Azure más grande. Aquí están patrones de integración comunes:

  • Azure Monitor Workbooks – Puedes incrustar las baldosas de tablero ADX dentro de los manuales de trabajo de Azure Monitor para una experiencia de monitoreo de TI unificada.
  • Power BI – Para las capacidades avanzadas de IB, puede utilizar el conector ADX en Power BI para importar los resultados de las consultas y construir informes interactivos. Sin embargo, los paneles nativos ADX son más rápidos para las vistas en tiempo real.
  • Azure DevOps – Use tableros de control para monitorear las tasas de fallas de construcción, frecuencia de implementación o resultados de pruebas de rendimiento consultando datos de Application Insights almacenados en ADX.
  • Azure Logic Apps and Functions – Automatizar los disparadores de refrigerio de panel o generar resúmenes a través de correo electrónico utilizando flujos de trabajo sin servidor que consultan ADX y envían el resultado.

Para una mayor inmersión en los patrones de integración, vea el Azure Data Explorer y Power BI guía de integración.

Conclusión

Los paneles personalizados en Azure Data Explorer permiten a las organizaciones transformar la telemetría cruda en ideas factibles con una latencia mínima. Siguiendo el proceso estructurado anteriormente esbozado – desde la preparación de datos y la escritura eficientes consultas KQL para diseñar fichas interactivas y asegurar el acceso – puede construir paneles que faculten a los equipos para tomar decisiones más rápidas y basadas en datos.

La flexibilidad de los paneles ADX, combinado con la escalabilidad del motor de análisis subyacente, los convierte en una excelente opción para monitorear en tiempo real, analizar exploratorios e informar sobre operaciones. A medida que sus datos crecen y sus requisitos de negocio evolucionan, el mismo marco de panel puede ampliarse con nuevos parámetros, visuales avanzadas e integración con el ecosistema de Azure más amplio. Comience con un proyecto piloto en un dominio específico, iterate con su cartera de preguntas y expande gradualmente.

Para referencias adicionales, consulte el Azure Data Explorer dashboards vista ] y el Kusto Query Language referencia rápida.