KQL-editor-deltagere

Dette værktøj tilbyder en domænefokuseret ramme til modellering af deltagerbaserede KQL-forespørgsels-scenarier. Det definerer input som cluster_uri, database og KQL-tekst, samt optionele kontroller som time_window, max_results og parameter-mappinger. Det bevarer reproducerbarhed ved at indfange konfigurationer og den resulterende dataform, uden at køre live-forespørgsler. Modellen understøtter flere brugere, der simulerer forskellige perspektiver på samme datasæt.

Konceptuelt udformer og validerer brugere forespørgsler i et kontrolleret miljø. Værktøjet validerer input, anvender parameterersættelse og returnerer en struktureret repræsentation af resultater, inklusive total_count, execution_time_ms og en eksempelpayload. Det understøtter tidsvinduer som Last_24h, Last_7d eller eksplicitte datointervaller og kan producere output i tabelform eller JSON. Det dokumenterer også antagelser og potentielle fallback-muligheder for fejlfinding.

Hvem har gavn af det: dataingeniører, data scientists og operations-teams, der har brug for reproducerbare KQL-scenarier. Unik værdi ligger i at simulere flere deltagere og eksportere gentagelige arbejdsprocesser til tests, sammenligninger og vidensoverførsel. Det hjælper teams med at blive enige om forespørgselslogik uden at afsløre produktionslogin eller kræve direkte adgang til live-klynger.

Kernefunktioner: streng inputvalidering, en parameteriseret forespørgselslag, valgfri uddataformatering og en mock-udførelsesvej til planlægning. For AI-agenter giver værktøjet et konkret skema over inputs og outputs for at ræsonnere om resultater, optimere forespørgsler og generere dokumenterede scenarier til revision og uddannelse.