KQL-editor-deltakere

Dette verktøyet tilbyr en domeneorientert ramme for å modellere deltakerbaserte KQL-spørsmål-scenarier. Det definerer input som cluster_uri, database og KQL-tekst, samt valgfrie kontroller som time_window, max_results og parameter-mappinger. Det bevarer reproduksjonsevne ved å fange konfigurasjoner og den resulterende dataformen, uten å kjøre live-forespørsler. Modellen støtter flere brukere som simulerer ulike perspektiver på samme datasett.

Konseptuelt utformer og validerer brukere spørsmål i et kontrollert miljø. Verktøyet validerer input, bruker parameter-erstatning og returnerer en strukturert representasjon av resultater, inkludert total_count, execution_time_ms og en eksempelpayload. Det støtter tidsvinduer som Last_24h, Last_7d eller eksplisitte datoperioder, og kan produsere utdata i tabellform eller JSON. Det dokumenterer også forutsetninger og potensielle fallback-løsninger for feilsøking.

Hvem gagner det: dataingeniører, data scientists og driftsteam som trenger reproducerbare KQL-scenarier. Unik verdi ligger i å simulere flere deltakere og eksportere gjentakbare arbeidsflyter for tester, sammenligninger og kunnskapsdeling. Det hjelper team å enes om spørsmålslogikken uten å avsløre produksjonsinnloggninger eller kreve direkte tilgang til live-klynger.

Kjernefunksjoner: streng inputvalidering, en parameterisert spørringslag, valgfri utdataformatering og en mock-kjøringsbane for planlegging. For AI-agenter gir verktøyet et konkret skjema av input og output for å resonere om resultater, optimalisere forespørsler og generere dokumenterte scenarier til revisjon og opplæring.