Você já ouviu falar sobre KQL (Kusto Query Language)? Se não, você está prestes a descobrir! Em um episódio recente do Data Exposed, meu amigo Hamish Watson me apresentou a essa poderosa linguagem de consulta que está ganhando popularidade na comunidade do SQL Server.

No começo, eu estava cético em relação ao título, mas decidi experimentar. Hamish mencionou um guia de referência da Microsoft, que se mostrou um ótimo recurso. Mas o que realmente chamou minha atenção foi o site de demonstração que a Microsoft criou em https://aka.ms/lademo. Embora seja necessário ter uma conta no Azure para fazer login, esse site de demonstração permite que você consulte alguns dados do Log Analytics e tenha uma experiência prática com o KQL.

Quando você abre a janela de consulta no Azure, percebe que ela possui intellisense, o que facilita a escrita das consultas. Para consultar uma tabela, basta incluir o nome dela. Por exemplo, Hamish mostrou alguns itens de exemplo e rapidamente percebi que consultar uma tabela é tão simples quanto digitar o nome dela.

A estrutura das consultas KQL é bastante intuitiva. Você começa escolhendo uma tabela e, em seguida, pode adicionar um pipe (|) para aplicar operações adicionais, como filtrar com uma cláusula WHERE ou realizar agregações com uma cláusula SUMMARIZE. É semelhante à forma como você construiria uma consulta em SQL, mas com uma sintaxe mais limpa e lógica.

Durante minha exploração, descobri algumas características interessantes do KQL. Por exemplo, encontrei uma opção “take” que permite limitar o número de resultados, semelhante à cláusula TOP no T-SQL. Também experimentei a cláusula WHERE e fiquei impressionado com a facilidade de filtrar dados com base em condições específicas.

Um dos destaques para mim foi a opção “summarize”. Ela oferece uma maneira conveniente de realizar agregações nos seus dados. O que gostei particularmente foi o recurso de intellisense que me ajudou com várias funções de agregação. Executei uma consulta usando a opção summarize e obtive a média do espaço livre em todos os discos. Embora esse número possa não ter um significado direto, ele demonstrou o poder e a flexibilidade do KQL.

À medida que me aprofundava no KQL, encontrei a cláusula GROUP BY. Inicialmente, tive dificuldades com a sintaxe, mas depois de consultar o guia de referência, percebi que tudo o que eu precisava era da palavra-chave “by”. Com esse conhecimento, consegui construir uma consulta que fornecia o uso de espaço por disco.

No geral, achei o KQL uma alternativa refrescante ao SQL. Sua estrutura limpa e lógica está alinhada com a forma como naturalmente penso ao escrever consultas. Ao contrário do SQL, onde a ordem de execução da consulta pode ser diferente da ordem de construção da consulta, o KQL segue uma abordagem mais intuitiva.

Embora não tenha certeza se o KQL se tornará uma ferramenta vital em meu trabalho diário, estou definitivamente intrigado e planejo explorá-lo mais a fundo. A simplicidade e o poder do KQL o tornam digno de investigação, especialmente para aqueles que trabalham com dados do Log Analytics ou procuram uma linguagem de consulta mais simplificada.

Portanto, se você está interessado em expandir suas habilidades no SQL Server e se manter à frente do jogo, recomendo fortemente que experimente o KQL. Visite o site de demonstração em https://aka.ms/lademo e comece a explorar as possibilidades dessa linguagem de consulta de próxima geração.