Thierry  Perret

Thierry Perret

1657727126

Comment Créer Des Widgets Personnalisés Sur Azure Data Studio

Dans cet article, nous allons apprendre à créer un widget personnalisé dans Azure Data Studio qui permet de surveiller les métriques de performances.

Qu'est-ce qu'Azure Data Studio ?

Azure Data Studio (ADS) est un environnement d'administration, de développement et de maintenance de base de données de nouvelle génération qui peut être utilisé pour les plateformes de données sur site et dans le cloud. Le groupe d'utilisateurs cible d'Azure Data Studio ne se limite pas aux administrateurs de base de données, il vise également les développeurs de logiciels ou d'autres utilisateurs non-DBA qui traitent les bases de données dans le cadre de leur travail. Par exemple, l'une des caractéristiques les plus remarquables d'ADS est qu'il est facilement personnalisable et peut également acquérir de nouvelles fonctionnalités via des extensions. Si nous donnons un exemple, après avoir installé l' extension PostgreSQL , nous pouvons connecter n'importe quelle base de données PostgreSQL (également appelée Postgres) et exécuter les requêtes PL/pgSQL .

Extension PostreSQL pour Azure Studio

Une autre capacité de l'ADS est qu'il peut fonctionner sur plusieurs systèmes d'exploitation :

  • les fenêtres
  • macOS
  • Linux

La version initiale de SQL Server Management Studio (SSMS) a été publiée en 2005 et jusqu'à l'annonce de l'ADS, c'était le seul outil de gestion et de développement de bases de données SQL de Microsoft. De nos jours, certains commencent déjà à penser qu'Azure Studio exécutera des anneaux autour de SSMS. Cependant, ces deux outils ont des avantages et des inconvénients l'un par rapport à l'autre mais les petites touches suivantes d'Azure Studio semblent l'avoir rendu plus attractif :

  • Exporter les résultats vers CSV, JSON, XLSX
  • Générer facilement des tableaux de bord personnalisés
  • Configuration du thème sombre (le thème sombre peut être défini dans SSMS pour utiliser les fichiers de configuration)

Malgré cela, SQL Server Management Studio offre toujours des fonctionnalités uniques :

  • Permet de configurer et de gérer Always On via des interfaces conviviales
  • Visionneuse du journal des erreurs
  • Gestion avancée des événements étendus
  • Peut se connecter à :
    • Services d'analyse
    • Services d'intégration
    • Services de rapports

Comment créer un widget personnalisé dans Azure Data Studio

L'une des fonctionnalités les plus avantageuses d'ADS est qu'il permet la création de widgets personnalisés. Avec l'aide des widgets, nous pouvons facilement visualiser le résultat des requêtes en utilisant différents types de graphiques. Dans ce contexte, la création de widgets de surveillance des performances peut être une approche raisonnable afin que nous puissions suivre facilement les mesures de performances. Maintenant, apprenons à créer un widget personnalisé avec un exemple très simple.

La vue de gestion dynamique sys.dm_exec_requests renvoie les informations sur chaque demande en cours d'exécution dans SQL Server. La colonne wait_type est l'une des colonnes importantes de cette vue qui définit la source que la requête en cours d'exécution attend.

Astuce : les types d'attente SQL Server sont l'une des mesures de performances importantes et ils sont utilisés pour surveiller les goulots d'étranglement des ressources et diagnostiquer les problèmes de performances de SQL Server.

La requête suivante regroupe les temps d'attente des statistiques d'attente afin que nous puissions déterminer quelle ressource provoque actuellement un goulot d'étranglement.

SELECT  DER.wait_type,SUM(DER.wait_time) AS [Wait Type]FROM sys.dm_exec_requests AS DER  JOIN sys.databases AS DB    ON DER.database_id = DB.database_id  JOIN sys.dm_exec_sessions AS DES    ON DER.session_id = DES.session_idWHERE NOT DER.status IN ('background', 'sleeping')AND DER.wait_type IS NOT NULLGROUP BY DER.wait_type

Comment utiliser la vue sys.dm_exec_requests

Dans le panneau de résultats, nous cliquons sur le bouton du graphique et sélectionnons les propriétés suivantes pour personnaliser le graphique.

Type de graphique : Donut

Direction des données : verticale

Utiliser les noms de colonnes comme libellés : true

Position de la légende : en haut

Affichage des données sous forme de graphiques

Une infrastructure de widget utilise le format JSON pour visualiser les jeux de résultats de requête. Pour obtenir le JSON de ce graphique, nous allons cliquer sur le bouton Create Insight , puis le JSON du graphique apparaîtra sur un autre écran.

Créer une fonctionnalité Insight

Nous devons stocker la requête dans un dossier spécifique afin que le graphique puisse utiliser cette requête chaque fois que le graphique est affiché ou actualisé. Nous supprimons la valeur SQLQuery_2 de la clé queryFile, puis plaçons le chemin du fichier de requête à sa place. Après ces étapes, le JSON sera le suivant :

  {
  "name":"My-Widget",
  "gridItemConfig":{
     "sizex":2,
     "sizey":1
  },
  "widget":{
     "insights-widget":{
        "type":{
           "doughnut":{
              "dataDirection":"vertical",
              "columnsAsLabels":true,
              "labelFirstColumn":false,
              "legendPosition":"top",
              "encoding":"hex",
              "imageFormat":"jpeg"
           }
        },
        "queryFile":"C:\\Users\\user_name\\AppData\\Local\\Programs\\Azure Data Studio\\resources\\app\\extensions\\insights-default\\sql\\WaitTypeWidget.sql"
     }

Dans un deuxième temps, nous devons injecter le graphique JSON que nous avons préparé dans le fichier de paramètres utilisateur Azure Data Studio. Nous allons cliquer sur le menu Affichage , puis sur l' élément de menu Palette de commandes… .

Comment utiliser la palette de commandes

Comme alternative, nous pouvons cliquer sur le bouton Gérer , puis sur la palette de commandes.

Paramétrage du Studio Azure

Après avoir activé la palette de commandes, nous taperons les mots-clés « ouvrir les paramètres utilisateur» , puis cliquerons sur les Préférences: Ouvrir les paramètres utilisateur .

Préférences : ouvrez les paramètres utilisateur.

Dans l'onglet Paramètres, nous recherchons le paramètre du widget, puis cliquons sur le lien hypertexte Modifier dans le settings.json .

paramètres.json

Dans l'éditeur JSON, cliquez avec le bouton droit sur l' onglet settings.json et sélectionnez l'élément de menu Afficher dans l'explorateur de fichiers et accédez au chemin d'accès au fichier de paramètres utilisateur d'Azure Data Studio. Nous prenons une copie du fichier settings.json dans n'importe quel chemin sécurisé, nous pouvons vouloir restaurer les paramètres précédents.

la révélation dans l'explorateur de fichiers

Dans le fichier setting.json , nous injectons le code suivant à la fin de ce fichier de paramétrage.


  "dashboard.database.widgets": [{"name":"My-Widget","gridItemConfig":{"sizex":2,"sizey":1},
  "widget":{"insights-widget":{"type":{"doughnut":{"dataDirection":"vertical","columnsAsLabels":true,"labelFirstColumn":
      false,"legendPosition":"top","encoding":"hex","imageFormat":"jpeg"}},
      "queryFile":"C:\\Users\\user_name\\AppData\\Local\\Programs\\Azure Data Studio\\resources\\app\\extensions\\insights-default\\sql\\WaitTypeWidget.sql"}}}

Widgets de base de données

Le widget sera affiché dans n'importe quel onglet de gestion de base de données.

Widgets de base de données personnalisés

Nous pouvons ajouter une fonction d'exploration aux widgets personnalisés afin d'accéder aux détails du graphique. Pour ce faire, nous avons besoin d'une requête qui récupère les données qui composent les détails des données du graphique. La requête suivante renvoie chacun des détails de texte et de plan de requête de session active.

SELECT  DER.wait_type,DER.wait_time AS [Wait Type]
  ,CAST(QueryPlan.query_plan as XML) as Query_Plan  ,SqlText.text
  FROM sys.dm_exec_requests AS DER
  JOIN sys.databases AS DB
  ON DER.database_id = DB.database_id
  JOIN sys.dm_exec_sessions AS DES
  ON DER.session_id = DES.session_id
  CROSS APPLY sys.dm_exec_query_plan(DER.plan_handle) QueryPlan
  CROSS APPLY sys.dm_exec_sql_text(DER.sql_handle) SqlText
  WHERE NOT DER.status IN ('background', 'sleeping')
  AND DER.wait_type IS NOT NULL

Résultat des dm_exec_sessions

Tout d'abord, nous allons stocker cette requête avec un chemin de fichier et ce chemin peut être le même que le chemin du fichier de requête de graphique. Dans une prochaine étape, nous devons ajouter la clé de détails au code JSON du widget personnalisé, nous rouvrirons donc les paramètres.

  • Pour ouvrir la palette de commandes, appuyez sur Ctrl+Maj+P
  • Préférences de recherche : ouvrez les paramètres utilisateur et cliquez dessus
  • Recherchez les widgets de base de données et cliquez sur Modifier dans settings.json

  "dashboard.database.widgets":[
  {
     "name":"My-Widget",
     "gridItemConfig":{
        "sizex":2,
        "sizey":1
     },
     "widget":{
        "insights-widget":{
           "type":{
              "doughnut":{
                 "dataDirection":"vertical",
                 "columnsAsLabels":true,
                 "labelFirstColumn":false,
                 "legendPosition":"top",
                 "encoding":"hex",
                 "imageFormat":"jpeg"
              }
           },
           "queryFile":"C:\\Users\\user_name\\AppData\\Local\\Programs\\Azure Data Studio\\resources\\app\\extensions\\insights-default\\sql\\WaitTypeWidget.sql",
           "details":{
              "queryFile":"C:\\Users\\user_name\\AppData\\Local\\Programs\\Azure Data Studio\\resources\\app\\extensions\\insights-default\\sql\\WaitTypeWidgetDetails.sql",
              "label":"wait_type",
              "value":"wait_type"
           }
        }
     }
  }

Codes JSON d'un graphique personnalisé

Nous allons cliquer sur les ellipses ( ) en haut à droite du widget et ouvrir le rapport détaillé.

Rapport détaillé sur les insights

Comment activer le widget de surveillance des performances intégré dans Azure Data Studio

Comme nous l'avons appris, Azure Data Studio nous permet de créer des widgets personnalisés et propose également des widgets intégrés. L'un de ces widgets intégrés permet de surveiller les cinq requêtes les plus lentes. Afin d'activer ce widget, nous devons effectuer quelques personnalisations sur le paramètre utilisateur de l'ADS. On rouvre le fichier setting.json , on ajoutera le code suivant à la fin de ce fichier de paramétrage.


  "dashboard.database.widgets": [
  {
      "name": "Slow Queries Widget",
      "gridItemConfig": {
          "sizex": 2,
          "sizey": 1
      },
      "widget": {
          "query-data-store-db-insight": null
      }
  }

Widget de surveillance des performances intégré

Après avoir enregistré le fichier de paramètres, cliquez avec le bouton droit sur l'une des listes de bases de données et choisissez l' élément de menu Gérer . Le tableau de bord affiche les cinq requêtes les plus lentes de la base de données.

Graphique des requêtes les plus lentes

Pour obtenir plus de détails sur les cahiers les plus lents, nous cliquons sur les ellipses ( ) en haut à droite et sélectionnons  Afficher les détails. Lorsque nous cliquons sur une requête du rapport sur les éléments, le sous-rapport affiche tous les détails de la requête.

Rapport détaillé sur le graphique des requêtes les plus lentes

Conseil : Pour afficher plus de cinq requêtes dans le widget Insight, nous pouvons modifier la requête qui fournit les données. Cette requête est placée sous « C:\Users\user_name\AppData\Local\Programs\Azure Data Studio\resources\app\extensions\insights-default\sql » et le nom du fichier de requête est qds.sql et qds_detail.sql . Nous pouvons modifier la déclaration supérieure dans ces fichiers de requête pour afficher des requêtes plus lentes sur le widget.

Graphique agrandi des requêtes les plus lentes

Activation de l'option autoRefreshInterval pour les widgets

Azure Data Studio permet d'ajouter des options de base aux widgets et l'une de ces options est autoRefreshInterval . Avec l'aide de cette option, le widget peut actualiser automatiquement les données affichées dans des périodes spécifiées. Pour activer cette fonctionnalité, nous devons ajouter l'attribut autoRefreshInterval dans le paramètre du graphique. L'autoRefreshInterval est placé après la clé queryFile, puis spécifie la valeur de l'intervalle sous la forme d'un entier et en minutes.

Option autoRefreshInterval pour les widgets

Pour notre exemple de widget, nous déterminons cette valeur comme 1 minute afin que le widget actualise toutes les données toutes les minutes.

Sommaire

Azure Data Studio est une nouvelle plateforme de gestion et de développement de bases de données de Microsoft. Il ne fait aucun doute que ADS inclut d'excellentes fonctionnalités et l'une d'entre elles est la possibilité de créer un graphique personnalisé. Grâce à cette fonctionnalité, nous pouvons transformer le résultat de la requête pour en faciliter la compréhension.

Lien : https://www.sqlshack.com/how-to-build-custom-widgets-on-azure-data-studio/

#azure 

What is GEEK

Buddha Community

Comment Créer Des Widgets Personnalisés Sur Azure Data Studio
 iOS App Dev

iOS App Dev

1620466520

Your Data Architecture: Simple Best Practices for Your Data Strategy

If you accumulate data on which you base your decision-making as an organization, you should probably think about your data architecture and possible best practices.

If you accumulate data on which you base your decision-making as an organization, you most probably need to think about your data architecture and consider possible best practices. Gaining a competitive edge, remaining customer-centric to the greatest extent possible, and streamlining processes to get on-the-button outcomes can all be traced back to an organization’s capacity to build a future-ready data architecture.

In what follows, we offer a short overview of the overarching capabilities of data architecture. These include user-centricity, elasticity, robustness, and the capacity to ensure the seamless flow of data at all times. Added to these are automation enablement, plus security and data governance considerations. These points from our checklist for what we perceive to be an anticipatory analytics ecosystem.

#big data #data science #big data analytics #data analysis #data architecture #data transformation #data platform #data strategy #cloud data platform #data acquisition

Gerhard  Brink

Gerhard Brink

1620629020

Getting Started With Data Lakes

Frameworks for Efficient Enterprise Analytics

The opportunities big data offers also come with very real challenges that many organizations are facing today. Often, it’s finding the most cost-effective, scalable way to store and process boundless volumes of data in multiple formats that come from a growing number of sources. Then organizations need the analytical capabilities and flexibility to turn this data into insights that can meet their specific business objectives.

This Refcard dives into how a data lake helps tackle these challenges at both ends — from its enhanced architecture that’s designed for efficient data ingestion, storage, and management to its advanced analytics functionality and performance flexibility. You’ll also explore key benefits and common use cases.

Introduction

As technology continues to evolve with new data sources, such as IoT sensors and social media churning out large volumes of data, there has never been a better time to discuss the possibilities and challenges of managing such data for varying analytical insights. In this Refcard, we dig deep into how data lakes solve the problem of storing and processing enormous amounts of data. While doing so, we also explore the benefits of data lakes, their use cases, and how they differ from data warehouses (DWHs).


This is a preview of the Getting Started With Data Lakes Refcard. To read the entire Refcard, please download the PDF from the link above.

#big data #data analytics #data analysis #business analytics #data warehouse #data storage #data lake #data lake architecture #data lake governance #data lake management

Sid  Schuppe

Sid Schuppe

1617988080

How To Blend Data in Google Data Studio For Better Data Analysis

Using data to inform decisions is essential to product management, or anything really. And thankfully, we aren’t short of it. Any online application generates an abundance of data and it’s up to us to collect it and then make sense of it.

Google Data Studio helps us understand the meaning behind data, enabling us to build beautiful visualizations and dashboards that transform data into stories. If it wasn’t already, data literacy is as much a fundamental skill as learning to read or write. Or it certainly will be.

Nothing is more powerful than data democracy, where anyone in your organization can regularly make decisions informed with data. As part of enabling this, we need to be able to visualize data in a way that brings it to life and makes it more accessible. I’ve recently been learning how to do this and wanted to share some of the cool ways you can do this in Google Data Studio.

#google-data-studio #blending-data #dashboard #data-visualization #creating-visualizations #how-to-visualize-data #data-analysis #data-visualisation

Cyrus  Kreiger

Cyrus Kreiger

1618039260

How Has COVID-19 Impacted Data Science?

The COVID-19 pandemic disrupted supply chains and brought economies around the world to a standstill. In turn, businesses need access to accurate, timely data more than ever before. As a result, the demand for data analytics is skyrocketing as businesses try to navigate an uncertain future. However, the sudden surge in demand comes with its own set of challenges.

Here is how the COVID-19 pandemic is affecting the data industry and how enterprises can prepare for the data challenges to come in 2021 and beyond.

#big data #data #data analysis #data security #data integration #etl #data warehouse #data breach #elt

Macey  Kling

Macey Kling

1597579680

Applications Of Data Science On 3D Imagery Data

CVDC 2020, the Computer Vision conference of the year, is scheduled for 13th and 14th of August to bring together the leading experts on Computer Vision from around the world. Organised by the Association of Data Scientists (ADaSCi), the premier global professional body of data science and machine learning professionals, it is a first-of-its-kind virtual conference on Computer Vision.

The second day of the conference started with quite an informative talk on the current pandemic situation. Speaking of talks, the second session “Application of Data Science Algorithms on 3D Imagery Data” was presented by Ramana M, who is the Principal Data Scientist in Analytics at Cyient Ltd.

Ramana talked about one of the most important assets of organisations, data and how the digital world is moving from using 2D data to 3D data for highly accurate information along with realistic user experiences.

The agenda of the talk included an introduction to 3D data, its applications and case studies, 3D data alignment, 3D data for object detection and two general case studies, which are-

  • Industrial metrology for quality assurance.
  • 3d object detection and its volumetric analysis.

This talk discussed the recent advances in 3D data processing, feature extraction methods, object type detection, object segmentation, and object measurements in different body cross-sections. It also covered the 3D imagery concepts, the various algorithms for faster data processing on the GPU environment, and the application of deep learning techniques for object detection and segmentation.

#developers corner #3d data #3d data alignment #applications of data science on 3d imagery data #computer vision #cvdc 2020 #deep learning techniques for 3d data #mesh data #point cloud data #uav data