Kusto 查询语言 (KQL) 图形语义概述
通过 Kusto 查询语言 (KQL) 中的图形语义，可以将数据建模和查询为图形。 图形的结构包括连接它们的节点和边缘。 节点和边缘可以具有描述它们的属性。
图形可用于表示涉及多对多、分层或联网的关系（例如社交网络、建议系统、连接资产或知识图形）的复杂动态数据。 例如，下图演示了一个由四个节点和三个边缘组成的社交网络。 每个节点都有一个属性作为其名称，例如 Bob，并且每个边缘都有一个属性作为其类型，例如 reportsTo。
图形以不同于关系数据库的方式存储数据，这些数据库使用表，需要索引和联接来连接相关数据。 在图形中，每个节点都有一个指向其邻居（相邻）的直接指针，因此无需为任何内容编制索引或联接，这样可轻松快捷地遍历图形。 图形查询可以使用图形结构和含义执行复杂而强大的操作，例如查找路径、模式、最短距离、社区或中心性度量值。
可以使用 KQL 图形语义创建和查询图形，该语义具有一种简单直观的语法，适用于现有 KQL 功能。 还可以将图形查询与其他 KQL 功能（例如基于时间、基于位置的查询和机器学习查询）混合，以便执行更高级且强大的数据分析。 结合使用 KQL 和图形语义，可以获得具有图形灵活性和表现力的 KQL 查询的速度和规模。
例如，您可以使用：
- 基于时间的查询，用来分析一段时间内图形的演变，例如网络结构或节点属性的变化
- 地理空间查询，用来分析节点和边缘的空间分布或邻近度，例如位置或距离对关系的影响
- 机器学习查询，用来将各种算法或模型应用于图形数据，例如聚类分析、分类或异常情况检测
它是如何工作的？
Kusto 中图形语义的每个查询都需要创建新的图形表示形式。 使用图形运算符将边缘和（可选）节点的表格表达式转换为数据的图形表示形式。 创建图形后，可以应用不同的操作来进一步增强或检查图形数据。
图形语义扩展使用内存中图形引擎，它适用于群集内存中的数据，图形分析具有交互性和速度。 图形表示形式的内存消耗受节点数和边缘数及其各自的属性影响。 图形引擎使用属性图形模型，该模型支持节点和边缘的任意属性。 它还与 KQL 的所有现有标量运算符集成，使用户能够编写具有表达力的复杂图形查询，使用 KQL 的完整功能。
为什么在 KQL 中使用图形语义？
在 KQL 中使用图形语义有几个原因，例如以下示例：
KQL 不支持递归联接，因此必须显式定义要运行的遍历（请参阅方案：朋友的朋友）。 可以使用 make-graph 运算符定义变量长度的跃点，当关系距离或深度未固定时，这非常有用。 例如，可以使用此运算符查找在图形中连接的所有资源，或者从交通网络中的源到达的所有位置。
时间感知图形是 KQL 中图形语义的独特功能，允许用户随时间推移将图形数据建模为一系列图形操作事件。 用户可以检查图形随时间的变化，例如图形的网络结构或节点属性的变化，或者图形事件或异常的发生方式。 例如，用户可以使用时序查询来发现图形数据中的趋势、模式或离群值，例如网络密度、中心性或模块化随时间的变化
KQL 查询编辑器的 Intellisense 功能可帮助用户编写和执行查询语言中的查询。 它提供语法突出显示、自动完成、错误检查和建议功能。 它还通过提供特定于图形的关键字、运算符、函数和示例来帮助用户使用图形语义扩展，以指导用户完成图形创建和查询过程。
限制
以下是 KQL 中图形语义功能的一些主要限制：
- 只能创建或查询适合一个群集节点内存的图形。
- 图形数据不会继续存在，也不会分布在群集节点之间，并且会在查询执行后丢弃。
因此，在 KQL 中使用图形语义功能时，应考虑创建和查询大型或密集图形的内存消耗和性能影响。 在可能的情况下，应使用筛选器、投影和聚合来减小图形大小并降低复杂性。