المسار: Dynatrace SaaS · الوحدة 3/8 — أساسيات DQL · المدة: نحو 60 دقيقة · المستوى: مبتدئ
الأهداف:
- فهم منطق خط المعالجة (pipeline) في DQL.
- استخدام
fetchوfilterوfieldsوsortوlimitلقراءة السجلات. - التجميع باستخدام
summarizeوالاستعلام عن المقاييس باستخدامtimeseries. - كتابة استعلامات اقتصادية ومقروءة.
المتطلبات المسبقة: إتمام الوحدة 2، مع مضيف أو عنقود واحد على الأقل يرسل بيانات.
لغة DQL، أي Dynatrace Query Language، هي المهارة الأعلى مردودًا في مسار Dynatrace SaaS: فلوحات المعلومات (dashboards) وNotebooks وWorkflows وكثير من التطبيقات تعتمد عليها. تعرض هذه الوحدة أساسيات DQL عبر سبعة أوامر تكفي للإجابة عن معظم الأسئلة الشائعة.
الأمثلة بسيطة عمدًا. تتوقف أسماء الحقول المتاحة على مصادرك: إن لم يُرجع استعلام شيئًا، فابدأ بالنظر إلى الحقول الموجودة فعلًا قبل أن تستنتج وجود خطأ.
أساسيات DQL: كيف يُقرأ الاستعلام؟
استعلام DQL هو pipeline. يبدأ بأمر ينتج سجلات، ثم يحوّل كل أمر يفصله خط عمودي | نتيجة الأمر السابق. فيُقرأ من الأعلى إلى الأسفل كسلسلة تحويلات:
fetch logs // 1. read the logs
| filter loglevel == "ERROR" // 2. keep the errors
| limit 20 // 3. show only 20 of them
يختلف هذا النهج عن SQL حيث لا يطابق ترتيب الكتابة ترتيب التنفيذ. في DQL يهم ترتيب الأوامر: التصفية المبكرة تقلل الحجم الذي تعالجه الأوامر اللاحقة.
تتبع الفترة المستعلَم عنها عادةً محدّد الوقت في التطبيق. ويمكن أيضًا تثبيتها في الاستعلام، مثلًا بـ from:now()-2h على الأمر fetch.
قراءة السجلات: fetch وfilter وfields
fetch
يختار fetch المصدر: logs أو spans أو events أو bizevents أو dt.davis.problems أو جدول كيانات مثل dt.entity.host.
fetch logs, from:now()-1h
| limit 5
filter
يُبقي filter السجلات التي تحقق شرطًا. تُدمج الشروط بـ and وor وnot، وتتوفر دوال للسلاسل النصية مثل contains():
fetch logs, from:now()-1h
| filter loglevel == "ERROR" and contains(content, "timeout")
انتبه إلى حالة الأحرف والقيم الدقيقة: قد تكون قيمة loglevel هي "ERROR" وليس "error" بحسب المصدر. وعند الشك اعرض بعض السجلات قبل التصفية.
fields وfieldsAdd
يحتفظ fields بالأعمدة المذكورة فقط، فتصبح النتيجة مقروءة. ويضيف fieldsAdd عمودًا محسوبًا دون حذف الباقي:
fetch logs, from:now()-1h
| filter loglevel == "ERROR"
| fields timestamp, host.name, content
| fieldsAdd longueur = stringLength(content)
الفرز والتحديد: sort وlimit
يرتّب sort النتائج تصاعديًا افتراضيًا أو تنازليًا مع desc. ويقطع limit النتيجة بعد عدد معين من الأسطر:
fetch logs, from:now()-1h
| filter loglevel == "ERROR"
| sort timestamp desc
| limit 50
عادة مفيدة أثناء الاستكشاف: أنهِ كل استعلام استكشافي بـ limit. فهو يوفر عليك جلب آلاف الأسطر التي لن يقرأها أحد.
التجميع باستخدام summarize
يجمّع summarize السجلات ويحسب مجاميع: count() وsum() وavg() وmax()… يحدد المعامل by: أبعاد التجميع. وتسمية المجمَّع تسهّل بقية خط المعالجة:
fetch logs, from:now()-24h
| filter loglevel == "ERROR"
| summarize erreurs = count(), by:{k8s.namespace.name}
| sort erreurs desc
| limit 10
للاطلاع على صيغ جاهزة للاستخدام على الـ spans والمضيفات والمشكلات، راجع أمثلة DQL مع summarize لفرق المناوبة.
يجيب هذا الاستعلام عن سؤال ملموس: أي namespaces في Kubernetes تنتج أكثر الأخطاء خلال 24 ساعة؟ تُجمَّع السجلات بلا namespace تحت قيمة فارغة، وهذا طبيعي بالنسبة إلى السجلات التي لا تأتي من Kubernetes.
للحصول على منحنى انطلاقًا من السجلات، يعدّ الأمر makeTimeseries العناصر في كل فاصل زمني:
fetch logs, from:now()-6h
| filter loglevel == "ERROR"
| makeTimeseries erreurs = count(), interval:10m
الاستعلام عن المقاييس باستخدام timeseries
لا تُقرأ المقاييس بـ fetch بل بـ timeseries الذي يُرجع سلاسل زمنية مباشرة. تحدد الدالة المجمِّعة ومفتاح المقياس وربما الأبعاد:
timeseries cpu = avg(dt.host.cpu.usage), by:{dt.entity.host}, from:now()-2h
يجب أن يكون مفتاح المقياس موجودًا في بيئتك: يقترح محرر الاستعلامات الإكمال التلقائي، فاستخدمه بدل التخمين. وتُعرض النتيجة طبيعيًا بمخطط خطي، وهو ما ستفعله في الوحدة 4.
ما أفضل الممارسات منذ البداية؟
- حصر الفترة في الحد الأدنى اللازم: بيانات أقل مقروءة، واستجابة أسرع، وتكلفة استعلام أقل.
- التصفية قبل التجميع وفي أبكر وقت ممكن في خط المعالجة.
- تسمية المجمَّعات (
erreurs = count()) لتتمكن من فرزها وإعادة استخدامها. - التعليق على الاستعلامات المشتركة باستخدام
//. - الحذر من الأعداد الدقيقة في الأحجام الكبيرة: تحقق في الوثائق من كيفية تطبيق أخذ العيّنات (sampling) وحدود القراءة على استعلامك.
للتعمق في السجلات، يوضح مقال تحليل أنماط السجلات كيف يُنتَج تلقائيًا التحليل (parsing) الذي كنت ستكتبه يدويًا.
تمرين عملي
الخطوة 1 — استكشف السجلات
في notebook جديد نفّذ fetch logs, from:now()-1h | limit 20 ودوّن الحقول الموجودة (المستوى والمضيف وnamespace والمحتوى).
النتيجة المتوقعة: قائمة حقول حقيقية تبني عليها مرشحاتك.
الخطوة 2 — اعزل الأخطاء
أضف filter على مستوى السجل، ثم fields لإبقاء الطابع الزمني والمضيف والمحتوى فقط. رتّب من الأحدث إلى الأقدم.
النتيجة المتوقعة: جدول مقروء لآخر الأخطاء.
الخطوة 3 — عُدّ بحسب المصدر
استبدل fields بـ summarize يعدّ الأخطاء بحسب host.name أو k8s.namespace.name، ثم رتّب.
النتيجة المتوقعة: ترتيب للمصادر الأكثر ضجيجًا.
الخطوة 4 — ارسم مقياسًا
نفّذ استعلام timeseries على CPU للمضيفات واعرضه كمخطط.
النتيجة المتوقعة: منحنى لكل مضيف مراقَب على مدى ساعتين.
اختبار قصير
- ما الرمز الذي يفصل بين أوامر pipeline في DQL؟ أ)
;ب)|ج)&&د)-> - أي أمر يقرأ المقاييس؟ أ)
fetch metricsب)summarizeج)timeseriesد)fields - فيمَ يفيد المعامل
by:فيsummarize؟ أ) في الفرز ب) في تحديد أبعاد التجميع ج) في تحديد عدد الأسطر د) في اختيار الفترة - لماذا نضع
filterمبكرًا في الاستعلام؟ أ) لأنه إلزامي نحويًا ب) لتقليل الحجم الذي تعالجه الأوامر التالية ج) لتفعيل الإكمال التلقائي د) لتغيير الـ bucket
الإجابات
- ب. ينقل الخط العمودي نتيجة أمر إلى الأمر الذي يليه.
- ج. يستعلم
timeseriesعن المقاييس ويُرجع سلاسل زمنية. - ب. يسرد
by:الحقول التي تُحسب المجمَّعات بحسبها. - ب. التصفية المبكرة تقلل البيانات المعالجة، فتقلل زمن الاستجابة والتكلفة.
للمزيد
- تحليل أنماط السجلات: نحو استعلامات DQL قابلة لإعادة الاستخدام
- استيعاب السجلات: كشف الصمت وزيادات الحجم
- استعلامات CPU الفعلية لـ pods في Kubernetes، حالة استخدام كاملة لـ DQL
- الوثائق الرسمية: docs.dynatrace.com، قسم Dynatrace Query Language
← الوحدة 2: نشر OneAgent وDynatrace Operator · فهرس المسار · الوحدة 4: Notebooks وDashboards →
الأسئلة الشائعة
هل تشبه DQL لغة SQL؟
تجد مفاهيم متقاربة (التصفية والتجميع والفرز)، لكن DQL تُكتب كـ pipeline يُقرأ من الأعلى إلى الأسفل. يعتاد عليها مستخدمو SQL بسرعة، ومستخدمو لغات خطوط معالجة السجلات أسرع.
هل لاستعلامات DQL تكلفة؟
بحسب نموذج الترخيص، قد تُحتسب قراءة بعض البيانات بحسب الحجم الممسوح. لذا فإن حصر الفترة والتصفية المبكرة عادتان جيدتان، للسرعة وللميزانية على حد سواء.
أين أجد القائمة الكاملة للأوامر والدوال؟
في الوثائق الرسمية لـ DQL التي تفصّل كل أمر ودالة ونوع بيانات. والإكمال التلقائي في المحرر عون جيد في العمل اليومي.
تكفي سبعة أوامر لمعظم الأسئلة: fetch للاختيار، وfilter وfields للتقليص، وsummarize للعدّ، وsort وlimit للعرض، وtimeseries للمقاييس. تحوّل الوحدة التالية هذه الاستعلامات إلى notebooks ولوحات معلومات.
span.observer مدوّنة مجتمعية مستقلة وغير تابعة لشركة Dynatrace LLC. لا يغني هذا المسار عن الدورات والشهادات الرسمية من Dynatrace University. تحقق دائمًا من الميزات في الوثائق الرسمية الخاصة بإصدارك.