Cómo construir un panel en Azure Cloud utilizando consultas de App Insights con KQL generadas por un LLM

Construir un panel robusto y útil en Azure Application Insights con KQL (Kusto Query Language) permite a los equipos de desarrollo monitorear y analizar el rendimiento de su aplicación y el comportamiento de los usuarios. Esta guía te llevará a través de la creación de un panel con ejemplos de KPIs y gráficos correspondientes. No sé nada sobre KQL, pero usaré una LLM para generar las consultas que necesito.

¿Por qué usar App Insights y KQL?

Azure Application Insights es una herramienta poderosa para rastrear la salud, el uso y el rendimiento de tus aplicaciones. Combinado con KQL, proporciona una flexibilidad incomparable para consultar y visualizar datos. Al final de esta guía, tendrás un panel claro y accionable con métricas como el número de usuarios, mensajes y usuarios activos vs. inactivos.

Configuración de tu panel

Accede a Application Insights: Navega a tu resource de Application Insights en el portal de Azure.

Abre la herramienta de Logs (Analytics): Aquí es donde escribirás tus consultas KQL.

Crea métricas y visualizaciones: Escribe consultas para los KPIs, luego guárdalas como partes de un workbook compartido o dashboard.

Enviar user_Id a App Insights

Configura la telemetría en tu aplicación:

Para aplicaciones que usan el SDK de Application Insights, enriquece los datos de telemetría configurando el contexto de user_Id.

Ejemplo para .NET:

var telemetryClient = new TelemetryClient();
telemetryClient.Context.User.Id = "user123";
telemetryClient.TrackTrace("Sample trace with user ID");

Ejemplo para JavaScript:

appInsights.setAuthenticatedUserContext("user123"); 
appInsights.trackTrace({ message: "Sample trace with user ID" });

Verifica los datos:

Revisa tus trazas en Application Insights para confirmar que user_Id se está registrando.

Modifica tus consultas KQL:

Una vez que user_Id esté disponible en las trazas, puedes usarlo en tus consultas para analizar datos específicos de los usuarios.

Principales KPIs a incluir en tu panel

Usuarios totales

Esta métrica te da el conteo de usuarios únicos que interactúan con tu aplicación.

Query:

traces
| where timestamp >= startofday(now() - 30d)
| summarize TotalUsers = dcount(user_Id)

Chart: Muestra como un solo número o en un gráfico de columnas mostrando tendencias a lo largo del tiempo.

Mensajes totales

El número total de mensajes enviados en tu aplicación.

Query:

traces
| where timestamp >= startofday(now() - 30d)
| summarize TotalMessages = count()

Chart: Número total o un gráfico de tiempo para mostrar tendencias.

Top usuarios por número de mensajes

Identifica a los usuarios más activos según el número de mensajes que enviaron.

Query:

traces
| where timestamp >= startofday(now() - 30d)
| summarize MessageCount = count() by user_Id
| top 10 by MessageCount desc

Chart: Gráfico de barras mostrando los 10 principales usuarios y sus mensajes acumulados.

Mensajes por día

Rastrea el volumen de mensajes enviados diariamente para identificar tendencias de uso.

Query:

traces
| where timestamp >= startofday(now() - 30d)
| summarize DailyMessages = count() by bin(timestamp, 1d)

Chart: Gráfico de líneas o columnas para mostrar la actividad diaria.

Usuarios activos vs. inactivos

Analiza el engagement de los usuarios categorizándolos como activos (que enviaron al menos un mensaje) o inactivos.

Query:

let ActiveUsers = traces
    | where timestamp >= startofday(now() - 30d)
    | summarize ActiveUserCount = dcount(user_Id);
let TotalUsers = traces
    | summarize TotalUserCount = dcount(user_Id);
union (ActiveUsers | extend Category = 'Active')
     (TotalUsers | extend Category = 'Inactive', Count = TotalUserCount - ActiveUserCount)

Chart: Gráfico de torta mostrando la proporción de usuarios activos vs. inactivos.

Construir el panel

Agregar consultas al workbook: Guarda cada consulta como una ficha separada en un workbook de Application Insights.

Personalizar visualizaciones: Ajusta los tipos de gráficos y los diseños para hacer que el panel sea intuitivo.

Configurar alertas: Configura alertas basadas en umbrales para cualquier KPI, como una caída repentina de usuarios activos.

Ejemplo de salida del output

A continuación, se muestran ejemplos de gráficos generados con las consultas:

Mensajes diarios (Bar chart)

Top usuarios por número de mensajes Count (Pie chart)

Tendencia de mensajes a lo largo del tiempo (Time series)

Tendencia de usuarios a lo largo del tiempo (Area chart)

Lecciones aprendidas

Usar LLM para generar consultas: Automatiza la creación de consultas usando una LLM. La LLM es bastante buena creando estas consultas para ti.

Limpieza de datos: Asegúrate de que tus registros contengan datos limpios y consistentes para evitar malas interpretaciones.

Eficiencia: Usa funciones de resumen como summarize y dcount para optimizar las consultas.

Compromiso de usuarios: Monitorear usuarios activos vs. inactivos es crucial para estrategias de retención.

Visualización: Elige los tipos de gráficos cuidadosamente para maximizar la claridad e impacto.

Automatización: Automatiza la actualización de tu panel para que siempre refleje los datos más recientes.

Conclusión

Construir un panel con Azure Application Insights y KQL otorga a los equipos información accionable. Al enfocarse en KPIs relevantes como la actividad de los usuarios y las tendencias de uso, puedes comprender mejor el rendimiento de tu aplicación y el comportamiento de los usuarios. Incorporar las lecciones aprendidas asegura que tu panel sea efectivo y sostenible.

Usa la LLM para generar las consultas KQL y empieza a crear tu propio panel hoy y desbloquea el potencial de los datos de tu aplicación.