Cómo crear una tabla en KQL e ingerir datos: ejemplo

João Barros 05 de July de 2026 4 min de lectura

Antes de poder consultar datos en tiempo real, necesitas un lugar donde guardarlos. Crear una tabla en KQL e ingerir algunos registros de ejemplo es el primer paso práctico de cualquier proyecto de Real-Time Intelligence en Microsoft Fabric. Con solo dos comandos, obtienes una tabla lista para recibir datos y responder a tus primeras consultas.

Requisitos previos

Un área de trabajo (workspace) de Microsoft Fabric con capacidad activa.
Un Eventhouse con una base de datos KQL (KQL Database) ya creada.
Permisos para ejecutar comandos de gestión (control commands) en esa base de datos.
Nociones básicas de KQL — si nunca has escrito una consulta, no te preocupes, los ejemplos son sencillos.

Paso 1: Abrir el KQL Queryset

En Microsoft Fabric, los datos en tiempo real viven en un Eventhouse, que contiene una o varias bases de datos KQL. Abre tu base de datos KQL y usa la pestaña de consulta para abrir un KQL Queryset. En este editor ejecutas tanto los comandos de gestión (que empiezan por punto) como las consultas. Antes de continuar, confirma en la esquina superior que está seleccionada la base de datos correcta, para no crear la tabla en el lugar equivocado.

Paso 2: Crear la tabla con .create table

Para crear una tabla en KQL, usa el comando .create table, indicando el nombre de la tabla y, entre paréntesis, el nombre y el tipo de cada columna. Vamos a crear una tabla sencilla para lecturas de sensores, con fecha y hora, identificador del dispositivo y temperatura.

.create table Leituras (
    Timestamp: datetime,
    Dispositivo: string,
    Temperatura: real
)

Los tipos más comunes en KQL son datetime, string, int, long, real y bool. Usa siempre datetime en las columnas de tiempo: es el tipo que, más adelante, te permite filtrar y agrupar los datos por período. Después de ejecutar el comando, la tabla aparece en la lista lateral, todavía vacía.

Paso 3: Ingerir datos de ejemplo con .ingest inline

Con la tabla creada, podemos insertar algunos registros a mano con .ingest inline. Cada línea es un registro, y los valores siguen exactamente el mismo orden que las columnas, separados por comas.

.ingest inline into table Leituras <|
2026-07-05T08:00:00Z,sensor-01,21.4
2026-07-05T08:05:00Z,sensor-01,21.9
2026-07-05T08:05:00Z,sensor-02,23.1
2026-07-05T08:10:00Z,sensor-02,22.7

Fíjate en el formato de la fecha: 2026-07-05T08:00:00Z sigue el estándar ISO 8601, y la Z final indica hora UTC. Este método inline es ideal para pruebas y demostraciones. En producción, los datos suelen llegar mediante un Eventstream o desde archivos, pero la tabla de destino se crea exactamente igual.

Consejo: los comandos de gestión empiezan por punto (.create, .ingest) y las consultas empiezan por el nombre de la tabla. Ejecuta cada bloque por separado — mezclar los dos es un error común al empezar.

Paso 4: Hacer tu primera consulta

Ahora que la tabla tiene datos, prueba una consulta sencilla. El operador take devuelve algunas filas para que veas rápidamente el contenido:

Leituras
| take 10

Si todo ha ido bien, ves las cuatro lecturas que ingeriste, con las tres columnas que definiste. A partir de aquí, puedes empezar a filtrar por dispositivo o por intervalo de tiempo.

Verificar el resultado

Para confirmar que los datos se guardaron realmente, cuenta los registros de la tabla:

Leituras
| summarize Total = count()

Debes obtener 4, el número exacto de filas que ingeriste. Para ver el esquema — las columnas y sus tipos — ejecuta Leituras | getschema y comprueba que coincide con lo que definiste en el Paso 2. Si el número no cuadra, asegúrate de haber ejecutado el comando .ingest en la base de datos correcta.

Conclusión

Con dos comandos has creado una tabla KQL y cargado datos listos para explorar — la base sobre la que se apoyan los dashboards, las funciones y las alertas en tiempo real. El siguiente paso natural es aprender a filtrar y agrupar estas lecturas por período de tiempo, convirtiendo registros sueltos en tendencias útiles. ¿Cuál sería tu primera pregunta: qué sensor es el más caliente, o cómo evoluciona la temperatura a lo largo del día?