Como criar uma tabela em KQL e ingerir dados: exemplo

Antes de poderes consultar dados em tempo real, precisas de um sítio onde os guardar. Criar uma tabela em KQL e ingerir alguns registos de exemplo é o primeiro passo prático de qualquer projeto de Real-Time Intelligence no Microsoft Fabric. Com apenas dois comandos, ficas com uma tabela pronta a receber dados e a responder às tuas primeiras consultas.

Pré-requisitos

• Uma área de trabalho (workspace) do Microsoft Fabric com capacidade ativa.
• Um Eventhouse com uma base de dados KQL (KQL Database) já criada.
• Permissões para executar comandos de gestão (control commands) nessa base de dados.
• Noções básicas de KQL — se nunca escreveste uma consulta, não faz mal, os exemplos são simples.

Passo 1: Abrir o KQL Queryset

No Microsoft Fabric, os dados de tempo real vivem num Eventhouse, que contém uma ou mais bases de dados KQL. Abre a tua base de dados KQL e usa o separador de consulta para abrir um KQL Queryset. É neste editor que vais correr tanto os comandos de gestão (começados por ponto) como as consultas. Antes de continuar, confirma no canto superior que está selecionada a base de dados correta, para não criares a tabela no sítio errado.

Passo 2: Criar a tabela com .create table

Para criar uma tabela em KQL, usa o comando .create table, indicando o nome da tabela e, entre parênteses, o nome e o tipo de cada coluna. Vamos criar uma tabela simples para leituras de sensores, com data/hora, identificador do dispositivo e temperatura.

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

Os tipos mais comuns em KQL são datetime, string, int, long, real e bool. Usa sempre datetime nas colunas de tempo: é esse tipo que, mais tarde, te permite filtrar e agrupar os dados por período. Depois de executar o comando, a tabela aparece na lista lateral, ainda vazia.

Passo 3: Ingerir dados de exemplo com .ingest inline

Com a tabela criada, podemos inserir alguns registos à mão com .ingest inline. Cada linha corresponde a um registo, e os valores seguem exatamente a mesma ordem das colunas, separados por vírgula.

.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

Repara no formato da data: 2026-07-05T08:00:00Z segue o padrão ISO 8601 e o Z final indica hora UTC. Este método inline é ideal para testes e demonstrações. Em produção, os dados costumam chegar por um Eventstream ou a partir de ficheiros, mas a tabela de destino é criada exatamente da mesma forma.

Dica: os comandos de gestão começam por ponto (.create, .ingest) e as consultas começam pelo nome da tabela. Executa cada bloco separadamente — juntar os dois é um erro comum em quem está a começar.

Passo 4: Fazer a primeira consulta

Agora que a tabela tem dados, experimenta uma consulta simples. O operador take devolve algumas linhas para veres rapidamente o conteúdo:

Leituras
| take 10

Se tudo correr bem, vês as quatro leituras que ingeriste, com as três colunas que definiste. A partir daqui, podes começar a filtrar por dispositivo ou por intervalo de tempo.

Verificar o resultado

Para confirmar que os dados ficaram mesmo guardados, conta os registos da tabela:

Leituras
| summarize Total = count()

Deves obter 4, o número exato de linhas que ingeriste. Para veres o esquema — as colunas e os respetivos tipos — corre Leituras | getschema e confirma que corresponde ao que definiste no Passo 2. Se o número não bater certo, verifica se executaste o comando .ingest na base de dados correta.

Conclusão

Com dois comandos criaste uma tabela KQL e colocaste lá dados prontos a explorar — a base sobre a qual assentam dashboards, funções e alertas em tempo real. O próximo passo natural é aprender a filtrar e a agrupar estas leituras por período de tempo, para transformares registos soltos em tendências úteis. Qual seria a tua primeira pergunta: qual o sensor mais quente, ou como evolui a temperatura ao longo do dia?