azure-monitor-query-py

azure-monitor-query-py 技能概览

azure-monitor-query-py 的作用

azure-monitor-query-py 技能帮助你使用 azure-monitor-query 从 Python 查询 Azure Monitor 的日志和指标。它最适合需要检查运维数据、构建诊断工具，或围绕 Log Analytics 工作区和 Azure 资源自动化可观测性流程的后端工程师。

这个技能最适合什么场景

当你的工作是拉取 Kusto 风格的日志结果、读取指标，或者把 Azure 监控数据接入 Python 服务、脚本或后端工具时，就该使用 azure-monitor-query-py skill。它非常适合事件响应工具、定时报表、服务健康检查和数据采集任务。

安装前最该确认的事

决定是否执行 azure-monitor-query-py install 的关键，不是先看代码，而是看你是否已经具备 Azure 身份认证方案，以及对应的资源标识。日志查询需要 Log Analytics workspace ID；指标查询需要 resource URI。如果这些输入还没有准备好，这个技能目前就帮不上忙。

如何使用 azure-monitor-query-py 技能

安装并确认包可用

先使用技能中给出的包名，然后确认你的 Python 环境能够导入所需的客户端类。核心安装命令如下：

pip install azure-monitor-query

如果你是在仓库里评估 azure-monitor-query-py usage，在手动添加依赖之前，先确认项目是否已经通过 requirements.txt、pyproject.toml 或 lockfile 管理依赖。

先把技能需要的输入准备齐

做日志查询时，准备好：

• AZURE_LOG_ANALYTICS_WORKSPACE_ID
• 可以读取该 workspace 的 Azure credential
• 你要执行的 Kusto 查询
• 时间范围或持续时长

做指标查询时，准备好：

• AZURE_METRICS_RESOURCE_URI
• 你需要的 metric 名称和聚合方式
• time grain 或 interval
• Azure credential

这些信息决定了这是不是一个有效的问题，也决定了 azure-monitor-query-py guide 能不能产出真正有用的结果。

直接把真实任务说清楚

好的 prompt 会明确目标资源、查询目的和输出格式。比如：

“使用 azure-monitor-query-py 查询我 Log Analytics workspace 过去 24 小时内的失败请求，按 cloud_RoleName 分组，并返回一个打印 top 10 结果的 Python 示例。”

这比“告诉我怎么用 LogsQueryClient”更有效，因为前者提供了查询意图、时间窗口和结果格式，技能更容易给出可执行的答案。

先读对文件

先从 SKILL.md 开始，再检查附近的 package 或 repo 元数据，确认支持的使用模式。对这个技能来说，最重要的实践内容通常是安装方式、环境变量、认证，以及 logs 和 metrics 的客户端示例。如果你的后端工作依赖生产环境身份，请在写代码前先认真看 credential 相关说明。

azure-monitor-query-py 技能 FAQ

这只适合 Azure 后端开发吗？

不只如此。azure-monitor-query-py 技能适用于任何需要 Azure Monitor 数据的 Python 工作流，但它对 azure-monitor-query-py for Backend Development 尤其有价值，因为它非常契合服务监控、告警支持和运维自动化。

什么时候不该用它？

如果你只需要看 dashboard、没有 Azure 权限，或者任务并不涉及直接读取日志或指标，就不该用它。对于一次性的概念性问题，普通 prompt 通常已经够了；这个技能是给真正要做 Python 集成的场景用的。

它和普通 prompt 的主要区别是什么？

普通 prompt 可能只是解释 Azure Monitor 的原理。azure-monitor-query-py skill 的目标，是输出可直接使用的实现步骤、客户端初始化方式，以及符合该包输入和认证模型的查询模式。

对新手友好吗？

如果你已经知道要查询哪个 workspace 或 resource，它是友好的。若你还在摸索 Azure 认证、resource ID 或 Kusto 语法，它就没那么友好，因为这些都是拿到有效结果的必要条件。

如何改进 azure-monitor-query-py 技能

先把监控目标说到位

最好的结果来自具体问题：比如“查最近 30 分钟内的 5xx 响应”“拉取这台 VM 的 CPU 指标”“按服务名汇总错误”。目标越具体，azure-monitor-query-py 越容易选对客户端、查询结构和时间范围。

一开始就给出 Azure 上下文

提前提供 workspace ID 或 resource URI，并说明你用的是本地开发凭据还是 managed identity。如果 prompt 里漏掉了身份信息，输出可能在理论上没错，但放到生产环境里就不完整。

要能直接运行的代码，不要只要需要返工的片段

你可以明确要求一次性给出 imports、客户端创建、查询执行和结果处理。比如，说明你希望得到一个能处理空结果、必要时分页，并输出结构化日志内容的脚本。这样可以减少一种常见问题：答案技术上正确，但还不能直接部署。

持续迭代查询形状和输出

第一轮结果出来后，再根据后端真正需要的内容继续收敛：更窄的时间窗口、更好的过滤条件、更安全的凭据处理，或者给另一个服务使用的 JSON 输出。如果你是在生产工具里使用 azure-monitor-query-py usage，通常比起改库调用本身，继续打磨查询和输出格式更重要。