Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of mappen te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen om mappen te wijzigen.
Notitie
De Time Series Insights-service wordt op 7 juli 2024 buiten gebruik gesteld. Overweeg om bestaande omgevingen zo snel mogelijk naar alternatieve oplossingen te migreren. Voor meer informatie over de afschaffing en migratie, ga naar onze documentatie.
Overzicht
Eventhouse is de tijdreeksdatabase in Real-Time Intelligence. Het fungeert als het doel voor het migreren van gegevens van Time Series Insights.
Voorwaarden
- Een werkruimte met een Microsoft Fabric-ingeschakelde capaciteit
- Een event house in uw werkruimte
Nieuwe gegevens opnemen
Gebruik de volgende stappen om nieuwe gegevens op te nemen in uw Eventhouse:
Configureer uw Event Hub- met een nieuwe consumentengroep.
Verzamel gegevens uit de gegevensbron en voer deze in uw Eventhouse in. Raadpleeg de documentatie over het opnemen van gegevens vanuit uw event hub.
Historische gegevens migreren vanuit Time Series Insights
Als u gegevens wilt exporteren uit uw Time Series Insights-omgeving, kunt u de Time Series Insights-query-API gebruiken om de gebeurtenissen in batches te downloaden en ze te serialiseren in de vereiste indeling. Afhankelijk van waar u de geƫxporteerde gegevens hebt opgeslagen, kunt u de gegevens opnemen uit Azure Storage-, lokale bestandenof OneLake.
Referentiegegevens migreren
Gebruik de volgende stappen om referentiegegevens te migreren:
Gebruik Time Series Insights Explorer of de API voor referentiegegevens om de referentiegegevensset te downloaden.
Zodra u de referentiegegevensset hebt, upload deze als een andere tabel naar uw Eventhouse. Door de referentiegegevensset te uploaden, kunt u deze openen en gebruiken in uw Eventhouse-omgeving.
Time Series Insights-queries vertalen naar Kusto-querytaal
Voor query's wordt aangeraden Kusto Query Language te gebruiken in Eventhouse.
Gebeurtenissen
{
"searchSpan": {
"from": "2021-11-29T22:09:32.551Z",
"to": "2021-12-06T22:09:32.551Z"
},
"predicate": {
"predicateString": "([device_id] = 'device_0') AND ([has_error] != null OR [error_code] != null)"
},
"top": {
"sort": [
{
"input": {
"builtInProperty": "$ts"
},
"order": "Desc"
}
],
"count": 100
}
}
events
| where _timestamp >= datetime("2021-11-29T22:09:32.551Z") and _timestamp < datetime("2021-12-06T22:09:32.551Z") and deviceid == "device_0" and (not(isnull(haserror)) or not(isempty(errorcode)))
| top 100 by _timestamp desc
Aggregaten
{
"searchSpan": {
"from": "2021-12-04T22:30:00Z",
"to": "2021-12-06T22:30:00Z"
},
"predicate": {
"eq": {
"left": {
"property": "DeviceId",
"type": "string"
},
"right": "device_0"
}
},
"aggregates": [
{
"dimension": {
"uniqueValues": {
"input": {
"property": "DeviceId",
"type": "String"
},
"take": 1
}
},
"aggregate": {
"dimension": {
"dateHistogram": {
"input": {
"builtInProperty": "$ts"
},
"breaks": {
"size": "2d"
}
}
},
"measures": [
{
"count": {}
},
{
"sum": {
"input": {
"property": "DataValue",
"type": "Double"
}
}
},
{
"min": {
"input": {
"property": "DataValue",
"type": "Double"
}
}
},
{
"max": {
"input": {
"property": "DataValue",
"type": "Double"
}
}
}
]
}
}
]
}
let _q = events | where _timestamp >= datetime("2021-12-04T22:30:00Z") and _timestamp < datetime("2021-12-06T22:30:00Z") and deviceid == "device_0";
let _dimValues0 = _q | project deviceId | sample-distinct 1 of deviceId;
_q
| where deviceid in (_dimValues0) or isnull(deviceid)
| summarize
_meas0 = count(),
_meas1 = iff(isnotnull(any(datavalue)), sum(datavalue), any(datavalue)),
_meas2 = min(datavalue),
_meas3 = max(datavalue),
by _dim0 = deviceid, _dim1 = bin(_timestamp, 2d)
| project
_dim0,
_dim1,
_meas0,
_meas1,
_meas2,
_meas3,
| sort by _dim0 nulls last, _dim1 nulls last