基于 Key-Value 遥测数据的 Kusto 查询分析——展平数据集答案

【问题标题】：Kusto query analysis based on Key-Value telemetry data - flatten dataset基于 Key-Value 遥测数据的 Kusto 查询分析——展平数据集
【发布时间】：2022-11-12 21:26:24
【问题描述】：

我有一个包含遥测数据的 kusto 表，如下所示：

Timestamp	Key	Value
2022-11-10 10:00:01	Position	87.3
2022-11-10 10:00:13	Temperature	10.2
2022-11-10 10:00:55	Temperature	10.4
2022-11-10 10:01:25	Position	81.3
2022-11-10 10:01:42	Temperature	12.2
2022-11-10 10:02:13	Temperature	12.8
2022-11-10 10:02:44	Position	74.3
2022-11-10 10:03:01	Temperature	18.6
2022-11-10 10:03:19	Position	87.3
2022-11-10 10:03:38	Temperature	10.6
2022-11-10 10:04:00	Temperature	10.7
2022-11-10 10:04:00	Temperature	10.1
2022-11-10 10:04:25	Position	80.3
2022-11-10 10:04:59	Temperature	12.6

我想进行一些分析，计算某个区域的平均温度；在5分钟的桶中。因此，我想对发送的最新位置的所有温度进行平均，直到位置更新：

我想要如下的东西

Timestamp	Area	Temperature
2022-11-10 10:00:00	1	10.4
2022-11-10 10:00:00	2	12,53
2022-11-10 10:00:00	3	18.6

我尝试使用基于键值的区域和温度列来扩展表：

Timestamp	Key	Value	Area	Temperature
2022-11-10 10:00:01	Position	87.3	1
2022-11-10 10:00:13	Temperature	10.2		10.2
2022-11-10 10:00:55	Temperature	10.4		10.4
2022-11-10 10:01:25	Position	81.3	2
2022-11-10 10:01:42	Temperature	12.2		12.2
2022-11-10 10:02:13	Temperature	12.8		12.8
2022-11-10 10:02:44	Position	74.3	3
2022-11-10 10:03:01	Temperature	18.6		18.6
2022-11-10 10:03:19	Position	87.3	1
2022-11-10 10:03:38	Temperature	10.6		10.6
2022-11-10 10:04:00	Temperature	10.7		10.7
2022-11-10 10:04:00	Temperature	10.1		10.1
2022-11-10 10:04:25	Position	80.3	2
2022-11-10 10:04:59	Temperature	12.6		12.6

然后我尝试用找到的前一个非空值和一个聚合来填充空值，但是 prev() 函数不允许找到以前的非空值。

目前我对如何实现我的目标没有任何想法。

【问题讨论】：

您的示例数据中没有“区域”。它是从哪里冒出来的？要求的结果是什么？转型逻辑是什么？

标签： azure-data-explorer kql telemetry kusto-explorer

【解决方案1】：

您可以使用scan operator 来分析序列。这是一个可能的解决方案，但没有区号和 4 个不同的位置。

datatable (Timestamp: datetime, Key: string, Value: real) [
    datetime(2022-11-10 10:00:01), "Position", 87.3,
    datetime(2022-11-10 10:00:13), "Temperature", 10.2,
    datetime(2022-11-10 10:00:55), "Temperature", 10.4,
    datetime(2022-11-10 10:01:25), "Position", 81.3,
    datetime(2022-11-10 10:01:42), "Temperature", 12.2,
    datetime(2022-11-10 10:02:13), "Temperature", 12.8,
    datetime(2022-11-10 10:02:44), "Position", 74.3,
    datetime(2022-11-10 10:03:01), "Temperature", 18.6,
    datetime(2022-11-10 10:03:19), "Position", 87.3,
    datetime(2022-11-10 10:03:38), "Temperature", 10.6,
    datetime(2022-11-10 10:04:00), "Temperature", 10.7,
    datetime(2022-11-10 10:04:00), "Temperature", 10.1,
    datetime(2022-11-10 10:04:25), "Position", 80.3,
    datetime(2022-11-10 10:04:59), "Temperature", 12.6,
]
| sort by Timestamp asc
| scan declare (Position: real) with (
    step Pos output= none: Key == "Position";
    step Temp: Key == "Temperature" => Position= Pos.Value;
)
| summarize round(avg(Value), 2) by Position

结果：

Position	avg_Value
87.3	10.4
81.3	12.5
74.3	18.6
80.3	12.6

【讨论】：