prev()
Si applica a: ✅Microsoft Fabric✅Azure Esplora dati✅ Azure Monitor✅Microsoft Sentinel
Restituisce il valore di una colonna specifica in una riga specificata. La riga specificata si trova in corrispondenza di un offset specificato dalla riga corrente in un set di righe serializzato.
Sintassi
prev(column, [ offset ], [ default_value ] )
Altre informazioni sulle convenzioni di sintassi.
Parametri
| Nome | Digita | Obbligatorio | Descrizione |
|---|---|---|---|
| column | string |
✔️ | Colonna da cui ottenere i valori. |
| offset | int |
Offset da tornare indietro nelle righe. Il valore predefinito è 1. | |
| default_value | scalare | Valore predefinito da utilizzare quando non sono presenti righe precedenti da cui accettare il valore. Il valore predefinito è null. |
Esempi
Filtrare i dati in base al confronto tra righe adiacenti
La query seguente restituisce righe che mostrano interruzioni più lunghe di un quarto di secondo tra le chiamate a sensor-9.
TransformedSensorsData
| where SensorName == 'sensor-9'
| sort by Timestamp asc
| extend timeDiffInMilliseconds = datetime_diff('millisecond', Timestamp, prev(Timestamp, 1))
| where timeDiffInMilliseconds > 250
Output
| Timestamp: | SensorName | Valore | PublisherId | MachineId | timeDiff |
|---|---|---|---|---|---|
| 2022-04-13T00:58:53.048506Z | sensor-9 | 0.39217481975439894 | fdbd39ab-82ac-4ca0-99ed-2f83daf3f9bb | M100 | 251 |
| 2022-04-13T01:07:09.63713Z | sensor-9 | 0.46645392778288297 | e3ed081e-501b-4d59-8e60-8524633d9131 | M100 | 313 |
| 2022-04-13T01:07:10.858267Z | sensor-9 | 0.693091598493419 | 278ca033-2b5e-4f2c-b493-00319b275aea | M100 | 254 |
| 2022-04-13T01:07:11.203834Z | sensor-9 | 0.52415808840249778 | 4ea27181-392d-4947-b811-ad5af02a54bb | M100 | 331 |
| 2022-04-13T01:07:14.431908Z | sensor-9 | 0.35430645405452 | 0af415c2-59dc-4a50-89c3-9a18ae5d621f | M100 | 268 |
| ... | ... | ... | ... | ... | ... |
Eseguire l'aggregazione in base al confronto tra righe adiacenti
La query seguente calcola la differenza di tempo media in millisecondi tra le chiamate a sensor-9.
TransformedSensorsData
| where SensorName == 'sensor-9'
| sort by Timestamp asc
| extend timeDiffInMilliseconds = datetime_diff('millisecond', Timestamp, prev(Timestamp, 1))
| summarize avg(timeDiffInMilliseconds)
Output
| avg_timeDiffInMilliseconds |
|---|
| 30.726900061254298 |
Estendere la riga con i dati della riga precedente
Nella query seguente, come parte della serializzazione eseguita con l'operatore serialize, viene aggiunta una nuova colonna previous_session_type con i dati della riga precedente. Poiché non è stata eseguita alcuna sessione prima della prima sessione, la colonna è vuota nella prima riga.
ConferenceSessions
| where conference == 'Build 2019'
| serialize previous_session_type = prev(session_type)
| project time_and_duration, session_title, session_type, previous_session_type
Output
| time_and_duration | session_title | session_type | previous_session_type |
|---|---|---|---|
| Lun, 6 maggio, 8:30-10:00 | Vision Keynote - Satya Nadella | Interventi | |
| Lunedì, 6 maggio, 1:20-1:40 pm | Azure Esplora dati: Analisi avanzata delle serie temporali | Sessione Expo | Interventi |
| Lun, 6 maggio, 2:00-3:00 pm | Piattaforma dati di Azure - Powering Modern Applications and Cloud Scale Analytics at Petabyte Scale Scale (Piattaforma dati di Azure - Powering Modern Applications and Cloud Scale Analytics at Petabyte Scale) | Evasione | Sessione Expo |
| Lun, 6 maggio, 4:00-4:20 pm | Come BASF usa Servizi dati di Azure | Sessione Expo | Evasione |
| Lun, 6 maggio, 6:50 - 7:10 pm | Azure Esplora dati: rendere operativi i modelli di Machine Learning | Sessione Expo | Sessione Expo |
| ... | ... | ... | ... |