Del via

EVALUATEANDLOG

  • Artikkel

gjelder:beregnet kolonneberegnet tabellmålevisualobjektberegning

Returnerer verdien for det første argumentet, og logger det i en DAX evalueringsloggprofilhendelse. Denne funksjonen er bare fullt funksjonell i Power BI Desktop. Det fungerer som en enkel gjennomgangsfunksjon i andre miljøer.

Syntaks

EVALUATEANDLOG(<Value>, [Label], [MaxRows])

Parametere

Vilkår Definisjon
Value Alle skalaruttrykk eller tabelluttrykk som skal evalueres og logges.
Label (Valgfritt) En konstant streng som er inkludert i både json-teksten og Etikett-kolonnen i DAX evalueringslogghendelsen som enkelt kan brukes til å identifisere en forekomst av funksjonskallet.
MaxRows (Valgfritt) Maksimalt antall rader i json-teksten i hendelsen DAX evalueringslogg når det første argumentet er et tabelluttrykk. Standard er 10.

Returverdi

Verdien for det første argumentet.

JSON-strukturen som er logget på en DAX evalueringsloggprofilhendelse, omfatter:

  • expression er tekstversjonen av det første argumentet.
  • label er etikettparameteren når angitt i uttrykket.
  • inputs er en liste over kolonner i evalueringskonteksten som påvirker verdiene i det første argumentet.
  • outputs er en liste over én kolonne [Verdi] når det første argumentet er et skalaruttrykk og en liste over utdatakolonner når det første argumentet er et tabelluttrykk.
  • data er en liste over inndataverdier og utdataverdier når det første argumentet er et skalaruttrykk, og en liste over inndataverdier og tilsvarende utdatarader når det første argumentet er et tabelluttrykk.
  • rowCount er antall rader når det første argumentet er et tabelluttrykk. Selv om antall rader i json-utdataene avkortes av MaxRows-parameteren, er rowCount det reelle antallet rader uten avkorting.

Merknader

  • Sporingshendelser kan fanges opp ved hjelp av SQL Server Profiler- og verktøyet DAX feilsøkingsutdata med åpen kildekode.

  • Denne funksjonen kan brukes med nesten alle underuttrykk i et DAX uttrykk, og hele uttrykket vil fortsatt være gyldig.

  • Når det første argumentet evalueres flere ganger i én enkelt spørring, genererer funksjonen en enkelt DAX evalueringslogghendelse som inneholder både inndataverdiene og de tilsvarende utdataverdiene.

  • Når etikettparameteren er angitt, returneres verdien i både json-utdataene og Etikett-kolonnen i hendelsen DAX evalueringslogg.

  • Hvis det første argumentet er et tabelluttrykk, vises bare de øverste MaxRows-radene i hendelsen DAX evalueringslogg.

  • I noen tilfeller utføres ikke denne funksjonen på grunn av optimaliseringer.

  • Hvis hendelsen DAX evalueringslogg er større enn én million tegn, avkortes den for å bevare riktig jsonstruktur.

Eksempel 1

Følgende DAX spørring:

evaluate
SUMMARIZE(
    EVALUATEANDLOG(FILTER(Sales, [ProductKey] = 528)),
    Sales[SalesTerritoryKey],
    "sum",
    sum(Sales[Sales Amount])
)

Returnerer følgende DAX evalueringslogghendelse:

{
    "expression": "FILTER(Sales, [ProductKey] = 528)",
    "inputs": [],
    "outputs": ["'Sales'[SalesOrderLineKey]", "'Sales'[ResellerKey]", "'Sales'[CustomerKey]", "'Sales'[ProductKey]", "'Sales'[OrderDateKey]", "'Sales'[DueDateKey]", "'Sales'[ShipDateKey]", "'Sales'[SalesTerritoryKey]", "'Sales'[Order Quantity]", "'Sales'[Unit Price]", "'Sales'[Extended Amount]", "'Sales'[Product Standard Cost]", "'Sales'[Total Product Cost]", "'Sales'[Sales Amount]", "'Sales'[Unit Price Discount Pct]"],
    "data": [
        {
            "input": [],
            "rowCount": 3095,
            "output": [
                [52174001, -1, 23785, 528, 20190707, 20190717, 20190714, 1, 1, 4.99, 4.99, 1.8663, 1.8663, 4.99, 0.0],
                [52173001, -1, 26278, 528, 20190707, 20190717, 20190714, 1, 1, 4.99, 4.99, 1.8663, 1.8663, 4.99, 0.0],
                [52082001, -1, 23831, 528, 20190705, 20190715, 20190712, 1, 1, 4.99, 4.99, 1.8663, 1.8663, 4.99, 0.0],
                [52054002, -1, 11207, 528, 20190704, 20190714, 20190711, 1, 1, 4.99, 4.99, 1.8663, 1.8663, 4.99, 0.0],
                [52036001, -1, 25337, 528, 20190704, 20190714, 20190711, 1, 1, 4.99, 4.99, 1.8663, 1.8663, 4.99, 0.0],
                [51939002, -1, 23670, 528, 20190702, 20190712, 20190709, 1, 1, 4.99, 4.99, 1.8663, 1.8663, 4.99, 0.0],
                [51911002, -1, 11746, 528, 20190701, 20190711, 20190708, 1, 1, 4.99, 4.99, 1.8663, 1.8663, 4.99, 0.0],
                [51379003, -1, 13745, 528, 20190612, 20190622, 20190619, 1, 1, 4.99, 4.99, 1.8663, 1.8663, 4.99, 0.0],
                [51264002, -1, 11282, 528, 20190605, 20190615, 20190612, 1, 1, 4.99, 4.99, 1.8663, 1.8663, 4.99, 0.0],
                [51184003, -1, 11263, 528, 20190531, 20190610, 20190607, 1, 1, 4.99, 4.99, 1.8663, 1.8663, 4.99, 0.0]
            ]
        }
    ]
}

Eksempel 2

Følgende DAX spørring med et skalarargument og forskjellige attributter:

evaluate
SELECTCOLUMNS(
    TOPN(5, Customer),
    [Customer],
    "Customer",
    EVALUATEANDLOG([Customer] & ", " & [Country-Region], "customerLog")
)

Returnerer følgende DAX evalueringslogghendelse:

{
    "expression": "[Customer] & \", \" & [Country-Region]",
    "label": "customerLog",
    "inputs": ["'Customer'[Customer]", "'Customer'[Country-Region]"],
    "data": [
        {
            "input": ["Russell Xie", "United States"],
            "output": "Russell Xie, United States"
        },
        {
            "input": ["Savannah Baker", "United States"],
            "output": "Savannah Baker, United States"
        },
        {
            "input": ["Maurice Tang", "United States"],
            "output": "Maurice Tang, United States"
        },
        {
            "input": ["Emily Wood", "United States"],
            "output": "Emily Wood, United States"
        },
        {
            "input": ["Meghan Hernandez", "United States"],
            "output": "Meghan Hernandez, United States"
        }
    ]
}

Relatert innhold

TOCSV TOJSON