[英]Kusto query to cluster time-series data into 'sessions' and assign sessionId
我有以下格式的时间序列数据:
数据表(元素:字符串,时间戳:日期时间,值:长)
对于每个元素,都有一个时间戳和时间戳的关联值。 如果一个元素的 2 个连续时间戳相隔 X 分钟以上,则它们被认为是不同会话的一部分(较小的时间戳是前一个 session 的结束,较大的时间戳是新会话的开始)。 对于每个这样的 session,我想计算 SessionId(基于 session 开始或随机 guid)、session 开始和 session 结束。
示例:(考虑与之前间隔 30 分钟的时间戳被视为新会话的开始)
输入:
Element Timestamp Value
Element-A 2022-03-25 06:15:00 10
Element-A 2022-03-25 06:30:00 10
Element-A 2022-03-25 06:45:00 10
Element-A 2022-03-25 08:15:00 10
Element-A 2022-03-25 08:30:00 10
Element-A 2022-03-25 08:45:00 10
Element-B 2022-03-25 07:15:00 10
Element-B 2022-03-25 07:30:00 10
Element-B 2022-03-25 07:45:00 10
Element-B 2022-03-25 09:15:00 10
Element-B 2022-03-25 09:30:00 10
Element-B 2022-03-25 09:45:00 10
预计 output:
Element Timestamp value SessionId SessionStart SessionEnd
Element-A 2022-03-25 06:15:00 10 guid-1 2022-03-25 06:15:00 2022-03-25 06:45:00
Element-A 2022-03-25 06:30:00 10 guid-1 2022-03-25 06:15:00 2022-03-25 06:45:00
Element-A 2022-03-25 06:45:00 10 guid-1 2022-03-25 06:15:00 2022-03-25 06:45:00
Element-A 2022-03-25 08:15:00 10 guid-2 2022-03-25 08:15:00 2022-03-25 08:45:00
Element-A 2022-03-25 08:30:00 10 guid-2 2022-03-25 08:15:00 2022-03-25 08:45:00
Element-A 2022-03-25 08:45:00 10 guid-2 2022-03-25 08:15:00 2022-03-25 08:45:00
Element-B 2022-03-25 07:15:00 10 guid-3 2022-03-25 07:15:00 2022-03-25 07:45:00
Element-B 2022-03-25 07:30:00 10 guid-3 2022-03-25 07:15:00 2022-03-25 07:45:00
Element-B 2022-03-25 07:45:00 10 guid-3 2022-03-25 07:15:00 2022-03-25 07:45:00
Element-B 2022-03-25 09:15:00 10 guid-4 2022-03-25 09:15:00 2022-03-25 09:45:00
Element-B 2022-03-25 09:30:00 10 guid-4 2022-03-25 09:15:00 2022-03-25 09:45:00
Element-B 2022-03-25 09:45:00 10 guid-4 2022-03-25 09:15:00 2022-03-25 09:45:00
数据量很大。 请建议使用性能高效的查询来实现这一点。
根据 OP 评论,添加仅包含摘要部分的解决方案。 请注意 -
Element
和SessionIndex
的组合是独一无二的,可以与SessionId
互换使用(基于new_guid()
)count_if
)等。datatable (Element:string, Timestamp:datetime, Value:int)
[
"Element-A" ,"2022-03-25 06:15:00" ,10
,"Element-A" ,"2022-03-25 06:30:00" ,10
,"Element-A" ,"2022-03-25 06:45:00" ,10
,"Element-A" ,"2022-03-25 08:15:00" ,10
,"Element-A" ,"2022-03-25 08:30:00" ,10
,"Element-A" ,"2022-03-25 08:45:00" ,10
,"Element-B" ,"2022-03-25 07:15:00" ,10
,"Element-B" ,"2022-03-25 07:30:00" ,10
,"Element-B" ,"2022-03-25 07:45:00" ,10
,"Element-B" ,"2022-03-25 09:15:00" ,10
,"Element-B" ,"2022-03-25 09:30:00" ,10
,"Element-B" ,"2022-03-25 09:45:00" ,10
]
| partition hint.strategy=shuffle by Element
(
order by Timestamp asc
| extend SessionIndex = row_cumsum(iff(Timestamp - prev(Timestamp) > 30m, 1, 0))
| summarize SessionStart = min(Timestamp), SessionEnd = max(Timestamp) by SessionIndex
| extend Element, SessionId = new_guid()
| project-reorder Element
)
元素 | 会话索引 | 会话开始 | 会话结束 | 会话Id |
---|---|---|---|---|
元素-A | 0 | 2022-03-25T06:15:00Z | 2022-03-25T06:45:00Z | 5d43e356-9aae-40cb-9e2e-bd2741cc9934 |
元素-B | 0 | 2022-03-25T07:15:00Z | 2022-03-25T07:45:00Z | df83db35-c292-4bee-a14e-0ebc2b7ef6b5 |
元素-A | 1个 | 2022-03-25T08:15:00Z | 2022-03-25T08:45:00Z | 40dbaa02-b110-4e99-8696-2505a2995553 |
元素-B | 1个 | 2022-03-25T09:15:00Z | 2022-03-25T09:45:00Z | 59d6fdeb-a596-4fab-97e5-d9057519c6c0 |
你可以从这个开始。
您数据的人口统计特征(记录数、元素数、每个元素的会话数)将决定该解决方案针对您的特定需求的优化程度。
datatable (Element:string, Timestamp:datetime, Value:int)
[
"Element-A" ,"2022-03-25 06:15:00" ,10
,"Element-A" ,"2022-03-25 06:30:00" ,10
,"Element-A" ,"2022-03-25 06:45:00" ,10
,"Element-A" ,"2022-03-25 08:15:00" ,10
,"Element-A" ,"2022-03-25 08:30:00" ,10
,"Element-A" ,"2022-03-25 08:45:00" ,10
,"Element-B" ,"2022-03-25 07:15:00" ,10
,"Element-B" ,"2022-03-25 07:30:00" ,10
,"Element-B" ,"2022-03-25 07:45:00" ,10
,"Element-B" ,"2022-03-25 09:15:00" ,10
,"Element-B" ,"2022-03-25 09:30:00" ,10
,"Element-B" ,"2022-03-25 09:45:00" ,10
]
| partition hint.strategy=shuffle by Element
(
order by Timestamp asc
| extend SessionIndex = row_cumsum(iff(Timestamp - prev(Timestamp) > 30m, 1, 0))
| summarize min(Timestamp), max(Timestamp), make_list(Timestamp), make_list(Value) by SessionIndex
| extend SessionId = new_guid()
| mv-apply Timestamp = list_Timestamp to typeof(datetime), Value = list_Value to typeof(int) on (project Timestamp, Value)
| project Element, Timestamp, Value, SessionStart = min_Timestamp, SessionEnd = max_Timestamp, SessionId, SessionIndex
)
元素 | 时间戳 | 价值 | 会话开始 | 会话结束 | 会话ID | 会话索引 |
---|---|---|---|---|---|---|
元素-A | 2022-03-25T06:15:00Z | 10 | 2022-03-25T06:15:00Z | 2022-03-25T06:45:00Z | 1ac146b1-24fa-427e-b2b3-663d83297d4c | 0 |
元素-A | 2022-03-25T06:30:00Z | 10 | 2022-03-25T06:15:00Z | 2022-03-25T06:45:00Z | 1ac146b1-24fa-427e-b2b3-663d83297d4c | 0 |
元素-A | 2022-03-25T06:45:00Z | 10 | 2022-03-25T06:15:00Z | 2022-03-25T06:45:00Z | 1ac146b1-24fa-427e-b2b3-663d83297d4c | 0 |
元素-B | 2022-03-25T07:15:00Z | 10 | 2022-03-25T07:15:00Z | 2022-03-25T07:45:00Z | cbef109a-73bc-4067-9e7f-ebada6aa444e | 0 |
元素-B | 2022-03-25T07:30:00Z | 10 | 2022-03-25T07:15:00Z | 2022-03-25T07:45:00Z | cbef109a-73bc-4067-9e7f-ebada6aa444e | 0 |
元素-B | 2022-03-25T07:45:00Z | 10 | 2022-03-25T07:15:00Z | 2022-03-25T07:45:00Z | cbef109a-73bc-4067-9e7f-ebada6aa444e | 0 |
元素-A | 2022-03-25T08:15:00Z | 10 | 2022-03-25T08:15:00Z | 2022-03-25T08:45:00Z | c53fba2e-b82e-418c-9380-1e732be8fcb5 | 1个 |
元素-A | 2022-03-25T08:30:00Z | 10 | 2022-03-25T08:15:00Z | 2022-03-25T08:45:00Z | c53fba2e-b82e-418c-9380-1e732be8fcb5 | 1个 |
元素-A | 2022-03-25T08:45:00Z | 10 | 2022-03-25T08:15:00Z | 2022-03-25T08:45:00Z | c53fba2e-b82e-418c-9380-1e732be8fcb5 | 1个 |
元素-B | 2022-03-25T09:15:00Z | 10 | 2022-03-25T09:15:00Z | 2022-03-25T09:45:00Z | 4ab89211-4378-45d3-8ac7-a570942e2807 | 1个 |
元素-B | 2022-03-25T09:30:00Z | 10 | 2022-03-25T09:15:00Z | 2022-03-25T09:45:00Z | 4ab89211-4378-45d3-8ac7-a570942e2807 | 1个 |
元素-B | 2022-03-25T09:45:00Z | 10 | 2022-03-25T09:15:00Z | 2022-03-25T09:45:00Z | 4ab89211-4378-45d3-8ac7-a570942e2807 | 1个 |
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.