Zeitreihenmodell in Azure Time Series Insights PreviewTime Series Model in Azure Time Series Insights Preview

Dieser Artikel beschreibt das Zeitreihenmodell sowie die zugehörigen Funktionen und erläutert, wie Sie selbst Modelle in der Azure Time Series Insights Preview-Umgebung erstellen und aktualisieren.This article describes Time Series Model, the capabilities, and how to start building and updating your own models in the Azure Time Series Insights Preview environment.

Tipp

ZusammenfassungSummary

Üblicherweise fehlt den von IoT-Geräten erfassten Daten Kontextinformationen, was es erschwert, Sensoren schnell zu finden und zu analysieren.Traditionally, the data that's collected from IoT devices lacks contextual information, which makes it difficult to find and analyze sensors quickly. Das Hauptargument für ein Zeitreihenmodell ist die Vereinfachung der Suche nach und Analyse von IoT- oder Zeitreihendaten.The main motivation for Time Series Model is to simplify finding and analyzing IoT or Time Series data. Dieses Ziel wird erreicht, indem das Modell die Zusammenstellung, Wartung und Anreicherung von Zeitreihendaten ermöglicht, um die Vorbereitung von Datasets für die Analyse zu unterstützen, die direkt vom Consumer eingesetzt werden können.It achieves this objective by enabling the curation, maintenance, and enrichment of time series data to help prepare consumer-ready datasets for analytics.

Szenario: Der neue intelligente Herd von ContosoScenario: Contoso's new smart oven

Sehen Sie sich dieses fiktive Szenario eines intelligenten Herds von Contoso an.Consider the fictitious scenario of a Contoso smart oven. In diesem Szenario nehmen wir an, dass jeder intelligente Herd von Contoso über fünf Temperatursensoren verfügt: einen für jede der vier Herdplatten und einen für den Backofen.In this scenario, suppose that each Contoso smart oven has five temperature sensors, one for each of four top burners and one for the oven itself. Bis vor Kurzem hat jeder Contoso-Temperatursensor Daten individuell gesendet, gespeichert und visualisiert.Until recently, each Contoso temperature sensor sent, stored, and visualized its data individually. Zur Überwachung der Küchengeräte verwendete Contoso für jeden einzelnen Sensor ein einfaches Diagramm.For its kitchen appliance monitoring, Contoso relied on basic charts, one for each individual sensor.

Contoso war zwar mit der ursprünglichen Daten- und Visualisierungslösung zufrieden, allerdings wurden bald einige Einschränkungen offensichtlich:While Contoso was satisfied with its initial data and visualization solution, several limitations became apparent:

  • Kunden wollten wissen, wie heiß der Herd insgesamt wird, wenn die meisten Platten eingeschaltet sind.Customers wanted to know how hot the overall oven would get when most of the top burners were on. Contoso hatte einige Schwierigkeiten, die Bedingungen des Herds zu analysieren und eine einheitliche Antwort zu finden.Contoso had more difficulty analyzing and presenting a unified answer about the conditions of the overall oven.
  • Die Techniker von Contoso wollten sicherstellen, dass es nicht zu einem Leistungsabfall kommt, wenn alle Herdplatten gleichzeitig eingeschaltet sind.Contoso engineers wanted to verify that the top burners being run simultaneously wouldn't result in inefficient power draw. Es war gar nicht so einfach, die richtigen Querverbindungen zu ermitteln und herauszufinden, welche Temperatur- und Spannungssensoren einander zugeordnet sind und wie sich diese im Laden lokalisieren lassen.There was difficulty cross-referencing which temperature and voltage sensors were associated with each other and how to locate them in the store.
  • Das Qualitätssicherungsteam von Contoso wollte den Entwicklungsverlauf überwachen und die beiden Sensorversionen miteinander vergleichen.The Contoso quality assurance team wanted to audit and compare the history between two sensor versions. Herauszufinden, welche Daten zu welcher Sensorversion gehörten, war ebenfalls nicht leicht.There was difficulty determining what data belonged to which sensor version.

Ohne die Möglichkeit, ein übergreifendes Zeitreihenmodell für den intelligenten Herd zu strukturieren, zu organisieren und zu definieren, verwaltete jeder Sensor nicht lokalisierte, isolierte und wenig informative Datenpunkte.Without the ability to structure, organize, and define the overarching smart oven time series model, each temperature sensor maintained dislocated, isolated, and less informative data points. Da jedes Dataset unabhängig von den anderen vorlag, war es ziemlich kompliziert, aus diesen Datenpunkten umsetzbare Erkenntnisse zu ziehen.Turning these data points into actionable insights was more difficult since each dataset lived independently of the others.

Diese Einschränkungen machten deutlich, wie wichtig intelligente Tools zur Aggregierung und Visualisierung von Daten für den neuen Herd von Contoso waren:These limitations revealed the importance of smart data aggregation and visualization tools to accompany Contoso's new oven:

  • Die Datenvisualisierung ist nützlich, wenn Sie Daten in einer komfortablen Ansicht zuordnen und miteinander kombinieren können.Data visualization proves useful when you're able to associate and combine data into a convenient view. Ein Beispiel hierfür ist die parallele Anzeige von Spannungs- und Temperatursensoren.An example is showing voltage sensors along with temperature sensors.
  • Die Verwaltung mehrdimensionaler Daten für eine Vielzahl von Entitäten sowie von Funktionen für Vergleiche, Zoomen und Zeitbereiche kann ausgesprochen knifflig sein.Managing multidimensional data for several entities along with comparison, zooming, and time range functionalities can be difficult to accomplish.

Ein Zeitreihenmodell bietet eine praktische Lösung für viele Szenarien in diesem fiktiven Beispiel:Time Series Model provides a convenient solution for many of the scenarios encountered in this fictitious example:

Beispiel für intelligentes Herddiagramm des ZeitreihenmodellsTime Series Model smart oven charting example

  • Das Zeitreihenmodell spielt eine wichtige Rolle bei Abfragen und Navigation, weil es Daten in Kontext bringt, indem es Vergleiche über Zeitbereiche hinweg und zwischen verschiedenen Arten von Sensoren und Geräten ermöglicht.Time Series Model plays a vital role in queries and navigation because it contextualizes data by allowing comparisons to be drawn across time ranges and between sensor and device kinds. (A)(A)
  • Der Kontext wird für Daten weiter konkretisiert, weil im Zeitreihenmodell gespeicherte Daten Berechnungen von Zeitreihenabfragen als Variablen beibehalten und diese zur Abfragezeit erneut verwenden.Data is further contextualized because data persisted in Time Series Model preserves time series query computations as variables and reuses them at query time.
  • Das Zeitreihenmodell organisiert und aggregiert Daten, um Funktionen für Visualisierung und Verwaltung zu verbessern.Time Series Model organizes and aggregates data for improved visualization and management capabilities. (B)(B)

Wichtige FunktionenKey capabilities

Mit dem Ziel, die Verwaltung der Zeitreihenkontextualisierung einfach und mühelos zu gestalten, ermöglicht das Zeitreihenmodell die folgenden Funktionen in Time Series Insights Preview.With the goal to make it simple and effortless to manage time series contextualization, Time Series Model enables the following capabilities in Time Series Insights Preview. Es ermöglicht Folgendes:It helps you:

  • Erstellen und Verwalten von Berechnungen oder Formeln auf Basis von Skalarfunktionen, Aggregieren von Vorgängen usw.Author and manage computations or formulas leveraging scalar functions, aggregate operations, and so on.
  • Definieren von Beziehungen zwischen über- und untergeordneten Elementen, um Navigation, Suche und Verweise zu ermöglichen.Define parent-child relationships to enable navigation, search, and reference.
  • Definieren von Eigenschaften, die den Instanzen zugeordnet sind – definiert als Instanzfelder –, und Verwenden dieser Eigenschaften zum Erstellen von Hierarchien.Define properties that are associated with the instances, defined as instance fields, and use them to create hierarchies.

KomponentenComponents

Das Zeitreihenmodell besteht aus drei Kernkomponenten:Time Series Model has three core components:

Diese Komponenten werden kombiniert, um ein Zeitreihenmodell anzugeben und Ihre Azure Time Series Insights-Daten zu organisieren.These components are combined to specify a time series model and to organize your Azure Time Series Insights data.

Übersicht über ZeitreihenmodelldiagrammTime Series Model overview chart

Ein Zeitreihenmodell kann über die Schnittstelle Time Series Insights Preview erstellt und verwaltet werden.A time series model can be created and managed through the Time Series Insights Preview interface. Die Einstellungen eines Zeitreihenmodells können über die Modelleinstellungs-API verwaltet werden.Time Series Model settings can be managed through the Model Settings API.

ZeitreihenmodellinstanzenTime Series Model instances

Instanzen von Zeitreihenmodellen sind virtuelle Darstellungen der Zeitreihe selbst.Time Series Model instances are virtual representations of the time series themselves.

In den meisten Fällen werden die Instanzen durch die deviceId oder die assetId eindeutig identifiziert, die als Zeitreihen-IDs gespeichert sind.In most cases, instances are uniquely identified by deviceId or assetId, which are saved as time series IDs.

Instanzen sind beschreibende Informationen zugeordnet, die als Instanzeigenschaften bezeichnet werden – z. B. ID, Typ, Name, Beschreibung, Hierarchien und Instanzfelder einer Zeitreihe.Instances have descriptive information associated with them called instance properties, such as a time series ID, type, name, description, hierarchies, and instance fields. Instanzeigenschaften enthalten mindestens Hierarchieinformationen.At a minimum, instance properties include hierarchy information.

Instanzfelder sind eine Sammlung beschreibender Informationen, die Werte für Hierarchieebenen sowie für Hersteller, Bediener usw. umfassen können.Instance fields are a collection of descriptive information that can include values for hierarchy levels, as well as manufacturer, operator, and so on.

Nachdem eine Ereignisquelle für die Time Series Insights-Umgebung konfiguriert wurde, werden Instanzen in einem Zeitreihenmodell automatisch entdeckt und erstellt.After an event source is configured for the Time Series Insights environment, instances are automatically discovered and created in a time series model. Die Instanzen können mit Zeitreihenmodellabfragen über den Time Series Insights-Explorer erstellt oder aktualisiert werden.The instances can be created or updated via the Time Series Insights explorer by using Time Series Model queries.

Die Demoumgebung Contoso Wind Farm stellt zahlreiche Beispiele für Live-Instanzen bereit.The Contoso Wind Farm demo provides several live instance examples.

Beispiel für ZeitreihenmodellinstanzTime Series Model instance example

InstanzeigenschaftenInstance properties

Instanzen werden durch timeSeriesId, typeId, name, description, hierarchyIds und instanceFields definiert.Instances are defined by timeSeriesId, typeId, name, description, hierarchyIds, and instanceFields. Jede Instanz wird nur einem Typ sowie einer oder mehreren Hierarchien zugeordnet.Each instance maps to only one type, and one or more hierarchies.

EigenschaftProperty BESCHREIBUNGDescription
timeSeriesIdtimeSeriesId Der UUID der Zeitreihe, der die Instanz zugeordnet ist.The UUID of the time series the instance is associated with.
typeIdtypeId Der UUID des Zeitreihenmodelltyps, dem die Instanz zugeordnet ist.The UUID of the Time Series Model type the instance is associated with. Standardmäßig werden alle entdeckten neuen Instanzen einem Standardtyp zugeordnet.By default, all discovered new instances get associated to a default type.
namename Die name-Eigenschaft ist optional, und die Groß-/Kleinschreibung wird berücksichtigt.The name property is optional and case-sensitive. Wenn für name kein Wert verfügbar ist, wird die Eigenschaft standardmäßig auf timeSeriesId festgelegt.If name isn't available, it defaults to timeSeriesId. Auch wenn ein Name angegeben wurde, ist timeSeriesId weiterhin im Well verfügbar.If a name is provided, timeSeriesId is still available in the well.
descriptiondescription Eine Textbeschreibung der Instanz.A text description of the instance.
hierarchyIdshierarchyIds Definiert, zu welchen Hierarchien die Instanz gehört.Defines which hierarchies the instance belongs to.
instanceFieldsinstanceFields Die Eigenschaften einer Instanz sowie aller statischen Daten, die eine Instanz definieren.The properties of an instance and any static data that defines an instance. Sie definieren Werte von Hierarchie- oder Nicht-Hierarchie-Eigenschaften, während sie gleichzeitig die Indizierung unterstützen, um Suchvorgänge auszuführen.They define values of hierarchy or non-hierarchy properties while also supporting indexing to perform search operations.

Hinweis

Hierarchien werden mithilfe von Instanzfeldern erstellt.Hierarchies are built by using instance fields. Für weitere Definitionen von Instanzeigenschaften können weitere instanceFields hinzugefügt werden.Additional instanceFields can be added for further instance property definitions.

Instanzen weisen die folgende JSON-Darstellung auf:Instances have the following JSON representation:

{
  "timeSeriesId": ["PU2"],
  "typeId": "545314a5-7166-4b90-abb9-fd93966fa39b",
  "hierarchyIds": ["95f0a8d1-a3ef-4549-b4b3-f138856b3a12"],
  "description": "Pump #2",
  "instanceFields": {
    "Location": "Redmond",
    "Fleet": "Fleet 5",
    "Unit": "Pump Unit 3",
    "Manufacturer": "Contoso",
    "ScalePres": "0.54",
    "scaleTemp": "0.54"
  }
}

Tipp

Informationen zur Time Series Insights Instance-API und zur Unterstützung von CRUD-Vorgängen (Create, Read, Update, Delete) finden Sie im Artikel Datenabfragen und in der API-REST-Dokumentation für Instanzen.For Time Series Insights Instance API and create, read, update, and delete (CRUD) support, see the Data querying article and the Instance API REST documentation.

ZeitreihenmodellhierarchienTime Series Model hierarchies

Hierarchien von Zeitreihenmodellen organisieren Instanzen durch Angabe von Eigenschaftsnamen und Beziehungen.Time Series Model hierarchies organize instances by specifying property names and their relationships.

Sie können in jeder Time Series Insights-Umgebung mehrere Hierarchien konfigurieren.You can configure multiple hierarchies in a given Time Series Insights environment. Eine Zeitreihenmodellinstanz kann einer einzelnen Hierarchie oder mehreren Hierarchien (m:n-Beziehung) zugeordnet werden.A Time Series Model instance can map to a single hierarchy or multiple hierarchies (many-to-many relationship).

Die Clientschnittstelle der Demoumgebung Contoso Wind Farm zeigt eine standardmäßige Instanz- und Typhierarchie an.The Contoso Wind Farm demo client interface displays a standard instance and type hierarchy.

Beispiel für ZeitreihenmodellhierarchieTime Series Model hierarchy example

HierarchiedefinitionHierarchy definition

Hierarchien werden durch id, name und source der Hierarchie definiert.Hierarchies are defined by hierarchy id, name, and source.

EigenschaftProperty BESCHREIBUNGDescription
idid Der eindeutige Bezeichner für die Hierarchie, der z. B. beim Definieren einer Instanz verwendet wird.The unique identifier for the hierarchy, which is used, for example, when you define an instance.
namename Eine Zeichenfolge zum Angeben eines Namens für die Hierarchie.A string used to provide a name for the hierarchy.
sourcesource Gibt die Organisationshierarchie bzw. den Organisationspfad an – eine Anordnung der über- und untergeordneten Elemente einer Hierarchie, die von Benutzern erstellt werden soll.Specifies the organizational hierarchy or path, which is a top-down parent-child order of the hierarchy that users want to create. Die über- und untergeordneten Eigenschaften entsprechen Instanzfeldern.The parent-child properties map instance fields.

Hierarchien werden folgendermaßen in JSON dargestellt:Hierarchies are represented in JSON as:

{
  "hierarchies": [
    {
      "id": "6e292e54-9a26-4be1-9034-607d71492707",
      "name": "Location",
      "source": {
        "instanceFieldNames": [
          "state",
          "city"
        ]
      }
    },
    {
      "id": "a28fd14c-6b98-4ab5-9301-3840f142d30e",
      "name": "ManufactureDate",
      "source": {
        "instanceFieldNames": [
          "year",
          "month"
        ]
      }
    }
  ]
}

Im oben stehenden JSON-Beispiel gilt:In the previous JSON example:

  • Location definiert eine Hierarchie mit übergeordneten states-Elementen und untergeordneten cities-Elementen.Location defines a hierarchy with parent states and child cities. Jedes location-Element kann mehrere states-Elemente enthalten, die wiederum mehrere cities-Elemente umfassen können.Each location can have multiple states, which in turn can have multiple cities.
  • ManufactureDate definiert eine Hierarchie mit übergeordneten year-Elementen und untergeordneten month-Elementen.ManufactureDate defines a hierarchy with parent year and child month. Jedes ManufactureDate-Element kann mehrere years-Elemente enthalten, die wiederum mehrere months-Elemente umfassen können.Each ManufactureDate can have multiple years, which in turn can have multiple months.

Tipp

Informationen zur Time Series Insights Instance-API und zur Unterstützung von CRUD-Vorgängen (Create, Read, Update, Delete) finden Sie im Artikel Datenabfragen und in der API-REST-Dokumentation für Hierarchien.For Time Series Insights Instance API and CRUD support, see the Data querying article and the Hierarchy API REST documentation.

Beispiel für eine HierarchieHierarchy example

Stellen Sie sich ein Beispiel vor, in dem die Hierarchie H1 in ihrer instanceFieldNames-Definition die Elemente building, floor und room enthält.Consider an example where hierarchy H1 has building, floor, and room as part of its instanceFieldNames definition:

{
  "id": "aaaaaa-bbbbb-ccccc-ddddd-111111",
  "name": "H1",
  "source": {
    "instanceFieldNames": [
      "building",
      "floor",
      "room"
    ]
  }
}

Mit den in der vorherigen Definition verwendeten Instanzfeldern und verschiedenen Zeitreihen ergeben sich die in der folgenden Tabelle gezeigten Hierarchieattribute und Werte:Given the instance fields used in the previous definition and several time series, the hierarchy attributes and values appear as shown in the following table:

Time Series-IDTime Series ID InstanzenfelderInstance fields
ID1ID1 "building" = "1000", "floor" = "10", "room" = "55"“building” = “1000”, “floor” = “10”, “room” = “55”
ID2ID2 "building" = "1000", "room" = "55"“building” = “1000”, “room” = “55”
ID3ID3 "floor" = "10"“floor” = “10”
ID4ID4 "building" = "1000", "floor" = "10"“building” = “1000”, “floor” = “10”
ID5ID5 Weder „building“ noch „floor“ noch „room“ wurden festgelegt.None of “building”, “floor”, or “room” is set.

Die Zeitreihen ID1 und ID4 werden im Azure Time Series Insights-Explorer als Teil der Hierarchie H1 angezeigt, weil sie vollständig definierte und richtig angeordnete Parameter building, floor und room aufweisen.Time Series ID1 and ID4 are displayed as part of hierarchy H1 in the Azure Time Series Insights explorer because they have fully defined and correctly ordered building, floor, and room parameters.

Die anderen Zeitreihen sind unter Unparented Instances klassifiziert, weil sie der angegebenen Datenhierarchie nicht entsprechen.The others are classified under Unparented Instances because they don't conform to the specified data hierarchy.

ZeitreihenmodelltypenTime Series Model types

Zeitreihenmodelltypen helfen Ihnen beim Definieren von Variablen oder Formeln zur Durchführung von Berechnungen.Time Series Model types help you define variables or formulas for doing computations. Typen sind einer bestimmten Time Series Insights-Instanz zugeordnet.Types are associated with a specific Time Series Insights instance.

Ein Typ kann eine oder mehrere Variablen enthalten.A type can have one or more variables. Beispielsweise könnte eine Zeitreihenmodellinstanz den Typ Temperatursensor aufweisen, der aus den Variablen durchschnittliche Temperatur, Mindesttemperatur und Höchsttemperatur besteht.For example, a Time Series Model instance might be of type Temperature Sensor, which consists of the variables avg temperature, min temperature, and max temperature.

Die Demoumgebung Contoso Wind Farm visualisiert verschiedene Zeitreihenmodelltypen mit ihren jeweiligen Instanzen.The Contoso Wind Farm demo visualizes several Time Series Model types associated with their respective instances.

Beispiel für ZeitreihenmodelltypTime Series Model type example

Tipp

Informationen zur Time Series Insights Instance-API und zur Unterstützung von CRUD-Vorgängen (Create, Read, Update, Delete) finden Sie im Artikel Datenabfragen und in der API-REST-Dokumentation für Typen.For Time Series Insights Instance API and CRUD support, see the Data querying article and the Type API REST documentation.

TypeigenschaftenType properties

Zeitreihenmodelltypen werden durch id, name, description und variables definiert.Time Series Model types are defined by id, name, description, and variables.

EigenschaftProperty BESCHREIBUNGDescription
idid Der UUID des Typs.The UUID for the type.
namename Eine Zeichenfolge zum Angeben eines Namens für den Typ.A string used to provide a name for the type.
descriptiondescription Eine Zeichenfolgenbeschreibung für den Typ.A string description for the type.
variablesvariables Geben Variablen an, die dem Typ zugeordnet sind.Specify variables associated with the type.

Typen entsprechen dem folgenden JSON-Beispiel:Types conform to the following JSON example:

{
  "types": [
    {
      "id": "1be09af9-f089-4d6b-9f0b-48018b5f7393",
      "name": "DefaultType",
      "description": "Default type",
      "variables": {
        "EventCount": {
          "kind": "aggregate",
          "value": null,
          "filter": null,
          "aggregation": {
            "tsx": "count()"
          }
        },
        "Interpolated Speed": {
          "kind": "numeric",
          "value": {
              "tsx": "$event.[speed].Double"
          },
          "filter": null,
          "interpolation": {
              "kind": "step",
              "boundary": {
                  "span": "P1D"
              }
          },
          "aggregation": {
              "tsx": "left($value)"
          }
        }
      }
    }
  ]
}

VariablesVariables

Time Series Insights-Typen können über viele Variablen verfügen, die Formel- und Berechnungsregeln bei Ereignissen angeben.Time Series Insights types might have many variables that specify formula and computation rules on events.

Jede Variable kann eine der drei folgenden Arten aufweisen: numerisch, kategorisch und aggregiert.Each variable can be one of three kinds: numeric, categorical, and aggregate.

  • Numerische Variablen arbeiten mit kontinuierlichen Werten.Numeric kinds work with continuous values.
  • Kategorische Variablen arbeiten mit einem definierten Satz diskreter Werte.Categorical kinds work with a defined set of discrete values.
  • Bei aggregierten Werten werden mehrere Variablen einer einzigen Art kombiniert (entweder nur „numerisch“ oder nur „kategorisch“).Aggregate values combine multiple variables of a single kind (either all numeric or all categorical).

Die folgende Tabelle zeigt die Eigenschaften, die für die jeweilige Variablenart relevant sind.The following table displays which properties are relevant for each variable kind.

Tabelle für ZeitreihenmodellvariableTime Series Model variable table

Numerische VariablenNumeric variables

VariableneigenschaftVariable property BESCHREIBUNGDescription
VariablenfilterVariable filter Filter sind optionale Bedingungsklauseln, um die Anzahl von Zeilen zu beschränken, die bei der Berechnung berücksichtigt werden.Filters are optional conditional clauses to restrict the number of rows being considered for computation.
VariablenwertVariable value Für Berechnungen verwendete Telemetriewerte, die aus Geräten oder Sensoren stammen oder mithilfe von Zeitreihenausdrücken transformiert werden.Telemetry values used for computation coming from the device or sensors or transformed by using Time Series Expressions. Numerische Variablen müssen den Typ Double aufweisen.Numeric kind variables must be of the type Double.
VariableninterpolationVariable interpolation Die Interpolation gibt an, wie ein Signal anhand von vorhandenen Daten rekonstruiert wird.Interpolation specifies how to reconstruct a signal by using existing data. Für numerische Variablen sind die Interpolationsoptionen Schritt und linear verfügbar.Step and Linear interpolation options are available for numeric variables.
VariablenaggregationVariable aggregation Unterstützt die Berechnung mithilfe von Avg, Min, Max, Sum, Count, First, Last sowie zeitgewichteter Operatoren (Avg, Min, Max, Sum, Left).Support computation through Avg, Min, Max, Sum, Count, First, Last and time-weighted (Avg, Min, Max, Sum, Left) operators.

Variablen entsprechen dem folgenden JSON-Beispiel:Variables conform to the following JSON example:

"Interpolated Speed": {
  "kind": "numeric",
  "value": {
    "tsx": "$event.[speed].Double"
  },
  "filter": null,
  "interpolation": {
    "kind": "step",
    "boundary": {
      "span": "P1D"
    }
  },
  "aggregation": {
    "tsx": "left($value)"
  }
}

Kategorische VariablenCategorical variables

VariableneigenschaftVariable property BESCHREIBUNGDescription
VariablenfilterVariable filter Filter sind optionale Bedingungsklauseln, um die Anzahl von Zeilen zu beschränken, die bei der Berechnung berücksichtigt werden.Filters are optional conditional clauses to restrict the number of rows being considered for computation.
VariablenwertVariable value Für Berechnungen verwendete Telemetriewerte, die aus Geräten oder Sensoren stammen.Telemetry values used for computation coming from the device or sensors. Kategorische Variablen müssen entweder den Typ Long oder den Typ String aufweisen.Categorical kind variables must be either Long or String.
VariableninterpolationVariable interpolation Die Interpolation gibt an, wie ein Signal anhand von vorhandenen Daten rekonstruiert wird.Interpolation specifies how to reconstruct a signal by using existing data. Die Option Schrittinterpolation ist für kategorische Variablen verfügbar.The Step interpolation option is available for categorical variables.
VariablenkategorienVariable categories Kategorien sorgen für die Zuordnung zwischen den aus einem Gerät oder Sensor stammenden Werten und einer Bezeichnung.Categories create a mapping between the values coming from the device or sensors to a label.
Standardkategorie für VariablenVariable default category Die Standardkategorie steht für alle Werte zur Verfügung, die nicht in der Eigenschaft „Kategorien“ zugeordnet werden.The default category is for all values that aren't being mapped in the "categories" property.

Variablen entsprechen dem folgenden JSON-Beispiel:Variables conform to the following JSON example:

"Status": {
  "kind": "categorical",
  "value": {
     "tsx": "toLong($event.[Status].Double)" 
},
  "interpolation": {
    "kind": "step",
    "boundary": {
      "span" : "PT1M"
    }
  },
  "categories": [
    {
      "values": [0, 1, 2, 3],
      "label": "Good"
    },
    {
      "values": [3],
      "label": "Bad"
    }
  ],
  "defaultCategory": {
    "label": "Not Applicable"
  }
}

Aggregieren von VariablenAggregate variables

VariableneigenschaftVariable property BESCHREIBUNGDescription
VariablenfilterVariable filter Filter sind optionale Bedingungsklauseln, um die Anzahl von Zeilen zu beschränken, die bei der Berechnung berücksichtigt werden.Filters are optional conditional clauses to restrict the number of rows being considered for computation.
VariablenaggregationVariable aggregation Unterstützt Berechnungen mit Avg, Min, Max, Sum, Count, First, Last.Support computation through Avg, Min, Max, Sum, Count, First, Last.

Variablen entsprechen dem folgenden JSON-Beispiel:Variables conform to the following JSON example:

"Aggregate Speed": {
  "kind": "aggregate",
  "filter": null,
  "aggregation": {
    "tsx": "avg($event.Speed.Double)"
  }
}

Variablen werden in der Typdefinition eines Zeitreihenmodells gespeichert und können inline über Abfrage-APIs bereitgestellt werden, um die gespeicherte Definition zu überschreiben.Variables are stored in the type definition of a time series model and can be provided inline via Query APIs to override the stored definition.

Nächste SchritteNext steps