EVALUATEANDLOG

Gælder for: Beregning af målingsvisualisering for beregnet kolonne i beregnet tabel

Returnerer værdien af det første argument og logfører det i en DAX Evaluation Log profiler-hændelse. Denne funktion er kun fuldt funktionel i Power BI Desktop. Den fungerer som en simpel passthrough-funktion i andre miljøer.

Syntaks

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

Parametre

Begreb	Definition
Værdi	Ethvert skalarudtryk eller tabeludtryk, der skal evalueres og logføres.
Mærkat	(Valgfrit) En konstantstreng, der er inkluderet i både json-teksten og kolonnen Label for HÆNDELSEN DAX Evaluation Log, som kan bruges til nemt at identificere en forekomst af funktionskaldet.
Maks. rækker	(Valgfrit) Det maksimale antal rækker i json-teksten i HÆNDELSEN DAX Evaluation Log, når det første argument er et tabeludtryk. Standard er 10.

Returværdi

Værdien af det første argument.

Den JSON-struktur, der er logget på en DAX Evaluation Log profiler-hændelse, omfatter:

• "expression" er tekstversionen af det første argument.
• "label" er parameteren Label, når den er angivet i udtrykket.
• "input" er en liste over kolonner i evalueringskonteksten, der påvirker værdierne i det første argument.
• "output" er en liste over en enkelt kolonne [Value], når det første argument er et skalarudtryk og en liste over outputkolonner, når det første argument er et tabeludtryk.
• "data" er en liste over inputværdier og outputværdier, når det første argument er et skalarudtryk, og en liste over inputværdier og tilsvarende outputrækker, når det første argument er et tabeludtryk.
• "rowCount" er antallet af rækker, når det første argument er et tabeludtryk. Selvom antallet af rækker i json-outputtet afkortes af parameteren MaxRows, er rowCount det reelle antal rækker uden afkortelse.

Bemærkninger

• Sporingshændelser kan registreres ved hjælp af SQL Server Profiler og DAX-fejlfindingsværktøjet til fejlfinding af output i åben kildekode.

• Denne funktion kan bruges sammen med næsten ethvert underudtryk i et DAX-udtryk, og hele udtrykket vil stadig være gyldigt.

• Når det første argument evalueres flere gange i en enkelt forespørgsel, genererer funktionen en enkelt DAX Evaluation Log-hændelse, der både indeholder inputværdierne og de tilsvarende outputværdier.

• Når etiketparameteren er angivet, returneres dens værdi i både json-outputtet og kolonnen Label for HÆNDELSEN DAX Evaluation Log.

• Hvis det første argument er et tabeludtryk, er det kun de øverste MaxRows-rækker, der vises i HÆNDELSEN DAX Evaluation Log.

• I nogle tilfælde udføres denne funktion ikke på grund af optimeringer.

• Hvis HÆNDELSEN DAX-evalueringslog er større end én million tegn, afkortes den for at bevare den korrekte json-struktur.

Eksempel 1

Følgende DAX-forespørgsel:

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

Returnerer følgende HÆNDELSE i DAX-evalueringslog:

{
    "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-forespørgsel med et skalarargument og forskellige attributter:

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

Returnerer følgende HÆNDELSE i DAX-evalueringslog:

{
    "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"
        }
    ]
}

Relateret indhold

TOCSV
TOJSON