Query - Execute
Führt Zeitreihenabfrage in Ergebnisseiten aus: Ereignisse abrufen, Serie abrufen oder Aggregatreihen.
POST https://{environmentFqdn}/timeseries/query?api-version=2020-07-31POST https://{environmentFqdn}/timeseries/query?api-version=2020-07-31&storeType={storeType}URI-Parameter
| Name | In | Erforderlich | Typ | Beschreibung |
|---|---|---|---|---|
|
environment
|
path | True |
string |
FQDN pro Umgebung, z. B. 10000000-0000-0000-0000-100000000109.env.timeseries.azure.com. Sie können diesen Domänennamen aus der Antwort der Get Environments-API, Azure-Portal oder Azure Resource Manager abrufen. |
|
api-version
|
query | True |
string |
Version der API, die mit der Clientanforderung verwendet werden soll. Derzeit wird die Version "2020-07-31" unterstützt. |
|
store
|
query |
string |
Für Umgebungen mit aktiviertem Warmspeicher kann die Abfrage entweder im "WarmStore" oder "ColdStore" ausgeführt werden. Dieser Parameter in der Abfrage definiert, in welchem Speicher die Abfrage ausgeführt werden soll. Wenn nicht definiert, wird die Abfrage im kalten Speicher ausgeführt. |
Anforderungsheader
| Name | Erforderlich | Typ | Beschreibung |
|---|---|---|---|
| x-ms-continuation |
string |
Fortsetzungstoken von der vorherigen Seite der Ergebnisse, um die nächste Seite der Ergebnisse in Aufrufen abzurufen, die Paginierung unterstützen. Um die Ergebnisse der ersten Seite zu erhalten, geben Sie das NULL-Fortsetzungstoken als Parameterwert an. Das zurückgegebene Fortsetzungstoken ist NULL, wenn alle Ergebnisse zurückgegeben wurden und keine nächste Seite mit Ergebnissen vorhanden ist. |
|
| x-ms-client-request-id |
string |
Optionale Clientanforderungs-ID. Der Dienst zeichnet diesen Wert auf. Ermöglicht dem Dienst die dienstübergreifende Ablaufverfolgung des Vorgangs und ermöglicht es dem Kunden, sich bezüglich einer bestimmten Anforderung an den Support zu wenden. |
|
| x-ms-client-session-id |
string |
Optionale Clientsitzungs-ID. Der Dienst zeichnet diesen Wert auf. Ermöglicht dem Dienst das Nachverfolgen einer Gruppe verwandter Vorgänge über Dienste hinweg und ermöglicht es dem Kunden, den Support bezüglich einer bestimmten Gruppe von Anforderungen zu kontaktieren. |
Anforderungstext
| Name | Typ | Beschreibung |
|---|---|---|
| aggregateSeries |
Aggregatreihenabfrage. Ermöglicht das Berechnen einer aggregierten Zeitreihe aus Ereignissen für eine bestimmte Zeitreihen-ID und eine bestimmte Suchspanne. |
|
| getEvents |
Abfrage "Ereignisse abrufen". Ermöglicht das Abrufen von Rohereignissen für eine bestimmte Zeitreihen-ID und suchspanne. |
|
| getSeries |
Abrufen der Series-Abfrage. Ermöglicht das Abrufen von Zeitreihen berechneter Variablenwerte aus Ereignissen für eine bestimmte Zeitreihen-ID und eine bestimmte Suchspanne. |
Antworten
| Name | Typ | Beschreibung |
|---|---|---|
| 200 OK |
Erfolgreiche Abfrage. Headers x-ms-request-id: string |
|
| Other Status Codes |
Unerwarteter Fehler. Headers x-ms-request-id: string |
Sicherheit
azure_auth
Azure Active Directory-OAuth2-Flow
Type:
oauth2
Flow:
implicit
Authorization URL:
https://login.microsoftonline.com/common/oauth2/authorize
Scopes
| Name | Beschreibung |
|---|---|
| user_impersonation | Identitätswechsel Ihres Benutzerkontos |
Beispiele
ColdStoreQueryAggregateSeriesPage1
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=coldstore
{
"aggregateSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"interval": "PT1M",
"inlineVariables": {
"Count": {
"kind": "aggregate",
"filter": null,
"aggregation": {
"tsx": "count()"
}
},
"MinTemperature": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "min($value)"
}
},
"MaxTemperature": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "max($value)"
}
}
},
"projectedVariables": [
"Count",
"MinTemperature",
"MaxTemperature"
]
}
}
Sample Response
{
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAwMCwidGFrZSI6MTAwMH0="
}ColdStoreQueryAggregateSeriesPage2
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=coldstore
{
"aggregateSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"interval": "PT1M",
"inlineVariables": {
"Count": {
"kind": "aggregate",
"filter": null,
"aggregation": {
"tsx": "count()"
}
},
"MinTemperature": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "min($value)"
}
},
"MaxTemperature": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "max($value)"
}
}
},
"projectedVariables": [
"Count",
"MinTemperature",
"MaxTemperature"
]
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:00Z",
"2016-08-01T00:01:00Z",
"2016-08-01T00:02:00Z",
"2016-08-01T00:03:00Z",
"2016-08-01T00:04:00Z",
"2016-08-01T00:05:00Z",
"2016-08-01T00:06:00Z",
"2016-08-01T00:07:00Z",
"2016-08-01T00:08:00Z",
"2016-08-01T00:09:00Z",
"2016-08-01T00:10:00Z"
],
"properties": [
{
"name": "Count",
"type": "Long",
"values": [
50,
60,
60,
60,
60,
60,
60,
60,
60,
60,
null
]
},
{
"name": "AverageTemperature",
"type": "Double",
"values": [
71.25,
85,
82.5,
80,
89.16666666666667,
75,
90,
75.83333333333333,
85,
82.5,
null
]
},
{
"name": "MinTemperature",
"type": "Double",
"values": [
65.125,
77.625,
65.125,
72.625,
65.125,
67.625,
82.625,
65.125,
77.625,
65.125,
null
]
},
{
"name": "MaxTemperature",
"type": "Double",
"values": [
77.375,
92.375,
99.875,
87.375,
99.875,
82.375,
97.375,
99.875,
92.375,
99.875,
null
]
}
],
"progress": 100
}ColdStoreQueryGetEventsPage1
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=coldstore
{
"getEvents": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": {
"tsx": "($event.Value.Double != null) OR ($event.Status.String = 'Good')"
},
"projectedProperties": [
{
"name": "Building",
"type": "String"
},
{
"name": "Temperature",
"type": "Double"
}
]
}
}
Sample Response
{
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAwMCwidGFrZSI6MTAwMH0="
}ColdStoreQueryGetEventsPage2
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=coldstore
{
"getEvents": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": {
"tsx": "($event.Value.Double != null) OR ($event.Status.String = 'Good')"
},
"projectedProperties": [
{
"name": "Building",
"type": "String"
},
{
"name": "Temperature",
"type": "Double"
}
]
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:10Z",
"2016-08-01T00:00:11Z",
"2016-08-01T00:00:12Z",
"2016-08-01T00:00:13Z",
"2016-08-01T00:00:14Z",
"2016-08-01T00:00:15Z",
"2016-08-01T00:00:16Z",
"2016-08-01T00:00:17Z",
"2016-08-01T00:00:18Z",
"2016-08-01T00:00:19Z"
],
"properties": [
{
"name": "Building",
"type": "String",
"values": [
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium"
]
},
{
"name": "Temperature",
"type": "Double",
"values": [
65.125,
65.375,
65.625,
65.875,
66.125,
66.375,
66.625,
66.875,
67.125,
67.375
]
}
],
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAxYZwidGFrZSI6MTAwMH0="
}ColdStoreQueryGetEventsPage3
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=coldstore
{
"getEvents": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": {
"tsx": "($event.Value.Double != null) OR ($event.Status.String = 'Good')"
},
"projectedProperties": [
{
"name": "Building",
"type": "String"
},
{
"name": "Temperature",
"type": "Double"
}
]
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:20Z"
],
"properties": [
{
"name": "Building",
"type": "String",
"values": [
"Millenium"
]
},
{
"name": "Temperature",
"type": "Double",
"values": [
67.575
]
}
],
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAbCDewidGFrZSI6MTAwMH0="
}ColdStoreQueryGetEventsPage4
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=coldstore
{
"getEvents": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": {
"tsx": "($event.Value.Double != null) OR ($event.Status.String = 'Good')"
},
"projectedProperties": [
{
"name": "Building",
"type": "String"
},
{
"name": "Temperature",
"type": "Double"
}
]
}
}
Sample Response
{
"timestamps": [],
"properties": [],
"progress": 100
}ColdStoreQueryGetSeriesPage1
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=coldstore
{
"getSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": null,
"inlineVariables": {
"temperatures": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "avg($value)"
}
}
},
"projectedVariables": [
"temperatures"
]
}
}
Sample Response
{
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAwMCwidGFrZSI6MTAwMH0="
}ColdStoreQueryGetSeriesPage2
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=coldstore
{
"getSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": null,
"inlineVariables": {
"temperatures": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "avg($value)"
}
}
},
"projectedVariables": [
"temperatures"
]
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:10Z",
"2016-08-01T00:00:11Z",
"2016-08-01T00:00:12Z",
"2016-08-01T00:00:13Z",
"2016-08-01T00:00:14Z",
"2016-08-01T00:00:15Z",
"2016-08-01T00:00:16Z",
"2016-08-01T00:00:17Z",
"2016-08-01T00:00:18Z",
"2016-08-01T00:00:19Z",
"2016-08-01T00:00:20Z"
],
"properties": [
{
"name": "temperatures",
"type": "Double",
"values": [
65.125,
65.375,
65.625,
65.875,
66.125,
66.375,
66.625,
66.875,
67.125,
67.375,
67.625
]
}
],
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAxYZwidGFrZSI6MTAwMH0="
}ColdStoreQueryGetSeriesPage3
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=coldstore
{
"getSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": null,
"inlineVariables": {
"temperatures": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "avg($value)"
}
}
},
"projectedVariables": [
"temperatures"
]
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:21Z"
],
"properties": [
{
"name": "temperatures",
"type": "Double",
"values": [
67.825
]
}
],
"progress": 100
}QueryAggregateSeriesPage1
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31
{
"aggregateSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"interval": "PT1M",
"inlineVariables": {
"Count": {
"kind": "aggregate",
"filter": null,
"aggregation": {
"tsx": "count()"
}
},
"MinTemperature": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "min($value)"
}
},
"MaxTemperature": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "max($value)"
}
}
},
"projectedVariables": [
"Count",
"MinTemperature",
"MaxTemperature"
]
}
}
Sample Response
{
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAwMCwidGFrZSI6MTAwMH0="
}QueryAggregateSeriesPage2
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31
{
"aggregateSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"interval": "PT1M",
"inlineVariables": {
"Count": {
"kind": "aggregate",
"filter": null,
"aggregation": {
"tsx": "count()"
}
},
"MinTemperature": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "min($value)"
}
},
"MaxTemperature": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "max($value)"
}
}
},
"projectedVariables": [
"Count",
"MinTemperature",
"MaxTemperature"
]
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:00Z",
"2016-08-01T00:01:00Z",
"2016-08-01T00:02:00Z",
"2016-08-01T00:03:00Z",
"2016-08-01T00:04:00Z",
"2016-08-01T00:05:00Z",
"2016-08-01T00:06:00Z",
"2016-08-01T00:07:00Z",
"2016-08-01T00:08:00Z",
"2016-08-01T00:09:00Z",
"2016-08-01T00:10:00Z"
],
"properties": [
{
"name": "Count",
"type": "Long",
"values": [
50,
60,
60,
60,
60,
60,
60,
60,
60,
60,
null
]
},
{
"name": "AverageTemperature",
"type": "Double",
"values": [
71.25,
85,
82.5,
80,
89.16666666666667,
75,
90,
75.83333333333333,
85,
82.5,
null
]
},
{
"name": "MinTemperature",
"type": "Double",
"values": [
65.125,
77.625,
65.125,
72.625,
65.125,
67.625,
82.625,
65.125,
77.625,
65.125,
null
]
},
{
"name": "MaxTemperature",
"type": "Double",
"values": [
77.375,
92.375,
99.875,
87.375,
99.875,
82.375,
97.375,
99.875,
92.375,
99.875,
null
]
}
],
"progress": 100
}QueryAggregateSeriesWithCategoricalInterpolatedVariable
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31
{
"aggregateSeries": {
"searchSpan": {
"from": "2019-10-10T23:41:04.021Z",
"to": "2019-10-10T23:42:22.846Z"
},
"timeSeriesId": [
"Sensor_58"
],
"interval": "PT2S",
"inlineVariables": {
"Status_String": {
"kind": "categorical",
"value": {
"tsx": "$event.[Status].String"
},
"interpolation": {
"kind": "Step",
"boundary": {
"span": "PT5S"
}
},
"categories": [
{
"label": "Good",
"values": [
"Good",
"Very Good",
"Excellent"
]
},
{
"label": "Bad",
"values": [
"Bad",
"OK"
]
},
{
"label": "Other",
"values": [
"Other"
]
}
],
"defaultCategory": {
"label": "Unknown"
}
},
"Status_Long": {
"kind": "categorical",
"value": {
"tsx": "tolong($event.[Status].Double)"
},
"interpolation": {
"kind": "Step",
"boundary": {
"span": "PT5S"
}
},
"categories": [
{
"label": "Good",
"values": [
0,
1,
2
]
},
{
"label": "Bad",
"values": [
3,
4
]
},
{
"label": "Other",
"values": [
5
]
}
],
"defaultCategory": {
"label": "Unknown"
}
}
},
"projectedVariables": [
"Status_String",
"Status_Long"
]
}
}
Sample Response
{
"timestamps": [
"2019-10-10T23:41:04Z",
"2019-10-10T23:41:06Z",
"2019-10-10T23:41:08Z",
"2019-10-10T23:41:10Z",
"2019-10-10T23:41:12Z",
"2019-10-10T23:41:14Z",
"2019-10-10T23:41:16Z",
"2019-10-10T23:41:18Z",
"2019-10-10T23:41:20Z",
"2019-10-10T23:41:22Z"
],
"properties": [
{
"values": [
0.203,
0.141,
0.268,
0.398,
0.402,
0.047,
0.1245,
0.75,
0.206,
0.2635
],
"name": "Status_String[Good]",
"type": "Double"
},
{
"values": [
0.266,
0.1955,
0.242,
0.148,
0.25,
0.055,
0.6295,
0.109,
0.41,
0.2125
],
"name": "Status_String[Bad]",
"type": "Double"
},
{
"values": [
0.5205,
0.6635,
0.49,
0.454,
0.348,
0.898,
0.246,
0.141,
0.384,
0.524
],
"name": "Status_String[Other]",
"type": "Double"
},
{
"values": [
0,
0,
0,
0,
0,
0,
0,
0,
0,
0
],
"name": "Status_String[Unknown]",
"type": "Double"
},
{
"values": [
0.203,
0.141,
0.268,
0.398,
0.402,
0.047,
0.1245,
0.75,
0.206,
0.2635
],
"name": "Status_Long[Good]",
"type": "Double"
},
{
"values": [
0.266,
0.1955,
0.242,
0.148,
0.25,
0.055,
0.6295,
0.109,
0.41,
0.2125
],
"name": "Status_Long[Bad]",
"type": "Double"
},
{
"values": [
0.5205,
0.6635,
0.49,
0.454,
0.348,
0.898,
0.246,
0.141,
0.384,
0.524
],
"name": "Status_Long[Other]",
"type": "Double"
},
{
"values": [
0,
0,
0,
0,
0,
0,
0,
0,
0,
0
],
"name": "Status_Long[Unknown]",
"type": "Double"
}
],
"progress": 100
}QueryAggregateSeriesWithCategoricalVariable
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31
{
"aggregateSeries": {
"searchSpan": {
"from": "2019-10-10T23:42:00.000Z",
"to": "2019-10-10T23:42:20.000Z"
},
"timeSeriesId": [
"Sensor_58"
],
"interval": "PT2S",
"inlineVariables": {
"Status_String": {
"kind": "categorical",
"value": {
"tsx": "$event.[Status].String"
},
"categories": [
{
"label": "Good",
"values": [
"Good",
"Very Good",
"Excellent"
]
},
{
"label": "Bad",
"values": [
"Bad",
"OK"
]
},
{
"label": "Other",
"values": [
"Other"
]
}
],
"defaultCategory": {
"label": "Unknown"
}
},
"Status_Long": {
"kind": "categorical",
"value": {
"tsx": "tolong($event.[Status].Double)"
},
"categories": [
{
"label": "Good",
"values": [
0,
1,
2
]
},
{
"label": "Bad",
"values": [
3,
4
]
},
{
"label": "Other",
"values": [
5
]
}
],
"defaultCategory": {
"label": "Unknown"
}
}
},
"projectedVariables": [
"Status_String",
"Status_Long"
]
}
}
Sample Response
{
"timestamps": [
"2019-10-10T23:42:00Z",
"2019-10-10T23:42:02Z",
"2019-10-10T23:42:04Z",
"2019-10-10T23:42:06Z",
"2019-10-10T23:42:08Z",
"2019-10-10T23:42:10Z",
"2019-10-10T23:42:12Z",
"2019-10-10T23:42:14Z",
"2019-10-10T23:42:16Z",
"2019-10-10T23:42:18Z"
],
"properties": [
{
"values": [
5,
8,
4,
6,
9,
8,
3,
6,
5,
8
],
"name": "Status_String[Good]",
"type": "Long"
},
{
"values": [
4,
3,
3,
5,
5,
3,
9,
7,
7,
7
],
"name": "Status_String[Bad]",
"type": "Long"
},
{
"values": [
11,
9,
13,
9,
6,
9,
8,
7,
8,
5
],
"name": "Status_String[Other]",
"type": "Long"
},
{
"values": [
0,
0,
0,
0,
0,
0,
0,
0,
0,
0
],
"name": "Status_String[Unknown]",
"type": "Long"
},
{
"values": [
5,
8,
4,
6,
9,
8,
3,
6,
5,
8
],
"name": "Status_Long[Good]",
"type": "Long"
},
{
"values": [
4,
3,
3,
5,
5,
3,
9,
7,
7,
7
],
"name": "Status_Long[Bad]",
"type": "Long"
},
{
"values": [
11,
9,
13,
9,
6,
9,
8,
7,
8,
5
],
"name": "Status_Long[Other]",
"type": "Long"
},
{
"values": [
0,
0,
0,
0,
0,
0,
0,
0,
0,
0
],
"name": "Status_Long[Unknown]",
"type": "Long"
}
],
"progress": 100
}QueryAggregateSeriesWithSampleInterpolation
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31
{
"aggregateSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"interval": "PT1M",
"inlineVariables": {
"LinearSampleInterpolation": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"interpolation": {
"kind": "Linear",
"boundary": {
"span": "P1D"
}
},
"aggregation": {
"tsx": "left($value)"
}
},
"StepSampleInterpolation": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"interpolation": {
"kind": "Step",
"boundary": {
"span": "P1D"
}
},
"aggregation": {
"tsx": "left($value)"
}
}
},
"projectedVariables": [
"LinearSampleInterpolation",
"StepSampleInterpolation"
]
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:00Z",
"2016-08-01T00:01:00Z",
"2016-08-01T00:02:00Z",
"2016-08-01T00:03:00Z",
"2016-08-01T00:04:00Z",
"2016-08-01T00:05:00Z",
"2016-08-01T00:06:00Z",
"2016-08-01T00:07:00Z",
"2016-08-01T00:08:00Z",
"2016-08-01T00:09:00Z",
"2016-08-01T00:10:00Z"
],
"properties": [
{
"name": "LinearSampleInterpolation",
"type": "Double",
"values": [
50,
60,
60,
60,
60,
60,
60,
60,
60,
60,
62
]
},
{
"name": "StepSampleInterpolation",
"type": "Double",
"values": [
71.25,
85,
82.5,
80,
89.16666666666667,
75,
90,
75.83333333333333,
85,
82.5,
84
]
}
],
"progress": 100
}QueryGetEventsPage1
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31
{
"getEvents": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": {
"tsx": "($event.Value.Double != null) OR ($event.Status.String = 'Good')"
},
"projectedProperties": [
{
"name": "Building",
"type": "String"
},
{
"name": "Temperature",
"type": "Double"
}
]
}
}
Sample Response
{
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAwMCwidGFrZSI6MTAwMH0="
}QueryGetEventsPage2
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31
{
"getEvents": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": {
"tsx": "($event.Value.Double != null) OR ($event.Status.String = 'Good')"
},
"projectedProperties": [
{
"name": "Building",
"type": "String"
},
{
"name": "Temperature",
"type": "Double"
}
]
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:10Z",
"2016-08-01T00:00:11Z",
"2016-08-01T00:00:12Z",
"2016-08-01T00:00:13Z",
"2016-08-01T00:00:14Z",
"2016-08-01T00:00:15Z",
"2016-08-01T00:00:16Z",
"2016-08-01T00:00:17Z",
"2016-08-01T00:00:18Z",
"2016-08-01T00:00:19Z"
],
"properties": [
{
"name": "Building",
"type": "String",
"values": [
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium"
]
},
{
"name": "Temperature",
"type": "Double",
"values": [
65.125,
65.375,
65.625,
65.875,
66.125,
66.375,
66.625,
66.875,
67.125,
67.375
]
}
],
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAxYZwidGFrZSI6MTAwMH0="
}QueryGetEventsPage3
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31
{
"getEvents": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": {
"tsx": "($event.Value.Double != null) OR ($event.Status.String = 'Good')"
},
"projectedProperties": [
{
"name": "Building",
"type": "String"
},
{
"name": "Temperature",
"type": "Double"
}
]
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:20Z"
],
"properties": [
{
"name": "Building",
"type": "String",
"values": [
"Millenium"
]
},
{
"name": "Temperature",
"type": "Double",
"values": [
67.575
]
}
],
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAbCDewidGFrZSI6MTAwMH0="
}QueryGetEventsPage4
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31
{
"getEvents": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": {
"tsx": "($event.Value.Double != null) OR ($event.Status.String = 'Good')"
},
"projectedProperties": [
{
"name": "Building",
"type": "String"
},
{
"name": "Temperature",
"type": "Double"
}
]
}
}
Sample Response
{
"timestamps": [],
"properties": [],
"progress": 100
}QueryGetEventsWithTakePage1
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31
{
"getEvents": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": {
"tsx": "($event.Value.Double != null) OR ($event.Status.String = 'Good')"
},
"projectedProperties": [
{
"name": "Building",
"type": "String"
},
{
"name": "Temperature",
"type": "Double"
}
],
"take": 10
}
}
Sample Response
{
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAwMCwidGFrZSI6MTAwMH0="
}QueryGetEventsWithTakePage2
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31
{
"getEvents": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": {
"tsx": "($event.Value.Double != null) OR ($event.Status.String = 'Good')"
},
"projectedProperties": [
{
"name": "Building",
"type": "String"
},
{
"name": "Temperature",
"type": "Double"
}
],
"take": 10
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:10Z",
"2016-08-01T00:00:11Z",
"2016-08-01T00:00:12Z",
"2016-08-01T00:00:13Z",
"2016-08-01T00:00:14Z",
"2016-08-01T00:00:15Z",
"2016-08-01T00:00:16Z",
"2016-08-01T00:00:17Z",
"2016-08-01T00:00:18Z",
"2016-08-01T00:00:19Z"
],
"properties": [
{
"name": "Building",
"type": "String",
"values": [
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium"
]
},
{
"name": "Temperature",
"type": "Double",
"values": [
65.125,
65.375,
65.625,
65.875,
66.125,
66.375,
66.625,
66.875,
67.125,
67.375
]
}
],
"progress": 100
}QueryGetSeriesPage1
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31
{
"getSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": null,
"inlineVariables": {
"temperatures": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "avg($value)"
}
}
},
"projectedVariables": [
"temperatures"
]
}
}
Sample Response
{
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAwMCwidGFrZSI6MTAwMH0="
}QueryGetSeriesPage2
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31
{
"getSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": null,
"inlineVariables": {
"temperatures": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "avg($value)"
}
}
},
"projectedVariables": [
"temperatures"
]
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:10Z",
"2016-08-01T00:00:11Z",
"2016-08-01T00:00:12Z",
"2016-08-01T00:00:13Z",
"2016-08-01T00:00:14Z",
"2016-08-01T00:00:15Z",
"2016-08-01T00:00:16Z",
"2016-08-01T00:00:17Z",
"2016-08-01T00:00:18Z",
"2016-08-01T00:00:19Z",
"2016-08-01T00:00:20Z"
],
"properties": [
{
"name": "temperatures",
"type": "Double",
"values": [
65.125,
65.375,
65.625,
65.875,
66.125,
66.375,
66.625,
66.875,
67.125,
67.375,
67.625
]
}
],
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAxYZwidGFrZSI6MTAwMH0="
}QueryGetSeriesPage3
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31
{
"getSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": null,
"inlineVariables": {
"temperatures": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "avg($value)"
}
}
},
"projectedVariables": [
"temperatures"
]
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:21Z"
],
"properties": [
{
"name": "temperatures",
"type": "Double",
"values": [
67.825
]
}
],
"progress": 100
}QueryGetSeriesWithTakePage1
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31
{
"getSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": null,
"inlineVariables": {
"temperatures": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "avg($value)"
}
}
},
"projectedVariables": [
"temperatures"
],
"take": 10
}
}
Sample Response
{
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAwMCwidGFrZSI6MTAwMH0="
}QueryGetSeriesWithTakePage2
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31
{
"getSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": null,
"inlineVariables": {
"temperatures": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "avg($value)"
}
}
},
"projectedVariables": [
"temperatures"
],
"take": 10
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:10Z",
"2016-08-01T00:00:11Z",
"2016-08-01T00:00:12Z",
"2016-08-01T00:00:13Z",
"2016-08-01T00:00:14Z",
"2016-08-01T00:00:15Z",
"2016-08-01T00:00:16Z",
"2016-08-01T00:00:17Z",
"2016-08-01T00:00:18Z",
"2016-08-01T00:00:19Z",
"2016-08-01T00:00:20Z"
],
"properties": [
{
"name": "temperatures",
"type": "Double",
"values": [
65.125,
65.375,
65.625,
65.875,
66.125,
66.375,
66.625,
66.875,
67.125,
67.375,
67.625
]
}
],
"progress": 100
}WarmStoreQueryAggregateSeriesPage
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=warmstore
{
"aggregateSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"interval": "PT1M",
"inlineVariables": {
"Count": {
"kind": "aggregate",
"filter": null,
"aggregation": {
"tsx": "count()"
}
},
"MinTemperature": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "min($value)"
}
},
"MaxTemperature": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "max($value)"
}
}
},
"projectedVariables": [
"Count",
"MinTemperature",
"MaxTemperature"
]
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:00Z",
"2016-08-01T00:01:00Z",
"2016-08-01T00:02:00Z",
"2016-08-01T00:03:00Z",
"2016-08-01T00:04:00Z",
"2016-08-01T00:05:00Z",
"2016-08-01T00:06:00Z",
"2016-08-01T00:07:00Z",
"2016-08-01T00:08:00Z",
"2016-08-01T00:09:00Z",
"2016-08-01T00:10:00Z"
],
"properties": [
{
"name": "Count",
"type": "Long",
"values": [
50,
60,
60,
60,
60,
60,
60,
60,
60,
60,
null
]
},
{
"name": "AverageTemperature",
"type": "Double",
"values": [
71.25,
85,
82.5,
80,
89.16666666666667,
75,
90,
75.83333333333333,
85,
82.5,
null
]
},
{
"name": "MinTemperature",
"type": "Double",
"values": [
65.125,
77.625,
65.125,
72.625,
65.125,
67.625,
82.625,
65.125,
77.625,
65.125,
null
]
},
{
"name": "MaxTemperature",
"type": "Double",
"values": [
77.375,
92.375,
99.875,
87.375,
99.875,
82.375,
97.375,
99.875,
92.375,
99.875,
null
]
}
],
"progress": 100
}WarmStoreQueryGetEventsPage1
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=warmstore
{
"getEvents": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": {
"tsx": "($event.Value.Double != null) OR ($event.Status.String = 'Good')"
},
"projectedProperties": [
{
"name": "Building",
"type": "String"
},
{
"name": "Temperature",
"type": "Double"
}
]
}
}
Sample Response
{
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAwMCwidGFrZSI6MTAwMH0="
}WarmStoreQueryGetEventsPage2
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=warmstore
{
"getEvents": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": {
"tsx": "($event.Value.Double != null) OR ($event.Status.String = 'Good')"
},
"projectedProperties": [
{
"name": "Building",
"type": "String"
},
{
"name": "Temperature",
"type": "Double"
}
]
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:10Z",
"2016-08-01T00:00:11Z",
"2016-08-01T00:00:12Z",
"2016-08-01T00:00:13Z",
"2016-08-01T00:00:14Z",
"2016-08-01T00:00:15Z",
"2016-08-01T00:00:16Z",
"2016-08-01T00:00:17Z",
"2016-08-01T00:00:18Z",
"2016-08-01T00:00:19Z"
],
"properties": [
{
"name": "Building",
"type": "String",
"values": [
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium",
"Millenium"
]
},
{
"name": "Temperature",
"type": "Double",
"values": [
65.125,
65.375,
65.625,
65.875,
66.125,
66.375,
66.625,
66.875,
67.125,
67.375
]
}
],
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAxYZwidGFrZSI6MTAwMH0="
}WarmStoreQueryGetEventsPage3
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=warmstore
{
"getEvents": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": {
"tsx": "($event.Value.Double != null) OR ($event.Status.String = 'Good')"
},
"projectedProperties": [
{
"name": "Building",
"type": "String"
},
{
"name": "Temperature",
"type": "Double"
}
]
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:20Z"
],
"properties": [
{
"name": "Building",
"type": "String",
"values": [
"Millenium"
]
},
{
"name": "Temperature",
"type": "Double",
"values": [
67.575
]
}
],
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAbCDewidGFrZSI6MTAwMH0="
}WarmStoreQueryGetEventsPage4
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=warmstore
{
"getEvents": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": {
"tsx": "($event.Value.Double != null) OR ($event.Status.String = 'Good')"
},
"projectedProperties": [
{
"name": "Building",
"type": "String"
},
{
"name": "Temperature",
"type": "Double"
}
]
}
}
Sample Response
{
"timestamps": [],
"properties": [],
"progress": 100
}WarmStoreQueryGetSeriesPage1
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=warmstore
{
"getSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": null,
"inlineVariables": {
"temperatures": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "avg($value)"
}
}
},
"projectedVariables": [
"temperatures"
]
}
}
Sample Response
{
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAwMCwidGFrZSI6MTAwMH0="
}WarmStoreQueryGetSeriesPage2
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=warmstore
{
"getSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": null,
"inlineVariables": {
"temperatures": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "avg($value)"
}
}
},
"projectedVariables": [
"temperatures"
]
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:10Z",
"2016-08-01T00:00:11Z",
"2016-08-01T00:00:12Z",
"2016-08-01T00:00:13Z",
"2016-08-01T00:00:14Z",
"2016-08-01T00:00:15Z",
"2016-08-01T00:00:16Z",
"2016-08-01T00:00:17Z",
"2016-08-01T00:00:18Z",
"2016-08-01T00:00:19Z",
"2016-08-01T00:00:20Z"
],
"properties": [
{
"name": "temperatures",
"type": "Double",
"values": [
65.125,
65.375,
65.625,
65.875,
66.125,
66.375,
66.625,
66.875,
67.125,
67.375,
67.625
]
}
],
"progress": 50,
"continuationToken": "aXsic2tpcCI6MTAxYZwidGFrZSI6MTAwMH0="
}WarmStoreQueryGetSeriesPage3
Sample Request
POST https://10000000-0000-0000-0000-100000000109.env.timeseries.azure.com/timeseries/query?api-version=2020-07-31&storeType=warmstore
{
"getSeries": {
"timeSeriesId": [
"006dfc2d-0324-4937-998c-d16f3b4f1952",
"T1"
],
"searchSpan": {
"from": "2016-08-01T00:00:00Z",
"to": "2016-08-01T00:16:50Z"
},
"filter": null,
"inlineVariables": {
"temperatures": {
"kind": "numeric",
"value": {
"tsx": "$event.Temperature"
},
"filter": null,
"aggregation": {
"tsx": "avg($value)"
}
}
},
"projectedVariables": [
"temperatures"
]
}
}
Sample Response
{
"timestamps": [
"2016-08-01T00:00:21Z"
],
"properties": [
{
"name": "temperatures",
"type": "Double",
"values": [
67.825
]
}
],
"progress": 100
}Definitionen
| Name | Beschreibung |
|---|---|
|
Aggregate |
Aggregatreihenabfrage. Ermöglicht das Berechnen einer aggregierten Zeitreihe aus Ereignissen für eine bestimmte Zeitreihen-ID und eine bestimmte Suchspanne. |
|
Aggregate |
Die Aggregatvariable stellt eine beliebige Aggregationsberechnung dar. Aggregatvariablen unterstützen keine Interpolation. |
| Boundary |
Der Zeitbereich links und rechts von der Suchspanne, die für die Interpolation verwendet werden soll. Dies ist in Szenarien hilfreich, in denen die Datenpunkte am Anfang oder Ende der Eingabesuchspanne fehlen. Kann NULL sein. |
|
Categorical |
Die kategorische Variable stellt ein Signal dar, das basierend auf der Anzahl oder Dauer des Vorkommens eines begrenzten Satzes definierter Werte analysiert werden muss. |
|
Date |
Der Zeitbereich. Darf nicht NULL oder negativ sein. |
|
Event |
Eigenschaft eines Ereignisses, das entweder gespeichert oder berechnet wird. Eigenschaften werden sowohl anhand des Namens als auch des Typs identifiziert. Verschiedene Ereignisse können Eigenschaften mit demselben Namen, aber einem anderen Typ aufweisen. |
|
Get |
Abfrage "Ereignisse abrufen". Ermöglicht das Abrufen von Rohereignissen für eine bestimmte Zeitreihen-ID und suchspanne. |
|
Get |
Abrufen der Series-Abfrage. Ermöglicht das Abrufen von Zeitreihen berechneter Variablenwerte aus Ereignissen für eine bestimmte Zeitreihen-ID und eine bestimmte Suchspanne. |
| Interpolation |
Der Interpolationsvorgang, der für die Rohdatenpunkte ausgeführt werden soll. Derzeit ist nur das Sampling interpolierter Zeitreihen zulässig. Zulässige Aggregatfunktion – z. B. left($value). Kann NULL sein, wenn keine Interpolation angewendet werden muss. |
|
Interpolation |
Der Typ der Interpolationstechnik: "Linear" oder "Schritt". |
|
Numeric |
Die numerische Variable stellt ein einzelnes kontinuierliches numerisches Signal dar, das mithilfe von Interpolation rekonstruiert werden kann. |
|
Property |
Den Typ der Eigenschaft. |
|
Property |
Werte einer einzelnen Eigenschaft, die den Zeitstempeln entspricht. Kann NULL-Werte enthalten. Der Typ der Werte entspricht dem Typ der Eigenschaft. |
|
Query |
Anforderung zum Ausführen einer Zeitreihenabfrage für Ereignisse. Genau eines von "getEvents", "getSeries" oder "aggregateSeries" muss festgelegt werden. |
|
Query |
Eine einzelne Seite mit Abfrageergebnissen. Wenn die Abfrage noch nicht abgeschlossen ist, wird auf einer Seite das Fortsetzungstoken festgelegt. Um die nächste Ergebnisseite zu erhalten, senden Sie in diesem Fall dieselbe Anforderung erneut mit dem Parameter "Fortsetzungstoken". Wenn die Abfrage abgeschlossen ist, ist das Fortsetzungstoken NULL. Es ist auch möglich, eine leere Seite mit nur festgelegtem Fortsetzungstoken abzurufen, wenn noch keine Abfrageergebnisse berechnet wurden. Wenn die Paginierung abgeschlossen ist (Fortsetzungstoken ist NULL), sind Zeitstempel und Eigenschaften möglicherweise leer, wenn keine Daten zurückgegeben werden. |
|
Time |
Kategorie, die in kategorischen Variablen verwendet wird. Eine Kategorie wird durch "label" und die "Werte" definiert, denen diese Bezeichnung zugewiesen ist. |
|
Time |
Stellt die Standardkategorie dar. |
|
Tsi |
Informationen zu einem API-Fehler. |
|
Tsi |
Ein bestimmter API-Fehler mit einem Fehlercode und einer Meldung. |
|
Tsi |
Zusätzliche Fehlerinformationen. |
| Tsx |
Zeitreihenausdruck (TIME Series Expression, TSX), der als einzelne Zeichenfolge geschrieben wird. Beispiele: "$event. Status.String='Good'", "avg($event. Temperature)". Informationen zum Schreiben von Zeitreihenausdrücken finden Sie in der Dokumentation. |
AggregateSeries
Aggregatreihenabfrage. Ermöglicht das Berechnen einer aggregierten Zeitreihe aus Ereignissen für eine bestimmte Zeitreihen-ID und eine bestimmte Suchspanne.
| Name | Typ | Beschreibung |
|---|---|---|
| filter |
Filter auf oberster Ebene über die Ereignisse, die die Anzahl der Ereignisse einschränken, die für die Berechnung berücksichtigt werden. Dieser Filter ist AND'ed mit Filter in jeder Variablen. Beispiel: "$event. Status.String='Good'"" Optional. |
|
| inlineVariables |
object |
Dies ermöglicht es dem Benutzer, optional Inlinevariablen von den bereits im Modell definierten Variablen zu definieren. Wenn die Namen der Inlinevariablen denselben Namen wie das Modell haben, hat die Definition der Inlinevariablen Vorrang. Kann NULL sein. |
| interval |
string |
Die Intervallgröße wird im ISO-8601-Dauerformat angegeben. Alle Intervalle haben die gleiche Größe. Ein Monat wird immer in 30 Tage und ein Jahr ist immer 365 Tage. Beispiele: 1 Minute ist "PT1M", 1 Millisekunde ist "PT0.001S". Weitere Informationen finden Sie unter https://www.w3.org/TR/xmlschema-2/#duration. |
| projectedVariables |
string[] |
Dadurch kann der Benutzer optional die Variablen auswählen, die projiziert werden müssen. Wenn null oder nicht festgelegt ist, werden alle Variablen aus inlineVariables und modell zurückgegeben. Kann NULL sein. |
| searchSpan |
Der Zeitbereich, in dem die Abfrage ausgeführt wird. Darf nicht NULL sein. |
|
| timeSeriesId |
Time |
Ein einzelner Time Series ID-Wert, der eine einzelne Zeitreihe instance eindeutig identifiziert (z. B. ein Gerät). Beachten Sie, dass eine einzelne Zeitreihen-ID zusammengesetzt sein kann, wenn zum Zeitpunkt der Umgebungserstellung mehrere Eigenschaften als Time Series-ID angegeben werden. Die Position und der Typ der Werte müssen mit time Series ID-Eigenschaften übereinstimmen, die in der Umgebung angegeben und von der API zum Abrufen von Modelleinstellungen zurückgegeben werden. Darf nicht NULL sein. |
AggregateVariable
Die Aggregatvariable stellt eine beliebige Aggregationsberechnung dar. Aggregatvariablen unterstützen keine Interpolation.
| Name | Typ | Beschreibung |
|---|---|---|
| aggregation |
Aggregationszeitreihenausdruck, wenn art "aggregat" ist, wird verwendet, um die Aggregation darzustellen, die direkt mithilfe von Ereigniseigenschaften wie "$event. Temperatur". Beispielsweise kann die Aggregation zum Berechnen des Bereichs von Temperaturänderungen wie folgt geschrieben werden: "max($event. Temperature)-min($event. Temperature)". |
|
| filter |
Filtern Sie nach den Ereignissen, die die Anzahl der Ereignisse einschränken, die für die Berechnung berücksichtigt werden. Beispiel: "$event. Status.String='Good'"" Optional. |
|
| kind |
string:
aggregate |
Zulässige "Kind"-Werte sind "numeric" oder "aggregate". Während Sie mit "numeric" den Wert des rekonstruierten Signals und des Ausdrucks angeben können, um sie zu aggregieren, können Sie mit der Art "Aggregat" die Ereigniseigenschaften direkt aggregieren, ohne wert anzugeben. |
Boundary
Der Zeitbereich links und rechts von der Suchspanne, die für die Interpolation verwendet werden soll. Dies ist in Szenarien hilfreich, in denen die Datenpunkte am Anfang oder Ende der Eingabesuchspanne fehlen. Kann NULL sein.
| Name | Typ | Beschreibung |
|---|---|---|
| span |
string |
CategoricalVariable
Die kategorische Variable stellt ein Signal dar, das basierend auf der Anzahl oder Dauer des Vorkommens eines begrenzten Satzes definierter Werte analysiert werden muss.
| Name | Typ | Beschreibung |
|---|---|---|
| categories |
Kategorie, die in kategorischen Variablen verwendet wird. Eine Kategorie wird durch "label" und die "Werte" definiert, denen diese Bezeichnung zugewiesen ist. |
|
| defaultCategory |
Stellt die Standardkategorie dar. |
|
| filter |
Filtern Sie nach den Ereignissen, die die Anzahl der Ereignisse einschränken, die für die Berechnung berücksichtigt werden. Beispiel: "$event. Status.String='Good'"" Optional. |
|
| interpolation |
Kategorische Variable unterstützt nur die "Schritt"-Interpolation. |
|
| kind |
string:
categorical |
Zulässige "Kind"-Werte sind "numeric" oder "aggregate". Während Sie mit "numeric" den Wert des rekonstruierten Signals und des Ausdrucks angeben können, um sie zu aggregieren, können Sie mit der Art "Aggregat" die Ereigniseigenschaften direkt aggregieren, ohne wert anzugeben. |
| value |
Der Wertzeitreihenausdruck wird verwendet, um den Wert des Signals darzustellen, das kategorisiert werden soll. Es kann nur den Typ "String" oder "Long" für kategorische Variablen auswerten. |
DateTimeRange
Der Zeitbereich. Darf nicht NULL oder negativ sein.
| Name | Typ | Beschreibung |
|---|---|---|
| from |
string |
Startzeitstempel des Zeitbereichs. Der Startzeitstempel ist inklusive, wenn er in Zeitreihenabfrageanforderungen verwendet wird. Ereignisse, die über diesen Zeitstempel verfügen, werden eingeschlossen. |
| to |
string |
Endzeitstempel des Zeitbereichs. Endzeitstempel ist exklusiv, wenn es in Zeitreihenabfrageanforderungen verwendet wird. Ereignisse, die mit diesem Zeitstempel übereinstimmen, werden ausgeschlossen. Beachten Sie, dass der Endzeitstempel inklusive ist, wenn er von Get Availability zurückgegeben wird (was bedeutet, dass ein Ereignis mit genau diesem Zeitstempel "to" vorhanden ist). |
EventProperty
Eigenschaft eines Ereignisses, das entweder gespeichert oder berechnet wird. Eigenschaften werden sowohl anhand des Namens als auch des Typs identifiziert. Verschiedene Ereignisse können Eigenschaften mit demselben Namen, aber einem anderen Typ aufweisen.
| Name | Typ | Beschreibung |
|---|---|---|
| name |
string |
Den Namen der Eigenschaft. |
| type |
Den Typ der Eigenschaft. |
GetEvents
Abfrage "Ereignisse abrufen". Ermöglicht das Abrufen von Rohereignissen für eine bestimmte Zeitreihen-ID und suchspanne.
| Name | Typ | Beschreibung |
|---|---|---|
| filter |
Optionaler Filter der obersten Ebene für die Abfrage, der auf alle Variablen in der Abfrage angewendet wird. Beispiel: "$event. Status.String='Good'"" Kann NULL sein. |
|
| projectedProperties |
Projizierte Eigenschaften sind ein Array von Eigenschaften, die Sie projizieren möchten. Diese Eigenschaften müssen in den Ereignissen angezeigt werden. Andernfalls werden sie nicht zurückgegeben. |
|
| searchSpan |
Der Zeitbereich, in dem die Abfrage ausgeführt wird. Darf nicht NULL sein. |
|
| take |
integer |
Maximale Anzahl von Eigenschaftswerten im gesamten Antwortsatz, nicht die maximale Anzahl von Eigenschaftswerten pro Seite. Der Standardwert ist 10.000, wenn nicht festgelegt. Der maximal zulässige Wert kann 250.000 sein. |
| timeSeriesId |
Time |
Ein einzelner Time Series ID-Wert, der eine einzelne Zeitreihe instance eindeutig identifiziert (z. B. ein Gerät). Beachten Sie, dass eine einzelne Zeitreihen-ID zusammengesetzt sein kann, wenn zum Zeitpunkt der Umgebungserstellung mehrere Eigenschaften als Time Series-ID angegeben werden. Die Position und der Typ der Werte müssen mit time Series ID-Eigenschaften übereinstimmen, die in der Umgebung angegeben und von der API zum Abrufen von Modelleinstellungen zurückgegeben werden. Darf nicht NULL sein. |
GetSeries
Abrufen der Series-Abfrage. Ermöglicht das Abrufen von Zeitreihen berechneter Variablenwerte aus Ereignissen für eine bestimmte Zeitreihen-ID und eine bestimmte Suchspanne.
| Name | Typ | Beschreibung |
|---|---|---|
| filter |
Filter auf oberster Ebene über die Ereignisse, die die Anzahl der Ereignisse einschränken, die für die Berechnung berücksichtigt werden. Dieser Filter ist AND'ed mit Filter in jeder Variablen. Beispiel: "$event. Status.String='Good'"" Optional. |
|
| inlineVariables |
object |
Optionale Inlinevariablen abgesehen von denen, die bereits im Zeitreihentyp im Modell definiert sind. Wenn der Name der Inlinevariablen den gleichen Namen wie im Modell hat, hat die Definition der Inlinevariablen Vorrang. Kann NULL sein. |
| projectedVariables |
string[] |
Ausgewählte Variablen, die im Abfrageergebnis projiziert werden müssen. Wenn null oder nicht festgelegt ist, werden alle Variablen aus inlineVariables und dem Zeitreihentyp im Modell zurückgegeben. Kann NULL sein. |
| searchSpan |
Der Zeitbereich, in dem die Abfrage ausgeführt wird. Darf nicht NULL sein. |
|
| take |
integer |
Maximale Anzahl von Eigenschaftswerten im gesamten Antwortsatz, nicht die maximale Anzahl von Eigenschaftswerten pro Seite. Der Standardwert ist 10.000, wenn nicht festgelegt. Der maximal zulässige Wert kann 250.000 sein. |
| timeSeriesId |
Time |
Ein einzelner Time Series ID-Wert, der eine einzelne Zeitreihe instance eindeutig identifiziert (z. B. ein Gerät). Beachten Sie, dass eine einzelne Zeitreihen-ID zusammengesetzt sein kann, wenn zum Zeitpunkt der Umgebungserstellung mehrere Eigenschaften als Time Series-ID angegeben werden. Die Position und der Typ der Werte müssen mit time Series ID-Eigenschaften übereinstimmen, die in der Umgebung angegeben und von der API zum Abrufen von Modelleinstellungen zurückgegeben werden. Darf nicht NULL sein. |
Interpolation
Der Interpolationsvorgang, der für die Rohdatenpunkte ausgeführt werden soll. Derzeit ist nur das Sampling interpolierter Zeitreihen zulässig. Zulässige Aggregatfunktion – z. B. left($value). Kann NULL sein, wenn keine Interpolation angewendet werden muss.
| Name | Typ | Beschreibung |
|---|---|---|
| boundary |
Der Zeitbereich links und rechts von der Suchspanne, die für die Interpolation verwendet werden soll. Dies ist in Szenarien hilfreich, in denen die Datenpunkte am Anfang oder Ende der Eingabesuchspanne fehlen. Kann NULL sein. |
|
| kind |
Der Typ der Interpolationstechnik: "Linear" oder "Schritt". |
InterpolationKind
Der Typ der Interpolationstechnik: "Linear" oder "Schritt".
| Name | Typ | Beschreibung |
|---|---|---|
| Linear |
string |
|
| Step |
string |
NumericVariable
Die numerische Variable stellt ein einzelnes kontinuierliches numerisches Signal dar, das mithilfe von Interpolation rekonstruiert werden kann.
| Name | Typ | Beschreibung |
|---|---|---|
| aggregation |
Der Aggregationszeitreihenausdruck, wenn art "numerisch" ist, wird verwendet, um die Aggregation darzustellen, die für den $value Ausdruck ausgeführt werden muss. Hierfür müssen $value angegeben werden und können nur $value innerhalb der Aggregatfunktionen verwenden. Beispielsweise wird die Aggregation zum Berechnen des Mindestwerts der $value als "min($value)" geschrieben. |
|
| filter |
Filtern Sie nach den Ereignissen, die die Anzahl der Ereignisse einschränken, die für die Berechnung berücksichtigt werden. Beispiel: "$event. Status.String='Good'"" Optional. |
|
| interpolation |
Der Interpolationsvorgang, der für die Rohdatenpunkte ausgeführt werden soll. Derzeit ist nur das Sampling interpolierter Zeitreihen zulässig. Zulässige Aggregatfunktion – z. B. left($value). Kann NULL sein, wenn keine Interpolation angewendet werden muss. |
|
| kind |
string:
numeric |
Zulässige "Kind"-Werte sind "numeric" oder "aggregate". Während Sie mit "numeric" den Wert des rekonstruierten Signals und des Ausdrucks angeben können, um sie zu aggregieren, können Sie mit der Art "Aggregat" die Ereigniseigenschaften direkt aggregieren, ohne wert anzugeben. |
| value |
Der Wertzeitreihenausdruck wird verwendet, um den Wert des Signals darzustellen, das aggregiert oder interpoliert werden soll. Beispielsweise werden Temperaturwerte aus dem Ereignis wie folgt dargestellt: "$event. Temperature.Double". |
PropertyTypes
Den Typ der Eigenschaft.
| Name | Typ | Beschreibung |
|---|---|---|
| Bool |
string |
|
| DateTime |
string |
|
| Double |
string |
|
| Long |
string |
|
| String |
string |
|
| TimeSpan |
string |
PropertyValues
Werte einer einzelnen Eigenschaft, die den Zeitstempeln entspricht. Kann NULL-Werte enthalten. Der Typ der Werte entspricht dem Typ der Eigenschaft.
| Name | Typ | Beschreibung |
|---|---|---|
| name |
string |
Den Namen der Eigenschaft. |
| type |
Den Typ der Eigenschaft. |
|
| values |
Values[] |
Werte einer einzelnen Eigenschaft, die den Zeitstempeln entspricht. Kann NULL-Werte enthalten. Der Typ der Werte entspricht dem Typ der Eigenschaft. |
QueryRequest
Anforderung zum Ausführen einer Zeitreihenabfrage für Ereignisse. Genau eines von "getEvents", "getSeries" oder "aggregateSeries" muss festgelegt werden.
| Name | Typ | Beschreibung |
|---|---|---|
| aggregateSeries |
Aggregatreihenabfrage. Ermöglicht das Berechnen einer aggregierten Zeitreihe aus Ereignissen für eine bestimmte Zeitreihen-ID und eine bestimmte Suchspanne. |
|
| getEvents |
Abfrage "Ereignisse abrufen". Ermöglicht das Abrufen von Rohereignissen für eine bestimmte Zeitreihen-ID und suchspanne. |
|
| getSeries |
Abrufen der Series-Abfrage. Ermöglicht das Abrufen von Zeitreihen berechneter Variablenwerte aus Ereignissen für eine bestimmte Zeitreihen-ID und eine bestimmte Suchspanne. |
QueryResultPage
Eine einzelne Seite mit Abfrageergebnissen. Wenn die Abfrage noch nicht abgeschlossen ist, wird auf einer Seite das Fortsetzungstoken festgelegt. Um die nächste Ergebnisseite zu erhalten, senden Sie in diesem Fall dieselbe Anforderung erneut mit dem Parameter "Fortsetzungstoken". Wenn die Abfrage abgeschlossen ist, ist das Fortsetzungstoken NULL. Es ist auch möglich, eine leere Seite mit nur festgelegtem Fortsetzungstoken abzurufen, wenn noch keine Abfrageergebnisse berechnet wurden. Wenn die Paginierung abgeschlossen ist (Fortsetzungstoken ist NULL), sind Zeitstempel und Eigenschaften möglicherweise leer, wenn keine Daten zurückgegeben werden.
| Name | Typ | Beschreibung |
|---|---|---|
| continuationToken |
string |
Wenn dies zurückgegeben wird, bedeutet dies, dass aktuelle Ergebnisse ein Teilergebnis darstellen. Fortsetzungstoken ermöglicht das Abrufen der nächsten Seite der Ergebnisse. Um die nächste Seite der Abfrageergebnisse zu erhalten, senden Sie dieselbe Anforderung mit dem Fortsetzungstokenparameter im HTTP-Header "x-ms-continuation". |
| progress |
number |
Ungefährer Fortschritt der Abfrage in Prozent. Es kann zwischen 0 und 100 sein. Wenn das Fortsetzungstoken in der Antwort NULL ist, wird erwartet, dass der Fortschritt 100 ist. |
| properties |
Sammlung von Zeitreiheneigenschaften und -werten für jeden Zeitstempel. Kann NULL sein, wenn der Server die Seite in dieser Anforderung nicht ausfüllen konnte, oder leer sein kann, wenn keine weiteren Objekte vorhanden sind, wenn das Fortsetzungstoken NULL ist. |
|
| timestamps |
string[] |
Die Zeitstempel der Werte der Zeitreihe. Wenn eine Aggregation über Intervallen verwendet wird, stellen Zeitstempel den Beginn der entsprechenden Intervalle dar. Wenn Ereignisse abgerufen werden, sind Zeitstempel Werte des Zeitstempels $ts Eigenschaft von Ereignissen. Kann NULL sein, wenn der Server die Seite in dieser Anforderung nicht ausfüllen konnte, oder leer sein kann, wenn keine weiteren Objekte vorhanden sind, wenn das Fortsetzungstoken NULL ist. |
TimeSeriesAggregateCategory
Kategorie, die in kategorischen Variablen verwendet wird. Eine Kategorie wird durch "label" und die "Werte" definiert, denen diese Bezeichnung zugewiesen ist.
| Name | Typ | Beschreibung |
|---|---|---|
| label |
string |
Der Name der Kategorie, die beim Erstellen der Namen der Ausgabevariablen verwendet wird. |
| values |
object[] |
Die Liste der Werte, denen eine Kategorie zugeordnet ist. Kann entweder eine eindeutige Liste von Zeichenfolgen oder eine Liste von langen sein. |
TimeSeriesDefaultCategory
Stellt die Standardkategorie dar.
| Name | Typ | Beschreibung |
|---|---|---|
| label |
string |
Der Name der Standardkategorie, die den Werten zugewiesen wird, die keinem der in den Kategorien definierten Werte entsprechen. |
TsiError
Informationen zu einem API-Fehler.
| Name | Typ | Beschreibung |
|---|---|---|
| error |
Ein bestimmter API-Fehler mit einem Fehlercode und einer Meldung. |
TsiErrorBody
Ein bestimmter API-Fehler mit einem Fehlercode und einer Meldung.
| Name | Typ | Beschreibung |
|---|---|---|
| code |
string |
Sprachunabhängige, für Menschen lesbare Zeichenfolge, die einen dienstspezifischen Fehlercode definiert. Dieser Code dient als spezifischerer Indikator für den in der Antwort angegebenen HTTP-Fehlercode. Kann verwendet werden, um bestimmte Fehlerfälle programmgesteuert zu behandeln. |
| details |
Enthält zusätzliche Fehlerinformationen. Ist möglicherweise NULL. |
|
| innerError |
Enthält einen spezifischeren Fehler, der die Ursache eingrenzt. Ist möglicherweise NULL. |
|
| message |
string |
Für Menschen lesbare, sprachunabhängige Darstellung des Fehlers. Es ist als Hilfe für Entwickler gedacht und eignet sich nicht für die Exposition gegenüber Endbenutzern. |
| target |
string |
Ziel des bestimmten Fehlers (z. B. der Name der -Eigenschaft im Fehler). Ist möglicherweise NULL. |
TsiErrorDetails
Zusätzliche Fehlerinformationen.
| Name | Typ | Beschreibung |
|---|---|---|
| code |
string |
Sprachunabhängige, für Menschen lesbare Zeichenfolge, die einen dienstspezifischen Fehlercode definiert. Dieser Code dient als spezifischerer Indikator für den in der Antwort angegebenen HTTP-Fehlercode. Kann verwendet werden, um bestimmte Fehlerfälle programmgesteuert zu behandeln. |
| message |
string |
Für Menschen lesbare, sprachunabhängige Darstellung des Fehlers. Es ist als Hilfe für Entwickler gedacht und eignet sich nicht für die Exposition gegenüber Endbenutzern. |
Tsx
Zeitreihenausdruck (TIME Series Expression, TSX), der als einzelne Zeichenfolge geschrieben wird. Beispiele: "$event. Status.String='Good'", "avg($event. Temperature)". Informationen zum Schreiben von Zeitreihenausdrücken finden Sie in der Dokumentation.
| Name | Typ | Beschreibung |
|---|---|---|
| tsx |
string |
Zeitreihenausdruck (TIME Series Expression, TSX), der als einzelne Zeichenfolge geschrieben wird. Beispiele: "$event. Status.String='Good'", "avg($event. Temperature)". Informationen zum Schreiben von Zeitreihenausdrücken finden Sie in der Dokumentation. |