prev()

  • 아티클

지정된 행에 있는 특정 열의 값을 반환합니다. 지정된 행은 직렬화된 행 집합의 현재 행에서 지정된 오프셋에 있습니다.

Syntax

prev(열, [ offset ], [ default_value ] )

구문 규칙에 대해 자세히 알아보세요.

매개 변수

이름 형식 필수 Description
column string ✔️ 값을 가져올 열입니다.
offset int 행으로 돌아갈 오프셋입니다. 기본값은 1입니다.
default_value 스칼라(scalar) 값을 사용할 이전 행이 없을 때 사용할 기본값입니다. 기본값은 null입니다.

예

인접한 행 간의 비교를 기반으로 데이터 필터링

다음 쿼리는 에 대한 호출 사이에 1/4초보다 긴 나누기를 보여 주는 행을 sensor-9반환합니다.

쿼리 실행

TransformedSensorsData
| where SensorName == 'sensor-9'
| sort by Timestamp asc
| extend timeDiffInMilliseconds = datetime_diff('millisecond', Timestamp, prev(Timestamp, 1))
| where timeDiffInMilliseconds > 250

출력

타임스탬프 SensorName 값 PublisherId MachineId timeDiff
2022-04-13T00:58:53.048506Z sensor-9 0.39217481975439894 fdbd39ab-82ac-4ca0-99ed-2f83daf3f9bb M100 251
2022-04-13T01:07:09.63713Z sensor-9 0.46645392778288297 e3ed081e-501b-4d59-8e60-8524633d9131 M100 313
2022-04-13T01:07:10.858267Z sensor-9 0.693091598493419 278ca033-2b5e-4f2c-b493-00319b275aea M100 254
2022-04-13T01:07:11.203834Z sensor-9 0.52415808840249778 4ea27181-392d-4947-b811-ad5af02a54bb M100 331
2022-04-13T01:07:14.431908Z sensor-9 0.35430645405452 0af415c2-59dc-4a50-89c3-9a18ae5d621f M100 268
... ... ... ... ... ...

인접한 행 간의 비교에 따라 집계 수행

다음 쿼리는 에 대한 호출 간의 평균 시간 차이를 밀리초 단위로 sensor-9계산합니다.

쿼리 실행

TransformedSensorsData
| where SensorName == 'sensor-9'
| sort by Timestamp asc
| extend timeDiffInMilliseconds = datetime_diff('millisecond', Timestamp, prev(Timestamp, 1))
| summarize avg(timeDiffInMilliseconds)

출력

avg_timeDiffInMilliseconds
30.726900061254298

이전 행의 데이터를 사용하여 행 확장

다음 쿼리에서는 serialize 연산자를 사용하여 수행된 serialization의 일부로 이전 행의 데이터와 함께 새 열 previous_session_type 이 추가됩니다. 첫 번째 세션 이전에 세션이 없으므로 열이 첫 번째 행에 비어 있습니다.

쿼리 실행

ConferenceSessions
| where conference == 'Build 2019'
| serialize previous_session_type = prev(session_type)
| project time_and_duration, session_title, session_type, previous_session_type

출력

time_and_duration session_title session_type previous_session_type
5월 6일(월) 오전 8:30-10:00 비전 기조연설 - 사티아 나델라 키노트
5월 6일(월) 오후 1:20-1:40 Azure Data Explorer: 고급 시계열 분석 Expo 세션 키노트
5월 6일(월) 오후 2:00-3:00 Azure의 데이터 플랫폼 - Petabyte Scale에서 최신 애플리케이션 및 클라우드 규모 분석 구동 브레이크 아웃 Expo 세션
월, 5월 6, 4:00-4:20 pm BASF에서 Azure Data Services를 사용하는 방법 Expo 세션 브레이크 아웃
월, 5월 6, 6:50 - 오후 7:10 Azure Data Explorer: ML 모델 운영 Expo 세션 Expo 세션
... ... ... ...