Migrando o Time Series Insights Gen1 para o Azure Data Explorer
Nota
O serviço Time Series Insights será desativado em 7 de julho de 2024. Considere migrar os ambientes existentes para soluções alternativas o mais rápido possível. Para obter mais informações sobre a substituição e migração, visite nossa documentação.
Descrição geral
A recomendação é configurar o cluster do Azure Data Explorer com um novo grupo de consumidores do Hub de Eventos ou do Hub IoT e aguardar o período de retenção passar e preencher o Azure Data Explorer com os mesmos dados do ambiente do Time Series Insights. Se for necessário exportar dados de telemetria do ambiente do Time Series Insights, a sugestão é usar a API de consulta do Time Series Insights para baixar os eventos em lotes e serializar no formato necessário. Para dados de referência, o Time Series Insights Explorer ou a API de Dados de Referência podem ser usados para baixar o conjunto de dados de referência e carregá-lo no Azure Data Explorer como outra tabela. Em seguida, as exibições materializadas no Azure Data Explorer podem ser usadas para unir dados de referência com dados de telemetria. Use a visualização materializada com a função de agregação arg_max() que obterá o registro mais recente por entidade, conforme demonstrado no exemplo a seguir. Para obter mais informações sobre modos de exibição materializados, leia a seguinte documentação: Casos de uso de modos de exibição materializados.
.create materialized-view MVName on table T
{
T
| summarize arg_max(Column1,*) by Column2
}
Traduzir Consultas do Time Series Insights para KQL
Para consultas, a recomendação é usar o KQL no Azure Data Explorer.
evento
{
"searchSpan": {
"from": "2021-11-29T22:09:32.551Z",
"to": "2021-12-06T22:09:32.551Z"
},
"predicate": {
"predicateString": "([device_id] = 'device_0') AND ([has_error] != null OR [error_code] != null)"
},
"top": {
"sort": [
{
"input": {
"builtInProperty": "$ts"
},
"order": "Desc"
}
],
"count": 100
}
}
events
| where _timestamp >= datetime("2021-11-29T22:09:32.551Z") and _timestamp < datetime("2021-12-06T22:09:32.551Z") and deviceid == "device_0" and (not(isnull(haserror)) or not(isempty(errorcode)))
| top 100 by _timestamp desc
Agregados
{
"searchSpan": {
"from": "2021-12-04T22:30:00Z",
"to": "2021-12-06T22:30:00Z"
},
"predicate": {
"eq": {
"left": {
"property": "DeviceId",
"type": "string"
},
"right": "device_0"
}
},
"aggregates": [
{
"dimension": {
"uniqueValues": {
"input": {
"property": "DeviceId",
"type": "String"
},
"take": 1
}
},
"aggregate": {
"dimension": {
"dateHistogram": {
"input": {
"builtInProperty": "$ts"
},
"breaks": {
"size": "2d"
}
}
},
"measures": [
{
"count": {}
},
{
"sum": {
"input": {
"property": "DataValue",
"type": "Double"
}
}
},
{
"min": {
"input": {
"property": "DataValue",
"type": "Double"
}
}
},
{
"max": {
"input": {
"property": "DataValue",
"type": "Double"
}
}
}
]
}
}
]
}
let _q = events | where _timestamp >= datetime("2021-12-04T22:30:00Z") and _timestamp < datetime("2021-12-06T22:30:00Z") and deviceid == "device_0";
let _dimValues0 = _q | project deviceId | sample-distinct 1 of deviceId;
_q
| where deviceid in (_dimValues0) or isnull(deviceid)
| summarize
_meas0 = count(),
_meas1 = iff(isnotnull(any(datavalue)), sum(datavalue), any(datavalue)),
_meas2 = min(datavalue),
_meas3 = max(datavalue),
by _dim0 = deviceid, _dim1 = bin(_timestamp, 2d)
| project
_dim0,
_dim1,
_meas0,
_meas1,
_meas2,
_meas3,
| sort by _dim0 nulls last, _dim1 nulls last