EVALUATEANDLOG

Gäller för: Beräknad kolumn Beräknad tabell Mått Visuell beräkning

Returnerar värdet för det första argumentet och loggar det i en DAX Evaluation Log profiler-händelse. Den här funktionen fungerar endast fullt ut i Power BI Desktop. Den fungerar som en enkel genomströmningsfunktion i andra miljöer.

Syntax

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

Parametrar

Period	Definition
Värde	Alla skalära uttryck eller tabelluttryck som ska utvärderas och loggas.
Etikett	(Valfritt) En konstant sträng som ingår i både json-texten och kolumnen Etikett i HÄNDELSEN DAX-utvärderingslogg som kan användas för att enkelt identifiera en instans av funktionsanropet.
MaxRows	(Valfritt) Det maximala antalet rader i json-texten i HÄNDELSEN DAX-utvärderingslogg när det första argumentet är ett tabelluttryck. Standardvärdet är 10.

Returvärde

Värdet för det första argumentet.

JSON-strukturen som loggas i en DAX-utvärderingsloggprofileringshändelse innehåller:

• "expression" är textversionen av det första argumentet.
• "label" är parametern Etikett när den anges i uttrycket.
• "inputs" är en lista över kolumner i utvärderingskontexten som påverkar värdena för det första argumentet.
• "outputs" är en lista över en enda kolumn [Värde] när det första argumentet är ett skalärt uttryck och en lista över utdatakolumner när det första argumentet är ett tabelluttryck.
• "data" är en lista över indatavärden och utdatavärden när det första argumentet är ett skalärt uttryck och en lista med indatavärden och motsvarande utdatarader när det första argumentet är ett tabelluttryck.
• "rowCount" är antalet rader när det första argumentet är ett tabelluttryck. Även om antalet rader i json-utdata trunkeras av parametern MaxRows är rowCount det verkliga antalet rader utan trunkering.

Kommentarer

• Spårningshändelser kan samlas in med hjälp av SQL Server Profiler och dax-felsökningsverktyget med öppen källkod.

• Den här funktionen kan användas med nästan alla underuttryck i ett DAX-uttryck och hela uttrycket är fortfarande giltigt.

• När det första argumentet utvärderas flera gånger i en enskild fråga genererar funktionen en enda DAX-utvärderingslogghändelse som innehåller både indatavärdena och motsvarande utdatavärden.

• När etikettparametern har angetts returneras dess värde i både json-utdata och kolumnen Etikett i DAX-utvärderingslogghändelsen.

• Om det första argumentet är ett tabelluttryck visas endast de översta MaxRows-raderna i HÄNDELSEN DAX-utvärderingslogg.

• I vissa fall körs inte den här funktionen på grund av optimeringar.

• Om DAX-utvärderingslogghändelsen är större än en miljon tecken trunkeras den för att bevara rätt json-struktur.

Exempel 1

Följande DAX-fråga:

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

Returnerar följande DAX-utvärderingslogghändelse:

{
    "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]
            ]
        }
    ]
}

Exempel 2

Följande DAX-fråga med ett skalärt argument och varierande attribut:

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

Returnerar följande DAX-utvärderingslogghändelse:

{
    "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"
        }
    ]
}

Relaterat innehåll

TOCSV
TOJSON