Tids pivot

Gäller för: ✅Microsoft Fabric✅Azure Data Explorer✅Azure Monitor✅Microsoft Sentinel

Time pivotvisualisering är en interaktiv navigering över händelsernas tidsradspitering på tidsaxeln.

Not

• Den här visualiseringen kan bara användas i kontexten för rendera operatorn.
• Den här visualiseringen kan användas i Kusto.Explorer men är inte tillgänglig i Webbgränssnittet för Azure Data Explorer.

Syntax

T|timepivotrender [(withpropertyName=propertyValue [, ...])]

Läs mer om syntaxkonventioner.

Parametrar

Namn	Typ	Krävs	Beskrivning
T	string	✔️	Indatatabellens namn.
propertyName, propertyValue	string		En kommaavgränsad lista över nyckel/värde-egenskapspar. Se egenskaper som stöds.

Egenskaper som stöds

Alla egenskaper är valfria.

Egenskapens namn	Egenskapsvärde
series	Kommaavgränsad lista över kolumner vars kombinerade värden per post definierar den serie som posten tillhör.

Interaktiv skärm

När du har renderat tidspivoten kan du undersöka och interagera ytterligare med data genom att lägga till sektornivåer och genom att öka detaljnivån i specifika tidssektorer. Data i tabellen uppdateras interaktivt enligt de sektoralternativ som du konfigurerar. De segmentalternativ som är tillgängliga är:

• Ändra, lägga till och ta bort flera segmentnivåer
• Expandera rader för att visa information om varje nivå
• Växla för att visa efter starttid eller efter sluttid
• Markera specifika rader eller tidssegment och visa deras data i tabellen.

Not

• Time pivots har inbyggt stöd för OpenTelemetry-schemat, en plattformsoberoende, öppen standard för att samla in och generera telemetridata. Det standardiserade och strukturerade formatet för OpenTelemetry-data underlättar effektiv datapivotering och analys. När du interagerar med den första nivån av segmentalternativen OpenTelemtry sträcker sig OpenTelemtry och deras kapslade hierarki i listan.

Exempel

Exemplen i det här avsnittet visar hur du använder syntaxen för att komma igång.

Visualisera översvämningshändelser per tillstånd

Den här frågan matar ut en visualisering av översvämningshändelser i de angivna delstaterna i Mellanvästern, som visas som ett tids pivotdiagram.

let midwesternStates = dynamic([
  "ILLINOIS", "INDIANA", "IOWA", "KANSAS", "MICHIGAN", "MINNESOTA",
  "MISSOURI", "NEBRASKA", "NORTH DAKOTA", "OHIO", "SOUTH DAKOTA", "WISCONSIN"
]);
StormEvents
| where EventType == "Flood" and State in (midwesternStates)
| render timepivot with (series=State)

utdata

Du kan interagera ytterligare med tidspivoten, till exempel:

• Välj ett nytt segmentalternativ för att ändra de data som visas i tidspivoten. Data i tabellen under tidspivoten uppdateras för att återspegla den nya serien.

  

• Lägg till segmentalternativnivåer för att ytterligare undersöka och interagera med data. Expandera varje rad för att se vilka nivåer som lagts till.

  

• Om du vill visa data som är relevanta för en viss sektor markerar du en eller flera tidssektorer i en rad i tidspivoten.

  

Visa och segmentera hierarkiska OpenTelemetry-data

Alternativen för OpenTelemetry-datasegmentet återspeglar den kapslade hierarkin.

I det här exemplet återges en tidspivot enligt ett specifikt TraceID i datatable. Frågan som visas i det här exemplet innehåller de två första raderna med data från en stor tabell.

datatable(TraceID:string, SpanID:string, ParentID:string, SpanName:string, SpanStatus:string, SpanKind:string, StartTime:datetime, EndTime:datetime, ResourceAttributes:dynamic, TraceAttributes:dynamic, Events:dynamic, Links:dynamic)
[
    "c339bbae48eb8426f9a63c4eee55284c", "d1265cecd4c291ee", "", "POST", "STATUS_CODE_UNSET", "SPAN_KIND_CLIENT", datetime(2025-04-07T04:15:52.1657810Z), datetime(2025-04-07T04:16:01.6616919Z), dynamic({"k8s.namespace.name":"otel-demo","k8s.pod.start_time":"2025-04-06T00:19:47.0000000Z","k8s.deployment.name":"opentelemetry-demo-loadgenerator","k8s.node.name":"aks-userpool-31567306-vmss000003","service.name":"loadgenerator","service.version":"1.12.0","k8s.pod.uid":"d2fbaf5d-b5c2-4dac-af08-b92d56573899","k8s.pod.name":"opentelemetry-demo-loadgenerator-6994f5db8-lq4qs","service.instance.id":"d2fbaf5d-b5c2-4dac-af08-b92d56573899","service.namespace":"opentelemetry-demo","k8s.pod.ip":"10.244.0.57","telemetry.sdk.language":"python","telemetry.sdk.version":"1.25.0","telemetry.sdk.name":"opentelemetry"}), dynamic({"http.status_code":200,"http.url":"http://opentelemetry-demo-frontendproxy:8080/api/checkout","http.method":"POST","scope.name":"opentelemetry.instrumentation.requests","scope.version":"0.46b0"}), dynamic([]), dynamic([]), 
    "c339bbae48eb8426f9a63c4eee55284c", "651aa53d2f583eca", "d488b4a32f60794f", "POST /api/checkout", "STATUS_CODE_UNSET", "SPAN_KIND_SERVER", datetime(2025-04-07T04:15:52.1680000Z), datetime(2025-04-07T04:16:01.4667420Z), dynamic({"k8s.namespace.name":"otel-demo","k8s.pod.start_time":"2025-04-06T00:19:47.0000000Z","k8s.deployment.name":"opentelemetry-demo-frontend","k8s.node.name":"aks-userpool-31567306-vmss000003","service.name":"frontend","service.version":"1.12.0","k8s.pod.uid":"b61b8875-b9ec-4144-b866-df88b8c6c67c","k8s.pod.name":"opentelemetry-demo-frontend-59bccd8fdb-j9xxf","service.instance.id":"b61b8875-b9ec-4144-b866-df88b8c6c67c","service.namespace":"opentelemetry-demo","k8s.pod.ip":"10.244.0.45","process.command_args":["/usr/local/bin/node","--require","./Instrumentation.js","/app/server.js"],"os.type":"linux","telemetry.sdk.language":"nodejs","telemetry.sdk.version":"1.25.1","process.pid":16,"telemetry.sdk.name":"opentelemetry","process.runtime.name":"nodejs","process.runtime.description":"Node.js","process.runtime.version":"20.18.0","host.name":"opentelemetry-demo-frontend-59bccd8fdb-j9xxf","host.arch":"amd64","process.executable.path":"/usr/local/bin/node","container.id":"d1763eedd13fa94f9581d9099ab481e112a8fdf95b6da831b9f01a4b8490fe60","os.version":"5.15.176.3-3.cm2","process.owner":"nextjs","process.command":"/app/server.js","process.executable.name":"node"}), dynamic({"http.status_code":200,"http.method":"POST","scope.name":"next.js","scope.version":"0.0.1","http.target":"/api/checkout","next.span_type":"BaseServer.handleRequest","next.span_name":"POST /api/checkout","next.rsc":false}), dynamic([]), dynamic([]), 
    ... 
]
| where TraceID == '081a007d3b7deaf32ca43a554c5058bd'
| render timepivot 

utdata

I tidspivoten ställs segmentalternativen automatiskt in på SpanKind som den kolumn som pivoteringen ska pivoteras efter.

Du kan visa hierarkin för de enskilda intervallen i samma OpenTelemetry-spårning genom att ändra segmentalternativen till (SpanID). Hierarkin kan expanderas för att visa de intervall som utgör hela spårningen. För varje span kan du se span-typen, span-namnet och span-ID:t som span-rubrik.

Rubriken på den första raden är [SPAN_KIND_CLIENT/POST]: 3275d2b91035ce2e och expanderas för att visa hierarkin.