Beispiele für Abfragen query-examples
Dieser Abschnitt enthält häufig verwendete Beispiele zum Abfragen von Journey-Schrittereignissen im Data Lake. Bevor Sie sich mit bestimmten Anwendungsfällen befassen, müssen Sie wissen, welche wichtigen Kennungen beim Journey von Ereignisdaten verwendet werden.
Stellen Sie sicher, dass die in Ihren Abfragen verwendeten Felder im entsprechenden Schema über zugeordnete Werte verfügen.
Verstehen von Schlüsselkennungen key-identifiers
Was ist der Unterschied zwischen ID, instanceID und profileID?
- ID: eindeutig für alle Schrittereignis-Einträge. Zwei verschiedene Schrittereignisse können nicht dieselbe ID aufweisen.
- instanceID: instanceID ist für alle Schrittereignisse identisch, die einem Profil innerhalb einer Journey-Ausführung zugeordnet sind. Wenn ein Profil die Journey erneut aufruft, wird eine andere instanceID verwendet. Diese neue instanceID ist für alle Schrittereignisse der erneut aufgerufenen Instanz gleich (von Anfang bis Ende).
- profileID: die Identität des Profils, die dem Namespace der Journey entspricht.
| note note |
|---|
| NOTE |
| Zur Fehlerbehebung empfehlen wir bei der Abfrage von Journeys die Verwendung von journeyVersionID anstelle von journeyVersionName. Weitere Informationen über die Attribute von Journey-Eigenschaften finden Sie in diesem Abschnitt. |
Grundlegende Anwendungsfälle/allgemeine Abfragen common-queries
Wie viele Profile sind in einem bestimmten Zeitrahmen in eine Journey eingetreten?
Diese Abfrage gibt die Anzahl eindeutigen Profile an, die im angegebenen Zeitraum in die Journey eingetreten sind.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Erfahren Sie, wie Sie Fehler bei verworfenen Ereignistypen in journey_step_events beheben.
Welche Regel hat dazu geführt, dass ein Profil nicht in eine bestimmte Journey eingetreten ist?
Diese Abfrage gibt die Informationen zum zurückgewiesenen Regelsatz und zur Regel zurück, wenn ein Profil aufgrund von Begrenzungs- oder Eignungsregeln nicht auf eine Journey zugreifen kann.
Beispiel
| code language-sql |
|---|
|
Welche Regel hat dazu geführt, dass ein Profil keine Journey-Aktion erhalten hat?
Diese Abfrage gibt die Schrittereignisdetails für Profile zurück, die während eines Journey verworfen wurden und keine Journey-Aktion erhalten haben. Auf diese Weise lässt sich erkennen, warum Profile aufgrund von Geschäftsregeln wie beispielsweise Beschränkungen für ruhige Stunden verworfen wurden.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Die Abfrageergebnisse zeigen Schlüsselfelder an, die dabei helfen, den Grund für verworfene Profile zu identifizieren:
-
actionExecutionError - Bei Festlegung auf
businessRuleProfileDiscardedbedeutet dies, dass das Profil aufgrund einer Geschäftsregel verworfen wurde. Das FeldeventTypeenthält zusätzliche Details darüber, welche spezifische Geschäftsregel den Verwerfen verursacht hat. -
eventType - Gibt den Typ der Geschäftsregel an, die den Verwerfen verursacht hat:
quietHours: Profil wurde aufgrund von Konfigurationen außerhalb der Geschäftszeiten verworfenforcedDiscardDueToQuietHours: Das Profil wurde zwangsweise verworfen, da das Limit der Leitplanken für Profile erreicht wurde, die in ruhigen Stunden gehalten wurden
Wie viele Fehler sind in einem bestimmten Zeitraum an den einzelnen Knoten einer bestimmten Journey aufgetreten?
Diese Abfrage zählt die unterschiedlichen Profile, bei denen Fehler an jedem Knoten einer Journey aufgetreten sind, gruppiert nach Knotennamen. Alle Arten von Aktionsausführungsfehlern und Abruffehlern sind enthalten.
Data Lake-Abfrage
| code language-sql |
|---|
|
Wie viele Ereignisse wurden in einem bestimmten Zeitrahmen von einer bestimmten Journey verworfen?
Diese Abfrage zählt die Gesamtzahl der Ereignisse, die von einer Journey verworfen wurden. Sie filtert nach verschiedenen Ereignis-Codes für das Verwerfen, einschließlich Segmentexportauftragsfehlern, Dispatcher-Verwerfungen und Status-Computer-Verwerfungen.
Data Lake-Abfrage
| code language-sql |
|---|
|
Was geschieht mit einem bestimmten Profil in einer bestimmten Journey in einem bestimmten Zeitrahmen?
Diese Abfrage gibt alle Schrittereignisse und Service-Ereignisse für das angegebene Profil und die Journey für die angegebene Uhrzeit in chronologischer Reihenfolge zurück.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Wie viel Zeit ist zwischen zwei Knoten verstrichen?
Diese Abfragen können beispielsweise verwendet werden, um die mit einer Warteaktivität verbrachte Zeit zu schätzen. Dadurch können Sie sicherstellen, dass die Warteaktivität korrekt konfiguriert ist.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Data-Lake-Abfrage
| code language-sql |
|---|
|
Wie werden die Details eines serviceEvents überprüft?
Der Journey-Schritt-Ereignis-Datensatz enthält alle stepEvents und serviceEvents. stepEvents werden in Berichten verwendet, denn sie beziehen sich auf Aktivitäten (Ereignisse, Aktionen usw.) von Profilen in einer Journey. serviceEvents werden im selben Datensatz gespeichert und geben zusätzliche Informationen zu Debugging-Zwecken an, z. B. den Grund für die Verwerfung eines Erlebnisereignisses.
Im Folgenden finden Sie ein Beispiel für eine Abfrage, um die Details eines serviceEvents zu überprüfen:
Data-Lake-Abfrage
| code language-sql |
|---|
|
Nachrichten-/Aktionsfehler message-action-errors
| accordion | ||||
|---|---|---|---|---|
| Liste aller in Journeys aufgetretenen Fehler | ||||
|
Mithilfe dieser Abfrage können Sie jeden in Journeys aufgetretenen Fehler beim Ausführen einer Nachricht/Aktion auflisten. Data-Lake-Abfrage
Beispiel
Diese Abfrage gibt alle Fehler zurück, die beim Ausführen einer Aktion in einer Journey aufgetreten sind, zusammen mit der Anzahl der aufgetretenen Fehler. |
Profilbasierte Abfragen profile-based-queries
Ermitteln, ob ein Profil in eine bestimmte Journey eingetreten ist
Diese Abfrage prüft, ob ein bestimmtes Profil in eine Journey eingetreten ist, indem die mit dieser Kombination aus Journey und Profil verknüpften Ereignisse gezählt werden.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Das Ergebnis sollte größer als 0 sein. Diese Abfrage gibt die genaue Anzahl der Eintritte eines Profils in eine Journey zurück.
Ermitteln, ob eine bestimmte Nachricht an ein Profil gesendet wurde
Methode 1: Wenn der Name Ihrer Nachricht in der Journey nicht eindeutig ist (er wird an mehreren Stellen verwendet).
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Das Ergebnis sollte größer als 0 sein. Diese Abfrage zeigt nur an, ob die Nachrichtenaktion auf der Journey-Seite erfolgreich ausgeführt wurde.
Methode 2: Wenn der Name Ihrer Nachricht in der Journey eindeutig ist.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Die Abfrage gibt die Liste aller Nachrichten zusammen mit der Anzahl der für das ausgewählte Profil aufgerufenen Nachrichten zurück.
Ermitteln aller Nachrichten, die ein Profil in den letzten 30 Tagen erhalten hat
Diese Abfrage ruft alle innerhalb der letzten 30 Tage erfolgreich ausgeführten Nachrichtenaktionen für ein bestimmtes Profil ab, gruppiert nach Nachrichtenname.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Die Abfrage gibt die Liste aller Nachrichten zusammen mit der Anzahl der für das ausgewählte Profil aufgerufenen Nachrichten zurück.
Ermitteln aller Journeys, in die ein Profil in den letzten 30 Tagen eingetreten ist
Diese Abfrage gibt alle Journeys zurück, in die ein bestimmtes Profil in den letzten 30 Tagen eingetreten ist, sowie die Anzahl der Eintritte für jede Journey.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Die Abfrage gibt die Liste aller Journey-Namen sowie die Anzahl der Eintritte des abgefragten Profils in die Journey zurück.
Anzahl der Profile, die sich täglich für eine Journey qualifiziert haben
Diese Abfrage stellt eine tägliche Aufschlüsselung der Anzahl der individuellen Profile bereit, die in einem bestimmten Zeitraum in eine Journey eingetreten sind.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Die Abfrage gibt für den definierten Zeitraum die Anzahl der Profile zurück, die täglich in die Journey eingetreten sind. Wenn ein Profil über mehrere Identitäten eingetreten ist, wird es zweimal gezählt. Wenn der erneute Eintritt aktiviert ist, kann die Anzahl der Profile über unterschiedliche Tage hinweg mehrfach gezählt werden, wenn ein Profil an einem anderen Tag erneut in die Journey eingetreten ist.
Erfahren Sie, wie Sie Fehler bei verworfenen Ereignistypen in journey_step_events beheben.
Abfragen im Zusammenhang mit „Zielgruppe lesen“ read-segment-queries
Dauer bis zum Fertigstellen eines Zielgruppenexportauftrags
Diese Abfrage berechnet die Dauer eines Zielgruppenexportvorgangs, indem sie die Zeitdifferenz zwischen dem Zeitpunkt, zu dem der Auftrag in die Warteschlange gestellt wurde, und dem Zeitpunkt des Auftragsabschlusses ermittelt.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Die Abfrage gibt die Zeitdifferenz in Minuten zurück, die zwischen dem Zeitpunkt liegt, zu dem der Zielgruppenexportauftrag in die Warteschlange gestellt wurde, und dem Zeitpunkt, zu dem er beendet wurde.
Anzahl der Profile, die von der Journey verworfen wurden, weil sie Duplikate waren
Diese Abfrage zählt die Anzahl der individuellen Profile, die aufgrund von Fehlern bei der Instanzduplizierung während der Aktivität „Zielgruppe lesen“ verworfen wurden.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Die Abfrage gibt alle Profil-IDs zurück, die von der Journey verworfen wurden, da es sich um Duplikate handelte.
Anzahl der Profile, die von der Journey aufgrund eines ungültigen Namespace verworfen wurden
Diese Abfrage gibt die Anzahl der Profile zurück, die verworfen wurden, weil sie einen ungültigen Namespace oder keine Identität für den erforderlichen Namespace hatten.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Die Abfrage gibt alle Profil-IDs zurück, die von der Journey verworfen wurden, da sie einen ungültigen Namespace oder keine Kennung für diesen Namespace hatten.
Anzahl der Profile, die von der Journey verworfen wurden, weil keine Identitätszuordnung vorhanden war
Diese Abfrage zählt die Profile, die verworfen wurden, weil ihnen eine für die Journey-Ausführung erforderliche Identitätszuordnung fehlte.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Die Abfrage gibt alle Profil-IDs zurück, die von der Journey verworfen wurden, da die Identitätszuordnung fehlte.
Anzahl der Profile, die von der Journey verworfen wurden, weil sich die Journey im Testmodus befand und das Profil kein Testprofil war
Diese Abfrage identifiziert Profile, die verworfen wurden, als die Journey im Testmodus ausgeführt wurde, aber das Attribut „testProfile“ für das Profil nicht auf „wahr“ eingestellt war.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Die Abfrage gibt die IDs aller Profile zurück, die von der Journey verworfen wurden, da der Exportauftrag im Testmodus ausgeführt wurde, aber das Attribut „testProfile“ für das Profil nicht auf „wahr“ eingestellt war.
Anzahl der Profile, die von der Journey aufgrund eines internen Fehlers verworfen wurden
Diese Abfrage gibt die Anzahl der Profile zurück, die aufgrund interner Systemfehler während der Journey-Ausführung verworfen wurden.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Die Abfrage gibt alle Profil-IDs zurück, die von der Journey aufgrund eines internen Fehlers verworfen wurden.
Überblick über „Zielgruppe lesen“ für eine bestimmte Journey-Version
Diese Abfrage bietet einen umfassenden Überblick über die Aktivität „Zielgruppe lesen“, einschließlich Details zum Segmentexportauftrag, Ereignis-Codes, Status und Profilanzahl für alle Phasen des Zielgruppenexportvorgangs.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Es werden alle Service-Ereignisse im Zusammenhang mit der angegebenen Journey-Version zurückgegeben. Dabei kann auch die Abfolge der Vorgänge nachvollzogen werden:
- Erstellung des Themas
- Erstellung von Exportaufträgen
- Beendigung der Exportaufträge (mit Metriken zu exportierten Profilen)
- Abbruch der Worker-Verarbeitung
Zusätzlich können Probleme identifiziert werden wie z. B.:
- Fehler bei der Erstellung des Themas oder Exportvorgangs (einschließlich Zeitüberschreitungen bei API-Aufrufen zum Zielgruppenexport)
- Blockierte Exportaufträge (wenn für eine bestimmte Journey-Version kein Ereignis zur Beendigung des Exportauftrags vorhanden ist)
- Worker-Probleme, wenn ein Beendigungsereignis zum Exportauftrag, aber kein Beendigungsereignis zur Worker-Verarbeitung empfangen wurde.
WICHTIG: Wenn von dieser Abfrage kein Ereignis zurückgegeben wird, kann dies einen der folgenden Gründe haben:
- Die Journey-Version hat die Planung nicht erreicht.
- Die Journey-Version hätte den Exportauftrag durch Aufruf des Orchestrators auslösen sollen, aber im vorgelagerten Fluss ist ein Fehler aufgetreten: Problem bei der Journey-Bereitstellung, mit dem Geschäftsereignis oder mit der Planung.
Abrufen von Fehlern des Typs „Zielgruppe lesen“ für eine bestimmte Journey-Version
Diese Abfrage filtert nach bestimmten Fehlerereignis-Codes im Zusammenhang mit Fehlern beim Lesen von Zielgruppen, z. B. Fehler bei der Themenerstellung, API-Aufruffehler, Timeouts und fehlgeschlagene Exportaufträge.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Abrufen des Verarbeitungsstatus für Exportaufträge
Diese Abfrage ruft den Verarbeitungsstatus von Zielgruppenexportaufträge ab und zeigt an, ob sie erfolgreich waren oder fehlgeschlagen sind, zusammen mit Profilexportmetriken.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Wenn kein Eintrag zurückgegeben wird, bedeutet dies, dass
- bei der Erstellung des Themas oder des Exportauftrags ein Fehler aufgetreten ist
- der Exportauftrag noch ausgeführt wird
Abrufen von Metriken zu exportierten Profilen, einschließlich Verwerfen-Aktionen und Exportauftragsmetriken für die einzelnen Exportaufträge
Diese Abfrage kombiniert die Anzahl verworfener Profile mit den Metriken des Exportauftrags, um eine vollständige Ansicht der Leistung des Zielgruppenexports für jeden einzelnen Exportvorgang zu bieten.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Abrufen aggregierter Metriken (Zielgruppenexportaufträge und Verwerfen-Aktionen) für alle Exportaufträge
Diese Abfrage aggregiert allgemeine Metriken für alle Exportaufträge für eine bestimmte Journey-Version. Dies ist nützlich für wiederkehrende Journeys oder Journeys mit Themenwiederverwendung, die durch Geschäftsereignisse ausgelöst werden.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Diese Abfrage unterscheidet sich von der vorherigen.
Es werden die Gesamtmetriken für eine bestimmte Journey-Version zurückgegeben, unabhängig von den Aufträgen, die dafür ausgeführt wurden (bei wiederkehrenden Journeys lösten Geschäftsereignisse diejenigen aus, die eine erneute Verwendung von Themen nutzten).
Abfragen im Zusammenhang mit der Zielgruppen-Qualifizierung segment-qualification-queries
Profil verworfen, da eine andere als die konfigurierte Zielgruppe realisiert wurde
Diese Abfrage identifiziert Profile, die verworfen wurden, weil ihr Zielgruppen-Realisierungsstatus nicht mit der Zielgruppen-Qualifizierungskonfiguration der Journey übereinstimmte (z. B. wenn das Profil für „Eintritte“ konfiguriert ist, aber „ausgestiegen“ ist).
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Diese Abfrage gibt alle Profil-IDs zurück, die von der Journey-Version aufgrund einer falschen Zielgruppenrealisierung verworfen wurden.
Zielgruppen-Qualifizierungsereignisse, die aus einem anderen Grund für ein bestimmtes Profil verworfen wurden
Diese Abfrage ruft alle Zielgruppen-Qualifizierungs- oder externen Ereignisse ab, die für ein bestimmtes Profil aufgrund von internen Service-Fehlern verworfen wurden.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Diese Abfrage gibt alle Ereignisse (externe Ereignisse/Zielgruppen-Qualifizierungsereignisse) zurück, die aus einem anderen Grund für ein Profil verworfen wurden.
Ereignisbasierte Abfragen event-based-queries
Überprüfung, ob ein Geschäftsereignis für eine Journey empfangen wurde
Diese Abfrage zählt, wie oft ein Geschäftsereignis in einem bestimmten Zeitraum von einer Journey empfangen wurde, und gruppiert die Ausgabe nach Datum.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Überprüfung, ob ein externes Ereignis eines Profils verworfen wurde, weil keine zugehörige Journey gefunden wurde
Diese Abfrage identifiziert, wann ein externes Ereignis für ein bestimmtes Profil verworfen wurde, da keine aktive oder passende Journey für den Empfang dieses Ereignisses konfiguriert war.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Erfahren Sie, wie Sie Fehler bei verworfenen Ereignistypen in journey_step_events beheben.
Überprüfung, ob ein externes Ereignis eines Profils aus einem anderen Grund verworfen wurde
Diese Abfrage ruft externe Ereignisse ab, die für ein bestimmtes Profil aufgrund von internen Service-Fehlern verworfen wurden, sowie die Ereignis-ID und den Fehler-Code.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Erfahren Sie, wie Sie Fehler bei verworfenen Ereignistypen in journey_step_events beheben.
Überprüfung der Anzahl aller von stateMachine verworfenen Ereignisse nach errorCode
Diese Abfrage aggregiert alle Ereignisse, die vom Journey-Status-Computer verworfen wurden, gruppiert nach Fehler-Code, damit die häufigsten Gründe für das Verwerfen ermittelt werden können.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Erfahren Sie, wie Sie Fehler bei verworfenen Ereignistypen in journey_step_events beheben.
Überprüfung aller verworfenen Ereignisse, bei denen ein Wiedereintritt nicht erlaubt war
Diese Abfrage identifiziert alle Ereignisse, die verworfen wurden, da ein Profil versucht hat, erneut in eine Journey einzutreten, obwohl der erneute Eintritt laut Journey-Konfiguration nicht zulässig war.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Erfahren Sie, wie Sie Fehler bei verworfenen Ereignistypen in journey_step_events beheben.
Häufige Journey-basierte Abfragen journey-based-queries
Anzahl der täglich aktiven Journeys
Diese Abfrage gibt eine tägliche Anzahl der individuellen Journey-Versionen mit Aktivität zurück, damit Sie die Ausführungsmuster von Journeys im Zeitverlauf besser verstehen.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Die Abfrage gibt für den definierten Zeitraum die Anzahl der eindeutigen Journeys zurück, die jeden Tag ausgelöst wurden. Eine einzelne Journey, die an mehreren Tagen ausgelöst wird, wird einmal pro Tag gezählt.
Abfragen auf Journey-Instanzen journey-instances-queries
Anzahl der Profile in einem bestimmten Status zu einer bestimmten Zeit
Diese Abfrage verwendet Common Table Expressions (CTEs), um Profile zu identifizieren, die derzeit an einem bestimmten Knoten in einer Journey warten, indem sie nach Profilen sucht, die den Knoten passiert, aber noch nicht zu den nächsten Knoten gewechselt haben.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Anzahl der Profile, die in einem bestimmten Zeitraum aus der Journey austraten
Diese Abfrage zählt die Journey-Instanzen, die während eines bestimmten Zeitraums beendet wurden, einschließlich der Beendigungen aufgrund von Abschlüssen, Fehlern, Timeouts oder Begrenzungsfehlern.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Anzahl der Profile, die in einem bestimmten Zeitraum mit einem bestimmten Knoten/Status aus der Journey austraten
Diese Abfrage bietet eine detaillierte Aufschlüsselung der Journey-Ausstiege, wobei der Knotenname und der Ausstiegsstatus für jede beendete Instanz angezeigt werden, um zu ermitteln, wo und warum Profile die Journey verlassen haben.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Abfragen im Zusammenhang mit Leistungsmetriken für benutzerdefinierte Aktionen query-custom-action
Gesamtzahl erfolgreicher Aufrufe, Fehler und Anfragen pro Sekunde an jedem Endpunkt über einen bestimmten Zeitraum
Diese Abfrage liefert Leistungsmetriken für benutzerdefinierte HTTP-Aktionen, einschließlich Gesamtzahl der Aufrufe, erfolgreiche Aufrufe, Anzahl der Fehler nach Typ (4xx, 5xx, Timeouts, Begrenzungen) und Durchsatz in Anfragen pro Sekunde für jeden Endpunkt.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Zeitreihe erfolgreicher Aufrufe, Fehler und Durchsätze an jedem Endpunkt über einen bestimmten Zeitraum
Diese Abfrage liefert dieselben Leistungsmetriken wie die vorherige Abfrage, ist jedoch als Zeitreihe organisiert. Sie zeigt mit minutengenauer Granularität auf, wie sich die Endpunktleistung im Zeitverlauf verändert.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Antwortlatenz an jedem Endpunkt im 50., 95., 99. und 99,9. Perzentil über einen bestimmten Zeitraum
Diese Abfrage berechnet die Antwortzeit-Perzentile für benutzerdefinierte Aktionsendpunkte, damit Sie die Latenzverteilung erkennen und Leistungsausreißer mit unterschiedlichen Perzentil-Schwellenwerten identifizieren können.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Zeitreihe der Perzentile der Antwortlatenz an jedem Endpunkt über einen bestimmten Zeitraum
Diese Abfrage liefert Latenzperzentile, die als Zeitreihe organisiert sind. So können Sie auf verschiedenen Perzentilebenen verfolgen, wie sich die Endpunkt-Antwortzeiten im Zeitverlauf ändern.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Wartezeit in der Warteschlange für gedrosselte Endpunkte beim 50. und 95. Perzentil über einen bestimmten Zeitraum
Diese Abfrage analysiert die Warteschlangenwartezeiten für gedrosselte Endpunkte und zeigt die Wartezeiten im 50. und 95. Perzentil an, damit Sie die Auswirkungen der Drosselung auf Ihre benutzerdefinierten Aktionen besser verstehen.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Zeitreihe der Perzentile der Wartezeit in der Warteschlange für jeden gedrosselten Endpunkt
Diese Abfrage liefert die Wartezeit-Perzentile in der Warteschlange als Zeitreihe, damit Sie überwachen können, wie sich eine Drosselung auf die Wartezeiten für jeden Endpunkt im Zeitverlauf auswirkt.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
Anzahl der Fehler nach Typ und Code für einen bestimmten Endpunkt über einen bestimmten Zeitraum
Diese Abfrage bietet eine detaillierte Aufschlüsselung der Fehler für einen bestimmten Endpunkt, gruppiert nach Fehlertyp und Fehler-Code, einschließlich Informationen zu Wiederholungsversuchen.
Data-Lake-Abfrage
| code language-sql |
|---|
|
Beispiel
| code language-sql |
|---|
|
recommendation-more-help
b22c9c5d-9208-48f4-b874-1cefb8df4d76