索引查询只能根据进行关键词、多个关键词组成的短语、关键词末尾模糊等搜索方式，在扫描模式下，可以通过 where 质量可以按照各种条件过滤，这个是当前扫描查询已经具备的能力，在升级到 SPL 之后，where 可以放在任意一级管道，对计算出的新字段进行过滤，从而具备更灵活更强大的过滤能力。比如，根据 BeginTime 和 EndTi...
SPL 语句: * | where json_extract_scalar(Params, 'Schema') = 'XXX'在上述语句中选择不同的比较参数，构造出不同的命中率的场景（比如命中率 1%，指的是原始 10 亿条数据中，有 1000 万条满足 where 条件的结果数据），并请求前 20 条满足条件数据（对应 GetLogs 接口的 API 参数是 offset=0, lines=...
Get-Service|Where-Object{$_.Status-eq"Stopped"} Get-Service|whereStatus-eq"Stopped" ---Example2:Getprocessesbasedonworkingset--- Get-Process|Where-Object{$_.WorkingSet-GT250MB} Get-Process|Where-ObjectWorkingSet-GT(250MB) ---Example3:Getprocessesbasedonprocessname--- Get-Process|Where-Objec...
SLS针对OpenTelemetry协议的可视化做了非常多的工作,就拿其中Trace详情展示的功能而言,其中详细展示了Span中When、Where、What信息,而且尽可能在一个页面上展示更多有效的信息。 例如详情信息中,除了展示执行时间跨度、Span所属服务、调用外,还包括Span的调用类型、Span下面的子Span、用颜色区分Service、图标化的方式显示Spa...
索引查询只能根据进行关键词、多个关键词组成的短语、关键词末尾模糊等搜索方式,在扫描模式下,可以通过 where 质量可以按照各种条件过滤,这个是当前扫描查询已经具备的能力,在升级到 SPL 之后,where 可以放在任意一级管道,对计算出的新字段进行过滤,从而具备更灵活更强大的过滤能力。
因此，StoreView 还支持通过 SPL 语句进行数据富化以及加工操作（当前仅仅支持 where 和 extend 算子）。比如，希望 market_data_from_china 返回的结果中，可以显示具体数据来自底层哪个 logstore，则可以定义如下 StoreView：上图红框中，| 线后面便是 SPL 语句，它为日志扩展了 logstoreName 字段，具体执行效果如下...
这里我们重点关注纯查询过滤的场景,在 SLS 中既可以用传统的搜索语法(如 Key:XXX ),也可以在标准 SQL 中使用 where 语句(如 * | select * where Key like '%XXX%'),两种方式各有优点,却也都有着各自的局限性。 对于查询语法来说,天然就是为过滤搜索场景而生的,但是可惜表达能力有限,只能支持关键词匹配,...
场景一：数据过滤与清洗 在日常运维中，错误日志分析是发现、定位问题的关键步骤。这里我们就以服务日志为例，介绍如何应用数据加工完成数据清洗。旧版数据加工中，使用 e_keep/e_drop 完成数据清洗，对应的新版数据加工 SPL 中则使用 where 指令。精确匹配 需要筛选出错误日志，即级别 level 字段值为字符串 ERROR。...
在数据处理中过滤数据是一种常见需求,在 Flink 中可以使用 filter 算子或者 SQL 中的 where 条件进行过滤,使用非常方便;但是在 Flink 使用 filter 算子,往往意味着数据已经通过网络进入 Flink 计算引擎中,全量的数据会消耗着网络带宽和 Flink 的计算性能,这种场景下,SLS SPL 为 Flink SLS Connector 提供了一种支持...
因此,StoreView 还支持通过 SPL 语句进行数据富化以及加工操作(当前仅仅支持 where 和 extend 算子)。比如,希望 market\_data\_from\_china 返回的结果中,可以显示具体数据来自底层哪个 logstore,则可以定义如下 StoreView: 上图红框中,| 线后面便是 SPL 语句,它为日志扩展了 logstoreName 字段,具体执行效果如下:...