使用Kusto Query计算方法执行起止时间差值的技术问询

核心逻辑是：匹配同一方法的「Start」进入记录与「End」退出记录，计算两者时间戳的差值，得到方法执行时长。以下是两种常见场景的实现方式：

场景1：数据库数据表（SQL实现） #

假设数据表结构示例：

MySQL 实现语句 #

SELECT
    t_start.MethodName,
    TIMESTAMPDIFF(MICROSECOND, t_start.Timestamp, t_end.Timestamp) / 1000000 AS ExecutionDuration_Seconds
FROM
    your_table t_start
JOIN
    your_table t_end ON t_start.MethodName = t_end.MethodName
WHERE
    t_start.MessageType = 'Start'
    AND t_end.MessageType = 'End';

• 注：将your_table替换为实际表名；若需毫秒级时长，将结果除以1000即可。

PostgreSQL 实现语句 #

SELECT
    t_start.MethodName,
    EXTRACT(EPOCH FROM (t_end.Timestamp - t_start.Timestamp)) AS ExecutionDuration_Seconds
FROM
    your_table t_start
JOIN
    your_table t_end ON t_start.MethodName = t_end.MethodName
WHERE
    t_start.MessageType = 'Start'
    AND t_end.MessageType = 'End';

场景2：本地数据表（Python pandas 实现） #

import pandas as pd

# 读取数据表（CSV/Excel均可，这里以CSV为例）
df = pd.read_csv('your_data.csv')

# 解析时间戳列为datetime类型
df['Timestamp'] = pd.to_datetime(df['Timestamp'])

# 拆分Start和End数据集
start_records = df[df['MessageType'] == 'Start'].rename(columns={'Timestamp': 'Start_Time'})[['MethodName', 'Start_Time']]
end_records = df[df['MessageType'] == 'End'].rename(columns={'Timestamp': 'End_Time'})[['MethodName', 'End_Time']]

# 匹配同一方法的起止记录并计算时长
result = pd.merge(start_records, end_records, on='MethodName')
result['ExecutionDuration_Seconds'] = (result['End_Time'] - result['Start_Time']).dt.total_seconds()

# 输出结果
print(result)

• 注：若需毫秒级时长，可将total_seconds()替换为(result['End_Time'] - result['Start_Time']).dt.total_seconds() * 1000。

关键注意点 #

• 确保每个方法的「Start」与「End」记录一一对应，无缺失或重复；若存在重复记录，需按时间顺序匹配最近的起止对。
• 保证时间戳格式统一，确保能被正确解析为时间类型。

内容的提问来源于stack exchange，提问作者Kunal singh