Données de tendance des requêtes

Azure DevOps Services | Azure DevOps Server | Azure DevOps Server 2022

L’examen des tendances dans les données et la réalisation de comparaisons de périodes sur plusieurs périodes sont des aspects importants de la création de rapports et de l’analyse des données. Analytics prend en charge ces fonctionnalités.

Les données de tendance sont exposées dans les jeux d’entités WorkItemSnapshot et WorkItemBoardSnapshot. Ils sont construits de sorte que chaque élément de travail, du jour où il a été créé jusqu’à aujourd’hui, existe pour chaque jour. Pour une organisation avec un seul élément de travail créé il y a un an, il existe 365 lignes dans cette entité. Pour les grands projets, ces entités ne sont pas pratiques à utiliser avec les outils clients.

Qu’est-ce que la solution ? Utilisez les extensions d’agrégation.

À l’aide des extensions d’agrégation OData, vous pouvez retourner des données agrégées à partir d’Azure DevOps qui sont propices à la création de rapports. Par exemple, vous pouvez afficher la tendance des bugs pour le mois de mars. Les tendances des bugs sont une partie courante et critique de la gestion de tout projet, afin d'en tirer parti immédiatement.

https://{servername}:{port}/tfs/{OrganizationName}/{ProjectName}/_odata/{version}/

Conditions préalables

Construire une requête de base pour les données de tendance

Pour interroger efficacement la table WorkItemSnapshot, procédez comme suit :

• Filtrez les données par date.
• Regroupez l’agrégation par au moins la date. Si ce n’est pas le cas, la réponse inclut un avertissement.

La requête permettant de créer un rapport de tendance de bogue ressemble à l’exemple suivant :

https://analytics.dev.azure.com/{OrganizationName}/{ProjectName}/_odata/{version}//WorkItemSnapshot?
  $apply=
    filter(DateValue ge 2016-03-01Z and DateValue le 2016-03-31Z and WorkItemType eq 'Bug')/
    groupby((DateValue,State), aggregate($count as Count))
  &$orderby=DateValue

Elle retourne un résultat similaire à l’exemple suivant :

{
  "@odata.context": "https://analytics.dev.azure.com/{OrganizationName}/{ProjectName}/_odata/{version}//$metadata#WorkItemSnapshot(DateValue,State,Count)",
  "value": [
    {
      "@odata.id": null,
      "State": "Active",
      "DateValue": "2016-03-01T00:00:00-08:00",
      "Count": 2666
    },
    {
      "@odata.id": null,
      "State": "Closed",
      "DateValue": "2016-03-01T00:00:00-08:00",
      "Count": 51408
    }
  ]
}

Cette requête produit au maximum 31 * (number of bug states). Le bogue par défaut a trois états :

• Actif
• Résolu
• Fermé

Au maximum, cette requête retourne 93 lignes, quel que soit le nombre de milliers d’enregistrements réellement présents. Il fournit une forme beaucoup plus compacte de retour de données.

Examinons une variante de cet exemple. Vous souhaitez voir la tendance des bogues pour une itération ou une version qui commence par une itération et se termine par une autre.

Pour construire cette requête, procédez comme suit :

https://analytics.dev.azure.com/{OrganizationName}/{ProjectName}/_odata/{version}//WorkItemSnapshot?
  $apply=
    filter(WorkItemType eq 'Bug')/
    filter(Iteration/IterationName eq 'Sprint 99')/
    filter(DateValue ge Iteration/StartDate and (Iteration/EndDate eq null or DateValue le Iteration/EndDate))/
    groupby((DateValue, State), aggregate($count as Count))
  &$orderby=DateValue

Elle retourne un résultat similaire à l’exemple suivant :

{
  "@odata.context": "https://analytics.dev.azure.com/{OrganizationName}/{ProjectName}/_odata/{version}//$metadata#WorkItemSnapshot(DateValue,State,Count)",
  "value": [
    {
      "@odata.id": null,
      "State": "Active",
      "DateValue": "2016-04-04T00:00:00-07:00",
      "Count": 320
    },
    {
      "@odata.id": null,
      "State": "Closed",
      "DateValue": "2016-04-04T00:00:00-07:00",
      "Count": 38
    }
  ]
}

Dans cette requête, il existe deux différences clés. Nous avons ajouté une clause de filtre pour filtrer les données à une itération spécifique et les dates sont désormais comparées aux dates de début et de fin de l’itération par rapport à une date codée en dur.

Articles connexes

• Construire des requêtes de données agrégées pour compter et analyser des groupes de données associées.