timeSeriesPredictLinearToGrid

مُقدَّم في: v25.6.0 دالة تجميعية تأخذ بيانات السلاسل الزمنية على شكل أزواج من الطوابع الزمنية والقيم، وتحسب تنبؤًا خطيًا مشابهًا لـ PromQL بإزاحة زمنية محددة للتنبؤ انطلاقًا من هذه البيانات، وذلك على شبكة زمنية منتظمة تُحدَّد بطابع زمني للبداية وطابع زمني للنهاية وخطوة. لكل نقطة على الشبكة، تُؤخذ العينات المستخدمة في حساب predict_linear من ضمن النافذة الزمنية المحددة.

هذه الدالة تجريبية. فعِّلها عن طريق ضبط allow_experimental_ts_to_grid_aggregate_function=true.

البنية

timeSeriesPredictLinearToGrid(start_timestamp, end_timestamp, grid_step, staleness, predict_offset)(timestamp, value)

المعاملات

start_timestamp — يحدّد بداية الشبكة. - end_timestamp — يحدّد نهاية الشبكة. - grid_step — يحدّد خطوة الشبكة بالثواني. - staleness — يحدّد الحد الأقصى لـ “قِدم” العينات التي يُؤخذ بها في الاعتبار، بالثواني. نافذة القِدم هي فترة مفتوحة من اليسار ومغلقة من اليمين. - predict_offset — يحدّد عدد ثواني الإزاحة التي ستُضاف إلى وقت التنبؤ.

الوسيطات

timestamp — الطابع الزمني للعينة. يمكن أن يكون قيمةً منفردة أو مصفوفة. - value — قيمة السلسلة الزمنية المقابلة للطابع الزمني. يمكن أن تكون قيمةً منفردة أو مصفوفة.

القيمة المُعادة قيم predict_linear على الشبكة المحددة بوصفها Array(Nullable(Float64)). تحتوي المصفوفة المُعادة على قيمة واحدة لكل نقطة زمنية في الشبكة. تكون القيمة NULL إذا لم تكن هناك عينات كافية ضمن النافذة لحساب قيمة المعدل لنقطة شبكة معينة. أمثلة احسب قيم predict_linear على الشبكة [90, 105, 120, 135, 150, 165, 180, 195, 210] بإزاحة مقدارها 60 ثانية

Query

WITH
    -- NOTE: the gap between 140 and 190 is to show how values are filled for ts = 150, 165, 180 according to window parameter
    [110, 120, 130, 140, 190, 200, 210, 220, 230]::Array(DateTime) AS timestamps,
    [1, 1, 3, 4, 5, 5, 8, 12, 13]::Array(Float32) AS values, -- array of values corresponding to timestamps above
    90 AS start_ts,       -- start of timestamp grid
    90 + 120 AS end_ts,   -- end of timestamp grid
    15 AS step_seconds,   -- step of timestamp grid
    45 AS window_seconds, -- "staleness" window
    60 AS predict_offset  -- prediction time offset
SELECT timeSeriesPredictLinearToGrid(start_ts, end_ts, step_seconds, window_seconds, predict_offset)(timestamp, value)
FROM
(
    -- This subquery converts arrays of timestamps and values into rows of `timestamp`, `value`
    SELECT
        arrayJoin(arrayZip(timestamps, values)) AS ts_and_val,
        ts_and_val.1 AS timestamp,
        ts_and_val.2 AS value
);

Response

┌─timeSeriesPredictLinearToGrid(start_ts, end_ts, step_seconds, window_seconds, predict_offset)(timestamp, value)─┐
│ [NULL,NULL,1,9.166667,11.6,16.916666,NULL,NULL,16.5]                                                            │
└─────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

نفس الاستعلام مع وسيطات المصفوفة

Query

WITH
    [110, 120, 130, 140, 190, 200, 210, 220, 230]::Array(DateTime) AS timestamps,
    [1, 1, 3, 4, 5, 5, 8, 12, 13]::Array(Float32) AS values,
    90 AS start_ts,
    90 + 120 AS end_ts,
    15 AS step_seconds,
    45 AS window_seconds,
    60 AS predict_offset
SELECT timeSeriesPredictLinearToGrid(start_ts, end_ts, step_seconds, window_seconds, predict_offset)(timestamps, values);

Response

┌─timeSeriesPredictLinearToGrid(start_ts, end_ts, step_seconds, window_seconds, predict_offset)(timestamp, value)─┐
│ [NULL,NULL,1,9.166667,11.6,16.916666,NULL,NULL,16.5]                                                            │
└─────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

​timeSeriesPredictLinearToGrid

timeSeriesPredictLinearToGrid