timeSeriesPredictLinearToGrid

Introduit dans : v25.6.0 Fonction d’agrégation qui prend des données de séries temporelles sous forme de paires d’horodatages et de valeurs, et calcule une prédiction linéaire de type PromQL avec un décalage d’horodatage de prédiction spécifié à partir de ces données, sur une grille temporelle régulière définie par un horodatage de début, un horodatage de fin et un pas. Pour chaque point de la grille, les échantillons utilisés pour le calcul de predict_linear sont pris en compte dans la fenêtre temporelle spécifiée.

Cette fonction est expérimentale. Pour l’activer, définissez allow_experimental_ts_to_grid_aggregate_function=true.

Syntaxe

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

Paramètres

start_timestamp — Spécifie le début de la grille. - end_timestamp — Spécifie la fin de la grille. - grid_step — Spécifie le pas de la grille, en secondes. - staleness — Spécifie l’ancienneté maximale (« staleness »), en secondes, des échantillons pris en compte. La fenêtre de staleness est un intervalle ouvert à gauche et fermé à droite. - predict_offset — Spécifie le nombre de secondes de décalage à ajouter à l’instant de prédiction.

Arguments

timestamp — Horodatage de l’échantillon. Peut être une valeur individuelle ou un tableau. - value — Valeur de la série temporelle correspondant à l’horodatage. Peut être une valeur individuelle ou un tableau.

Valeur renvoyée Les valeurs predict_linear sur la grille spécifiée sous forme d’Array(Nullable(Float64)). Le tableau retourné contient une valeur pour chaque point de la grille temporelle. La valeur est NULL s’il n’y a pas suffisamment d’échantillons dans la fenêtre pour calculer la valeur du taux pour un point de grille donné. Exemples Calculer les valeurs predict_linear sur la grille [90, 105, 120, 135, 150, 165, 180, 195, 210] avec un décalage de 60 secondes

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]                                                            │
└─────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

Même requête avec des arguments de type tableau

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