timeSeriesPredictLinearToGrid

Агрегатная функция, которая принимает данные временных рядов в виде пар отметок времени и значений и вычисляет линейное предсказание в стиле PromQL с заданным временным смещением предсказания от этих данных на регулярной временной сетке, описанной начальной отметкой времени, конечной отметкой времени и шагом. Для каждой точки на сетке образцы для вычисления predict_linear рассматриваются в пределах заданного временного окна.

Параметры:

• start timestamp - Определяет начало сетки.
• end timestamp - Определяет конец сетки.
• grid step - Определяет шаг сетки в секундах.
• staleness - Определяет максимальную "устарелость" в секундах учитываемых образцов. Окно устарелости является открытым слева и закрытым справа интервалом.
• predict_offset - Определяет количество секунд смещения, которое нужно добавить к времени предсказания.

Аргументы:

• timestamp - отметка времени образца
• value - значение временного ряда, соответствующее timestamp

Возвращаемое значение: Значения predict_linear на указанной сетке в виде Array(Nullable(Float64)). Возвращаемый массив содержит одно значение для каждой точки временной сетки. Значение равно NULL, если недостаточно образцов в окне для вычисления значения скорости для конкретной точки сетки.

Пример: Следующий запрос вычисляет значения predict_linear на сетке [90, 105, 120, 135, 150, 165, 180, 195, 210] с 60-секундным смещением:

WITH
    -- NOTE: the gap between 140 and 190 is to show how values are filled for ts = 150, 165, 180 according to window paramater
    [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
);

Ответ:

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

Также возможно передавать несколько образцов отметок времени и значений в виде массивов одинакового размера. Тот же запрос с аргументами в виде массивов:

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);

примечание

Эта функция является экспериментальной, включите её, установив allow_experimental_ts_to_grid_aggregate_function=true.