timeSeriesPredictLinearToGrid

Fonction d’agrégation qui calcule une prédiction linéaire de type PromQL sur des séries temporelles selon la grille spécifiée.

​

timeSeriesPredictLinearToGrid

Introduite 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, à partir de ces données, une prédiction linéaire de type PromQL à un horodatage de prédiction spécifié, 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 calculer predict_linear sont pris en compte dans la fenêtre temporelle spécifiée.

Les échantillons peuvent être transmis sous l’une des trois formes suivantes :

• sous forme de deux arguments timestamp et value, où chaque ligne contient un seul échantillon ;
• sous forme de deux tableaux d’horodatages et de valeurs, où chaque ligne contient une série temporelle entière ;
• sous forme d’un unique tableau de tuples (timestamp, value), où chaque ligne contient une série temporelle entière.

Si plusieurs échantillons ont le même horodatage, un seul est utilisé : celui dont la valeur est la plus élevée. Une valeur NaN est écartée au profit de toute autre valeur ; elle n’est donc utilisée que si tous les échantillons associés à cet horodatage sont NaN.

Cette fonction est en aperçu privé. Activez-la en définissant enable_time_series_aggregate_functions=true.

Syntaxe

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

Paramètres

• start_timestamp — Spécifie le début de la grille. Avec un argument d’horodatage DateTime64, peut également être un nombre fractionnaire ou une chaîne contenant un nombre ou une date et une heure au format texte. UInt32 ou DateTime ou DateTime64 ou Float* ou Decimal* ou String
• end_timestamp — Spécifie la fin de la grille. Avec un argument d’horodatage DateTime64, peut également être un nombre fractionnaire ou une chaîne contenant un nombre ou une date et une heure au format texte. UInt32 ou DateTime ou DateTime64 ou Float* ou Decimal* ou String
• grid_step — Spécifie le pas de la grille en secondes. Avec un argument d’horodatage DateTime64, peut également être un nombre fractionnaire ou une chaîne contenant un nombre ou une durée telle que ’15s’ ou ‘1m’. UInt32 ou Float* ou Decimal* ou String
• staleness — Spécifie l’« obsolescence » maximale, en secondes, des échantillons pris en compte. La fenêtre d’obsolescence est un intervalle ouvert à gauche et fermé à droite. Avec un argument d’horodatage DateTime64, peut également être un nombre fractionnaire ou une chaîne contenant un nombre ou une durée telle que ’15s’ ou ‘1m’. UInt32 ou Float* ou Decimal* ou String
• predict_offset — Spécifie le nombre de secondes de décalage à ajouter à l’heure de prédiction. UInt32 ou Float* ou Decimal* ou String

Arguments

• timestamp — Horodatage de l’échantillon. Peut être des valeurs individuelles ou des tableaux. UInt32 ou DateTime ou DateTime64 ou Array(UInt32) ou Array(DateTime) ou Array(DateTime64)
• value — Valeur de la série temporelle correspondant à l’horodatage. Peut être des valeurs individuelles ou des tableaux. Float* ou Array(Float*)
• samples — Échantillons de la série temporelle passés sous la forme d’un tableau de tuples (timestamp, value), où les éléments du tuple ont les types d’horodatage et de valeur listés ci-dessus. Une alternative au passage des horodatages et des valeurs sous forme de deux arguments distincts. Array(Tuple(T1, T2))

Valeur renvoyée

Les valeurs de predict_linear sur la grille spécifiée, sous forme d’Array(Nullable(Float64)). Le tableau renvoyé contient une valeur pour chaque point de la grille temporelle. La valeur est NULL s’il n’y a pas assez d’échantillons dans la fenêtre pour calculer la valeur du taux pour un point de grille donné.

Exemples

Calcul des valeurs predict_linear sur la grille [90, 105, 120, 135, 150, 165, 180, 195, 210] avec un décalage de 60 secondes

Query

SET enable_time_series_aggregate_functions = 1;
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,1,9.166667,11.6,12.5,NULL,NULL,16.5]                                                                 │
└─────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

Même requête avec des arguments de type tableau

Query

SET enable_time_series_aggregate_functions = 1;
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)(timestamps, values)─┐
│ [NULL,NULL,1,9.166667,11.6,12.5,NULL,NULL,16.5]                                                                   │
└───────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘