timeSeriesPredictLinearToGrid

Агрегатная функция, которая принимает данные временных рядов в виде пар меток времени и значений и рассчитывает линейный прогноз в стиле PromQL с указанным смещением времени прогноза на регулярной временной сетке, задаваемой начальной меткой времени, конечной меткой времени и шагом. Для каждой точки на сетке выборки для вычисления predict_linear рассматриваются в пределах заданного временного окна.

Параметры:

• start timestamp - задаёт начало сетки.
• end timestamp - задаёт конец сетки.
• grid step - задаёт шаг сетки в секундах.
• staleness - задаёт максимальную «устарелость» рассматриваемых выборок в секундах. Окно устарелости представляет собой полуинтервал, открытый слева и закрытый справа.
• predict_offset - задаёт количество секунд смещения, добавляемого к времени прогноза.

Аргументы:

• timestamp - метка времени выборки
• 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 внутри окна недостаточно выборок для вычисления значения скорости изменения 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
    -- ПРИМЕЧАНИЕ: разрыв между 140 и 190 демонстрирует, как заполняются значения для ts = 150, 165, 180 согласно параметру окна
    [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, -- массив значений, соответствующих указанным выше временным меткам
    90 AS start_ts,       -- начало временной сетки
    90 + 120 AS end_ts,   -- конец временной сетки
    15 AS step_seconds,   -- шаг временной сетки
    45 AS window_seconds, -- окно "устаревания"
    60 AS predict_offset  -- временное смещение для прогнозирования
SELECT timeSeriesPredictLinearToGrid(start_ts, end_ts, step_seconds, window_seconds, predict_offset)(timestamp, value)
FROM
(
    -- Данный подзапрос преобразует массивы временных меток и значений в строки с полями `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 можно передавать несколько значений меток времени и соответствующих значений в виде массивов одинакового размера. Тот же запрос с аргументами-массивами:

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; для её включения установите значение allow_experimental_ts_to_grid_aggregate_function=true.