Skip to content
ClickHouse Docs
ClickHouse DocsClickHouse Docs
49.6kGet Started

timeSeriesPredictLinearToGrid

View as MarkdownEdit this pageReport an issueSet up docs MCP

timeSeriesPredictLinearToGrid

Добавлена в: v25.6.0

Агрегатная функция, которая принимает данные временных рядов в виде пар временных меток и значений и вычисляет линейный прогноз в стиле PromQL по этим данным с указанным смещением временной метки прогноза на регулярной временной сетке, заданной начальной временной меткой, конечной временной меткой и шагом. Для каждой точки сетки образцы для вычисления predict_linear учитываются в пределах указанного временного окна.

Если несколько образцов имеют одинаковую временную метку, используется только один из них: образец с наибольшим значением. Значение NaN уступает любому другому значению, поэтому значение NaN используется, только если все образцы с этой временной меткой равны NaN.

Синтаксис

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

Параметры

  • start_timestamp — Задаёт начало сетки. Для аргумента временной метки DateTime64 также может быть дробным числом или строкой, содержащей число либо дату и время в текстовом формате. UInt32 или DateTime или DateTime64 или Float* или Decimal* или String
  • end_timestamp — Задаёт конец сетки. Для аргумента временной метки DateTime64 также может быть дробным числом или строкой, содержащей число либо дату и время в текстовом формате. UInt32 или DateTime или DateTime64 или Float* или Decimal* или String
  • grid_step — Задаёт шаг сетки в секундах. Для аргумента временной метки DateTime64 также может быть дробным числом или строкой, содержащей число либо длительность, например '15s' или '1m'. UInt32 или Float* или Decimal* или String
  • staleness — Задаёт максимальное время устаревания рассматриваемых образцов в секундах. Окно устаревания — это интервал, открытый слева и закрытый справа. Для аргумента временной метки DateTime64 также может быть дробным числом или строкой, содержащей число либо длительность, например '15s' или '1m'. UInt32 или Float* или Decimal* или String
  • predict_offset — Задаёт количество секунд смещения, добавляемого ко времени прогноза. UInt32 или Float* или Decimal* или String

Аргументы

  • timestamp — Временная метка образца. Может быть отдельным значением или массивом. - value — Значение временного ряда, соответствующее временной метке. Может быть отдельным значением или массивом.

Возвращаемое значение

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

Примеры

Вычисление значений predict_linear на сетке [90, 105, 120, 135, 150, 165, 180, 195, 210] со смещением 60 секунд

SET allow_experimental_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
);
┌─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]                                                                 │
└─────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

Тот же запрос с аргументами-массивами

SET allow_experimental_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);
┌─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]                                                                   │
└───────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘
Navigation