timeSeriesPredictLinearToGrid

導入バージョン: v25.6.0 時系列データをタイムスタンプと値のペアとして受け取り、開始タイムスタンプ・終了タイムスタンプ・stepで定義された規則的な時間グリッド上で、指定された予測タイムスタンプのOFFSETを用いてPromQL風の線形予測を計算する集計関数です。グリッド上の各点において、predict_linearの計算に使用するサンプルは指定された時間ウィンドウ内のものが対象となります。

この関数は実験的です。allow_experimental_ts_to_grid_aggregate_function=true を設定して有効にしてください。

構文

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

パラメーター

start_timestamp — グリッドの開始を指定します。 - end_timestamp — グリッドの終了を指定します。 - grid_step — グリッドのステップを秒単位で指定します。 - staleness — 対象とするサンプルの最大”古さ”を秒単位で指定します。staleness ウィンドウは左開右閉の区間です。 - predict_offset — 予測時刻に加算するオフセットの秒数を指定します。

引数

timestamp — サンプルのタイムスタンプ。単一の値または配列を指定できます。- value — タイムスタンプに対応する時系列の値。単一の値または配列を指定できます。

戻り値 指定されたグリッド上の predict_linear の値を Array(Nullable(Float64)) として返します。返される配列には、各時間グリッドポイントに対して1つの値が含まれます。特定のグリッドポイントのレート値を計算するのに十分なサンプルがウィンドウ内に存在しない場合、その値は NULL になります。例 グリッド [90, 105, 120, 135, 150, 165, 180, 195, 210] 上で60秒のOFFSETを使用してpredict_linearの値を計算する

Query

WITH
    -- 注意: 140と190の間のギャップは、windowパラメータに従ってts = 150, 165, 180の値がどのように補完されるかを示すためのものです
    [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, -- 上記のtimestampに対応する値のArray
    90 AS start_ts,       -- timestampグリッドの開始点
    90 + 120 AS end_ts,   -- timestampグリッドの終了点
    15 AS step_seconds,   -- timestampグリッドのstep
    45 AS window_seconds, -- "staleness" window
    60 AS predict_offset  -- 予測時間オフセット
SELECT timeSeriesPredictLinearToGrid(start_ts, end_ts, step_seconds, window_seconds, predict_offset)(timestamp, value)
FROM
(
    -- このサブクエリはtimestampと値のArrayを`timestamp`、`value`の行に変換します
    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]                                                            │
└─────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

Array引数を使用した同じクエリ

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