Skip to main content

​
timeSeriesPredictLinearToGrid

Introducida en: v25.6.0 Función de agregación que toma datos de series temporales como pares de marcas de tiempo y valores, y calcula una predicción lineal similar a PromQL con un desplazamiento de marca de tiempo de predicción especificado a partir de estos datos, sobre una cuadrícula temporal regular definida por una marca de tiempo de inicio, una de finalización y un paso. Para cada punto de la cuadrícula, se consideran las muestras dentro de la ventana de tiempo especificada para calcular predict_linear. Las muestras se pueden pasar de una de estas tres formas:
  • como dos argumentos, timestamp y value, donde cada fila contiene una sola muestra;
  • como dos arrays de marcas de tiempo y valores, donde cada fila contiene una serie temporal completa;
  • como un único array de tuplas (timestamp, value), donde cada fila contiene una serie temporal completa.
Si varias muestras tienen la misma marca de tiempo, solo se utiliza una de ellas: la muestra con el valor más alto. Un valor NaN pierde frente a cualquier otro valor, por lo que solo se utiliza un valor NaN si todas las muestras en esta marca de tiempo son NaN.
Esta función está en private preview; actívela configurando enable_time_series_aggregate_functions=true.
Sintaxis
Parámetros
  • start_timestamp — Especifica el inicio de la cuadrícula. También puede ser un número fraccionario o una cadena que contenga un número o texto de fecha y hora. UInt32 o DateTime o DateTime64 o Float* o Decimal* o String
  • end_timestamp — Especifica el final de la cuadrícula. También puede ser un número fraccionario o una cadena que contenga un número o texto de fecha y hora. UInt32 o DateTime o DateTime64 o Float* o Decimal* o String
  • grid_step — Especifica el intervalo de la cuadrícula en segundos. También puede ser un número fraccionario o una cadena que contenga un número o una duración como ’15s’ o ‘1m’. UInt32 o Float* o Decimal* o String
  • staleness — Especifica la “antigüedad” máxima, en segundos, de las muestras consideradas. La ventana de antigüedad es un intervalo abierto por la izquierda y cerrado por la derecha. También puede ser un número fraccionario o una cadena que contenga un número o una duración como ’15s’ o ‘1m’. UInt32 o Float* o Decimal* o String
  • predict_offset — Especifica el número de segundos de desplazamiento que se añadirán al tiempo de predicción. UInt32 o Float* o Decimal* o String
Argumentos
  • timestamp — Marca de tiempo de la muestra. Puede consistir en valores individuales o arrays. UInt32 o DateTime o DateTime64 o Array(UInt32) o Array(DateTime) o Array(DateTime64)
  • value — Valor de la serie temporal correspondiente a la marca de tiempo. Puede consistir en valores individuales o arrays. Float* o Array(Float*)
  • samples — Muestras de la serie temporal pasadas como un array de tuplas (timestamp, value), cuyos elementos tienen los tipos de marca de tiempo y valor indicados anteriormente. Es una alternativa a pasar las marcas de tiempo y los valores como dos argumentos separados. Array(Tuple(T1, T2))
Valor devuelto Valores de predict_linear en la cuadrícula especificada, como Array(Nullable(Float64)). El array devuelto contiene un valor por cada punto de la cuadrícula temporal. El valor es NULL si no hay suficientes muestras dentro de la ventana para calcular el valor del rate en un punto concreto de la cuadrícula. Ejemplos Calcular los valores de predict_linear en la cuadrícula [90, 105, 120, 135, 150, 165, 180, 195, 210] con un desplazamiento de 60 segundos
Query
Response
Misma consulta con argumentos de tipo array
Query
Response