timeSeriesMadToGrid

引入版本：v26.10.0 该聚合函数接收由时间戳和值组成的成对时间序列数据，并在由起始时间戳、结束时间戳和步长定义的等间隔时间网格上计算 PromQL mad_over_time 函数。对于网格上的每个点，结果为指定时间窗口内样本值的中位数绝对偏差 median(|x - median(x)|)。两个中位数均采用 R-7 (包含) 方法计算，与 quantileExactInclusive 和 timeSeriesQuantileToGrid 一致。样本可以通过以下三种形式之一传入：

两个参数 timestamp 和 value，每行包含单个样本；
时间戳数组和值数组，每行包含一整条时间序列；
由 (timestamp, value) 元组组成的单个数组，每行包含一整条时间序列。

与 Prometheus 一致，如果窗口内任一样本为非数字 (NaN) ，则结果为 NaN。如果窗口的中位数为无穷大，结果同样为 NaN，因为与该中位数相等的样本的偏差为 Inf - Inf。如果多个样本的时间戳相同，则只使用其中值最大的那个样本。NaN 值的优先级低于任何其他值，因此只有当该时间戳上的所有样本均为 NaN 时，才会使用 NaN 值。

此函数目前处于私有预览阶段，可通过设置 enable_time_series_aggregate_functions=true 启用。

语法

timeSeriesMadToGrid(start_timestamp, end_timestamp, grid_step, staleness)(timestamp, value)
timeSeriesMadToGrid(start_timestamp, end_timestamp, grid_step, staleness)(samples)

参数

start_timestamp — 指定网格的起点。也可以是小数，或包含数字或日期时间文本的字符串。UInt32 或 DateTime 或 DateTime64 或 Float* 或 Decimal* 或 String
end_timestamp — 指定网格的终点。也可以是小数，或包含数字或日期时间文本的字符串。UInt32 或 DateTime 或 DateTime64 或 Float* 或 Decimal* 或 String
grid_step — 指定网格的步长，单位为秒。也可以是小数，或包含数字或时长 (如 ’15s’ 或 ‘1m’) 的字符串。UInt32 或 Float* 或 Decimal* 或 String
staleness — 指定参与计算的样本的最大“陈旧时间”，单位为秒。陈旧窗口为左开右闭区间。也可以是小数，或包含数字或时长 (如 ’15s’ 或 ‘1m’) 的字符串。UInt32 或 Float* 或 Decimal* 或 String

参数

timestamp — 样本的时间戳。可以是单个值，也可以是数组。UInt32 或 DateTime 或 DateTime64 或 Array(UInt32) 或 Array(DateTime) 或 Array(DateTime64)
value — 与时间戳对应的时间序列值。可以是单个值，也可以是数组。Float* 或 Array(Float*)
samples — 以 (timestamp, value) 元组数组形式传入的时间序列样本，元组元素的类型分别为上文所列的时间戳类型和值类型。可用于替代将时间戳和值分别作为两个参数传入的方式。Array(Tuple(T1, T2))

返回值 返回指定网格上各值的中位数绝对偏差。返回的数组中，每个时间网格点对应一个值。如果某个网格点的窗口内没有样本，则该值为 NULL。Array(Nullable(Float64)) 示例 在网格 [90, 105, 120, 135, 150, 165, 180, 195, 210, 225] 上计算 mad_over_time 值

Query

SET enable_time_series_aggregate_functions = 1;
WITH
    -- NOTE: the gap between 130 and 190 is to show how values are filled for ts = 180 according to window parameter
    [110, 120, 130, 190, 200, 210, 220, 230]::Array(DateTime) AS timestamps,
    [1, 3, 2, 6, 6, 4, 2, 0]::Array(Float32) AS values, -- array of values corresponding to timestamps above
    90 AS start_ts,       -- start of timestamp grid
    90 + 135 AS end_ts,   -- end of timestamp grid
    15 AS step_seconds,   -- step of timestamp grid
    45 AS window_seconds  -- "staleness" window
SELECT timeSeriesMadToGrid(start_ts, end_ts, step_seconds, window_seconds)(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

┌─timeSeriesMadToGrid(start_ts, end_ts, step_seconds, window_seconds)(timestamp, value)─┐
│ [NULL,NULL,1,1,1,0,NULL,0,0,1]                                                        │
└───────────────────────────────────────────────────────────────────────────────────────┘

使用 array 参数的同一查询

Query

SET enable_time_series_aggregate_functions = 1;
WITH
    [110, 120, 130, 190, 200, 210, 220, 230]::Array(DateTime) AS timestamps,
    [1, 3, 2, 6, 6, 4, 2, 0]::Array(Float32) AS values,
    90 AS start_ts,
    90 + 135 AS end_ts,
    15 AS step_seconds,
    45 AS window_seconds
SELECT timeSeriesMadToGrid(start_ts, end_ts, step_seconds, window_seconds)(timestamps, values);

Response

┌─timeSeriesMadToGrid(start_ts, end_ts, step_seconds, window_seconds)(timestamps, values)─┐
│ [NULL,NULL,1,1,1,0,NULL,0,0,1]                                                          │
└─────────────────────────────────────────────────────────────────────────────────────────┘

SQL 参考文档

数据类型

引擎

函数

格式

设置

系统表

数据湖

timeSeriesMadToGrid

timeSeriesMadToGrid

​timeSeriesMadToGrid

timeSeriesMadToGrid