timeSeriesMadToGrid

Calcula mad_over_time de PromQL sobre una cuadrícula temporal regular.

​

timeSeriesMadToGrid

Introducido en: v26.10.0

Función de agregación que recibe datos de series temporales como pares de marcas de tiempo y valores, y calcula la función PromQL mad_over_time sobre una cuadrícula temporal regular definida por una marca de tiempo de inicio, una marca de tiempo de fin y un paso. Para cada punto de la cuadrícula, el resultado es la desviación absoluta mediana median(|x - median(x)|) de los valores de las muestras dentro de la ventana de tiempo especificada. Ambas medianas se calculan con el método R-7 (inclusivo), igual que en quantileExactInclusive y timeSeriesQuantileToGrid.

Las muestras pueden pasarse de una de estas tres formas:

• como dos argumentos timestamp y value, donde cada fila contiene una única 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.

Al igual que en Prometheus, el resultado es NaN si alguna muestra de la ventana es NaN. También es NaN si la mediana de la ventana es infinita, ya que las desviaciones de las muestras iguales a ella dan Inf - Inf.

Si varias muestras tienen la misma marca de tiempo, solo se utiliza una de ellas: la de mayor valor. Un valor NaN pierde frente a cualquier otro valor, por lo que solo se utiliza un valor NaN si todas las muestras con esa marca de tiempo son NaN.

Esta función está en vista previa privada; habilítela estableciendo enable_time_series_aggregate_functions=true.

Sintaxis

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

Parámetros

• start_timestamp — Especifica el inicio de la cuadrícula. También puede ser un número fraccionario o una cadena que contenga un número o un 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 un texto de fecha y hora. UInt32 o DateTime o DateTime64 o Float* o Decimal* o String
• grid_step — Especifica el paso 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 que se tienen en cuenta. 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

Argumentos

• timestamp — Marca de tiempo de la muestra. Puede ser un valor individual o un array. 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 ser un valor individual o un array. 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 independientes. Array(Tuple(T1, T2))

Valor devuelto

Devuelve la desviación absoluta mediana de los valores en la cuadrícula especificada. El array devuelto contiene un valor por cada punto de la cuadrícula temporal. El valor es NULL si no hay muestras dentro de la ventana para un punto concreto de la cuadrícula. Array(Nullable(Float64))

Ejemplos

Calcular los valores de mad_over_time en la cuadrícula [90, 105, 120, 135, 150, 165, 180, 195, 210, 225]

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]                                                        │
└───────────────────────────────────────────────────────────────────────────────────────┘

La misma consulta con argumentos de tipo array

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]                                                          │
└─────────────────────────────────────────────────────────────────────────────────────────┘