timeSeriesIncreaseToGrid

在等间隔时间网格上计算类似 PromQL 的 increase。

​

timeSeriesIncreaseToGrid

引入版本：v26.8.0

聚合函数，接收由时间戳与值成对组成的时间序列数据，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，基于这些数据计算类似 PromQL 的 increase。对于网格上的每个点，用于计算 increase 的样本均取自指定的时间窗口。

该值是计数器在窗口内经外推得到的总增量。相邻样本之间出现的下降会被视为计数器重置，并计入增量，因此即使计数器从零重新开始计数，结果仍能反映其累计增长。

样本可以通过以下三种形式之一传入：

• 作为两个参数 timestamp 和 value 传入，每行包含一个样本；
• 作为时间戳 array 和值 array 这两个 array 传入，每行包含一整条时间序列；
• 作为由 (timestamp, value) Tuple 组成的单个 array 传入，每行包含一整条时间序列。

如果多个样本具有相同的时间戳，则只使用其中值最大的那个样本。非数字 (NaN) 值比任何其他值都小，因此只有当该时间戳下的所有样本均为 NaN 时，才会使用 NaN 值。

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

语法

timeSeriesIncreaseToGrid(start_timestamp, end_timestamp, grid_step, staleness)(timestamp, value)
timeSeriesIncreaseToGrid(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 array。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 array。Float* 或 Array(Float*)
• samples — 以 (timestamp, value) Tuple array 形式传入的时间序列样本，其中 Tuple 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作为两个独立参数传入的方式。Array(Tuple(T1, T2))

返回值

返回指定网格上的增量值。返回的 array 中，每个时间网格点对应一个值。如果窗口内的样本不足以计算某个网格点的增量值，则该值为 NULL。Array(Nullable(Float64))

示例

基本用法：使用单独的时间戳-值对

Query

SET enable_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
SELECT timeSeriesIncreaseToGrid(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

┌─timeSeriesIncreaseToGrid(start_ts, end_ts, step_seconds, window_seconds)(timestamp, value)─┐
│ [NULL,NULL,0,3,4.5,2.5,NULL,NULL,3.75]                                                     │
└────────────────────────────────────────────────────────────────────────────────────────────┘

使用 array 参数

Query

SET enable_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
SELECT timeSeriesIncreaseToGrid(start_ts, end_ts, step_seconds, window_seconds)(timestamps, values);

Response

┌─timeSeriesIncreaseToGrid(start_ts, end_ts, step_seconds, window_seconds)(timestamps, values)─┐
│ [NULL,NULL,0,3,4.5,2.5,NULL,NULL,3.75]                                                       │
└──────────────────────────────────────────────────────────────────────────────────────────────┘