timeSeriesTimestampOfFirstToGrid

在等间隔时间网格上计算类似 PromQL 的 ts_of_first_over_time。

​

timeSeriesTimestampOfFirstToGrid

引入版本：v26.10.0

聚合函数，接收由时间戳和值组成的数据对形式的时间序列数据，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 ts_of_first_over_time。对于网格上的每个点，结果为指定时间窗口内最早样本的时间戳。

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，每行包含单个样本；
• 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。

如果多个样本的时间戳相同，则只使用其中值最大的那个样本。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

timeSeriesTimestampOfFirstToGrid(start_timestamp, end_timestamp, grid_step, staleness_window)(timestamp, value)
timeSeriesTimestampOfFirstToGrid(start_timestamp, end_timestamp, grid_step, staleness_window)(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 (以秒为单位) 。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_window — 指定参与计算的样本的最大“陈旧时间” (以秒为单位) 。陈旧窗口是一个左开右闭区间。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 — 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 Tuple (timestamp, value) array形式传入的时间序列样本，其中 Tuple 元素的类型分别为上述时间戳和值的类型。可替代将时间戳和值作为两个独立参数分别传入的方式。Array(Tuple(T1, T2))

返回值

返回指定网格上最早样本的时间戳，类型与 timestamp 相同。返回的 array 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，则对应的值为 NULL。Array(Nullable(UInt32)) 或 Array(Nullable(DateTime)) 或 Array(Nullable(DateTime64))

示例

在网格 [90, 105, 120, 135, 150, 165, 180, 195, 210] 上计算 ts_of_first_over_time 的值

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 staleness 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
    30 AS window_seconds  -- "staleness" window
SELECT timeSeriesTimestampOfFirstToGrid(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

┌─timeSeriesTimestampOfFirstToGrid(start_ts, end_ts, step_seconds, window_seconds)(timestamp, value)───────────────────────────────────────────────────┐
│ [NULL,NULL,'1970-01-01 00:01:50','1970-01-01 00:01:50','1970-01-01 00:02:10','1970-01-01 00:02:20',NULL,'1970-01-01 00:03:10','1970-01-01 00:03:10'] │
└──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

使用 array 参数的同一查询

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,
    30 AS window_seconds
SELECT timeSeriesTimestampOfFirstToGrid(start_ts, end_ts, step_seconds, window_seconds)(timestamps, values);

Response

┌─timeSeriesTimestampOfFirstToGrid(start_ts, end_ts, step_seconds, window_seconds)(timestamps, values)─────────────────────────────────────────────────┐
│ [NULL,NULL,'1970-01-01 00:01:50','1970-01-01 00:01:50','1970-01-01 00:02:10','1970-01-01 00:02:20',NULL,'1970-01-01 00:03:10','1970-01-01 00:03:10'] │
└──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘