timeSeriesDeltaToGrid

聚合函数，接受时间序列数据，格式为时间戳和对应值的对，并在由起始时间戳、结束时间戳和步长描述的常规时间网格上计算 PromQL-like delta。对于网格上的每个点，计算 delta 所需的样本将在指定的时间窗口内考虑。

参数：

start timestamp - 指定网格的开始时间。
end timestamp - 指定网格的结束时间。
grid step - 指定网格的步长，单位为秒。
staleness - 指定考虑的样本的最大 “陈旧性”，单位为秒。陈旧性窗口是左开右闭的区间。

参数：

timestamp - 样本的时间戳
value - 对应于 timestamp 的时间序列值

返回值：在指定网格上的 delta 值，类型为 Array(Nullable(Float64))。返回的数组包含每个时间网格点的一个值。如果在窗口内没有足够的样本来计算特定网格点的 delta 值，则该值为 NULL。

示例：以下查询在网格 [90, 105, 120, 135, 150, 165, 180, 195, 210] 上计算 delta 值：

WITH
    -- NOTE: the gap between 140 and 190 is to show how values are filled for ts = 150, 165, 180 according to window paramater
    [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 timeSeriesDeltaToGrid(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
);

响应：

   ┌─timeSeriesDeltaToGr⋯timestamps, values)─┐
1. │ [NULL,NULL,0,3,4.5,3.75,NULL,NULL,3.75] │
   └─────────────────────────────────────────┘

此外，也可以将时间戳和对应值的多个样本作为同样大小的数组传递。使用数组参数的相同查询：

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 timeSeriesDeltaToGrid(start_ts, end_ts, step_seconds, window_seconds)(timestamps, values);

备注

此函数是实验性的，通过设置 allow_experimental_ts_to_grid_aggregate_function=true 来启用它。