99久热精品免费观看四虎,精品久久中文字幕无码,人妻系列影片无码区

時間序列分析函數(shù)用于處理互聯(lián)網(wǎng)服務(wù)系統(tǒng)或商務(wù)運作中產(chǎn)生的指標數(shù)據(jù)，這些數(shù)據(jù)可用于預(yù)測未來趨勢和檢測運作過程中的異常情況。日志服務(wù)支持時間序列分析函數(shù)，本文介紹時間序列分析函數(shù)的基本語法和示例。

背景信息

本文介紹時間序列分析函數(shù)示例的日志包含三個字段索引。更多信息，請參見創(chuàng)建索引。

日志樣例如下：

{"metric_id":1,"metric_value":90.0,"time_period":"2024-01-01 00:00:00"}
{"metric_id":1,"metric_value":92.0,"time_period":"2024-01-01 00:01:00"}
{"metric_id":1,"metric_value":93.0,"time_period":"2024-01-01 00:02:00"}
{"metric_id":2,"metric_value":85.0,"time_period":"2024-01-01 00:00:00"}
{"metric_id":2,"metric_value":87.0,"time_period":"2024-01-01 00:01:00"}
{"metric_id":2,"metric_value":89.0,"time_period":"2024-01-01 00:02:00"}
{"metric_id":3,"metric_value":96.0,"time_period":"2024-01-01 00:00:00"}
{"metric_id":3,"metric_value":97.0,"time_period":"2024-01-01 00:01:00"}
{"metric_id":3,"metric_value":98.0,"time_period":"2024-01-01 00:02:00"}

時序分析函數(shù)列表

函數(shù)名稱	語法	說明	返回值類型
ts_forecast函數(shù)	ts_forecast(array(timestamp) time_periods, array(double) metric_values, timestamp data_begin_time, timestamp data_end_time, timestamp prediction_end_time, varchar time_unit, varchar options)	用于時序預(yù)測，根據(jù)給定的時間序列預(yù)測未來指定時間段的指標變化。預(yù)測的結(jié)果以JSON格式返回。	varchar
ts_extract_features或ts_extract_features_in_json函數(shù)	ts_extract_features(array(double) period_unix_time_array, array(double) metric_value_array)	用于時序特征提取，以便于利用這些特征進行后續(xù)的機器模式識別。	array(double)
ts_extract_features或ts_extract_features_in_json函數(shù)	ts_extract_features_in_json(array(double) period_unix_time_array, array(double) metric_value_array)	用于時序特征提取，以便于利用這些特征進行后續(xù)的機器模式識別。	varchar
ts_fill_missing或ts_impute函數(shù)	ts_fill_missing(array(double) unixtime_periods, array(double) metric_values, double begin_unixtime, end_unixtime, varchar time_unit, varchar fill_option) ts_impute(array(double) unixtime_periods, array(double) metric_values, double begin_unixtime, end_unixtime, varchar time_unit, varchar fill_option) ts_fill_nan(array(double) unixtime_periods, array(double) metric_values, double begin_unixtime, end_unixtime, varchar time_unit, varchar fill_option)	用于時序填充，對缺失的時間點補充數(shù)據(jù)。	array(array(double))
ts_analyze_cycles函數(shù)	ts_analyze_cycles(array(double) unixtime_periods, array(double) metric_values, double begin_unixtime, end_unixtime, varchar time_unit, varchar fill_option)	用于時序周期分析，分析一個時間序列的近似的多個周期。	varchar

ts_forecast函數(shù)

根據(jù)給定的時間序列，預(yù)測未來指定時間段的指標變化。預(yù)測的結(jié)果以JSON格式返回。

varchar ts_forecast(array(varchar) time_periods, array(double) metric_values, varchar data_begin_time, varchar data_end_time, timestamp prediction_end_time, varchar time_unit, varchar options)

參數(shù)	說明
`time_periods`	時序中時間部分的數(shù)組。入?yún)㈩愋头譃?種： timestamp類型。 varchar類型，例如`2024-01-01 10:00:00`。 double類型的Unix時間。
`metric_values`	時序中指標部分的數(shù)組，專注于非零數(shù)值的數(shù)據(jù)點。函數(shù)需指定時間段范圍以便于對缺失數(shù)據(jù)進行填充。
`data_begin_time`	時序數(shù)據(jù)的時間段范圍的開始時刻。入?yún)㈩愋头譃?種： timestamp類型。 varchar類型，例如`2024-01-01 10:00:00`。 double類型的Unix時間。
`data_end_time`	時序數(shù)據(jù)的時間段范圍的結(jié)束時刻。入?yún)㈩愋头譃?種： timestamp類型。 varchar類型，例如`2024-01-01 10:00:00`。 double類型的Unix時間。說明時間區(qū)間`[data_begin_time, data_end_time)`包括`data_begin_time`但不包括`data_end_time`。
`prediction_end_time`	往前預(yù)測到這個時刻為止，不包含這個時刻。可以為兩種類型入?yún)ⅲ?/span> timestamp類型。 double類型的Unix時間。
`time_unit`	時間序列數(shù)據(jù)的單位時間間隔。例如`'10 second'`、 `'1 minute'`、`'1 hour'`、`'1 day'`、`'1 week'`、`'1 month'`、`'1 year'`等。
`options`	可選參數(shù)，指定數(shù)據(jù)填充方法及是否輸出歷史數(shù)據(jù)。數(shù)據(jù)填充方法：指定值（value）均值（mean）中位數(shù)（median）最小值（min）最大值（max）局部插值（local-interpolation）是否輸出歷史數(shù)據(jù)： true：輸出 false：不輸出參數(shù)示例 fillnan=value:0,outputhist=false：用0填充缺失值，不輸出歷史數(shù)據(jù)。 fillnan=mean,outputhist=false：用平均值填充缺失值，不輸出歷史數(shù)據(jù)。 fillnan=local-interpolation,outputhist=false：使用局部插值填充缺失值，不輸出歷史數(shù)據(jù)。

使用示例

查詢和分析語句

* | select metric_id,
    ts_forecast(
      array_agg(time_period),  -- time_period array
      array_agg(metric_value), -- metric_value array
      '2024-01-01 00:00:00',   -- sample start time (inclusive)
      '2024-01-01 00:05:00',   -- sample end time (exclusive)
      '2024-01-01 01:00:00',   -- prediction end time (exclusive)
      '1 miute',               -- time unit
      'avg'                
    ) as forecast_outcome
    from log
where time_period >= '2024-01-01 00:00:00'
    and time_period < '2024-01-01 00:06:00'
group by metric_id

返回結(jié)果

{
   "predictions":[
      {
         "timePeriod":1704067200,
         "prediction":59.2251832913215,
         "actualValue":"NaN",
         "upperBoundBy3StdDev":84.66650365159649,
         "lowerBoundBy3StdDev":33.78386293104651,
         "isForecast":true
      },
      {
         "timePeriod":1704067260,
         "prediction":57.62225491132578,
         "actualValue":"NaN",
         "upperBoundBy3StdDev":83.06357527160077,
         "lowerBoundBy3StdDev":32.18093455105079,
         "isForecast":true
      },
      ...
   ],
   "isHistoryIncluded":false,
   "errorSummary":{
      "meanAbsError":6.359932652686714,
      "meanAbsPercentageError":0.08384313053350512,
      "rootMeanSquareError":8.480440120091664,
      "standardDeviation":8.480440120091664,
      "meanError":-0.31236100941915534,
      "sampleSize":10080,
      "targetMean":97.94062488445213,
      "targetStdDev":11.186867641715377,
      "rsquare":0.92532833455449703,
      "correlation":0.961939880946048
   }
}

返回參數(shù)說明：

參數(shù)	說明
`predictions`	時間序列預(yù)測結(jié)果以結(jié)構(gòu)體數(shù)組形式呈現(xiàn)，每個結(jié)構(gòu)體代表一個時間點的預(yù)測值。預(yù)測的時間范圍由`data_end_time`和`prediction_end_time`參數(shù)確定，構(gòu)成一個左開右閉的時間區(qū)間。若在`options`參數(shù)中設(shè)置`outputhist=true`，則數(shù)組將包含歷史數(shù)據(jù)，使得整個數(shù)據(jù)的時間范圍擴展至`[data_begin_time, prediction_end_time)`。結(jié)構(gòu)體數(shù)組參數(shù)說明： `timePeriod`：預(yù)測的時間點。 `prediction`：預(yù)測指標的數(shù)值。 `actualValue`：實際的數(shù)據(jù)值。在[data_end_time, prediction_end_time)時間區(qū)間內(nèi)，actualValue的值均為NaN，原因是該時間段尚未產(chǎn)生實際的指標數(shù)據(jù)。當參數(shù)選項中設(shè)置`'outputhist=true'`時，`predictions`字段內(nèi)的數(shù)組將包含[data_begin_time, data_end_time)時間范圍的歷史數(shù)據(jù)，其中`actualValue`表示該歷史數(shù)據(jù)中的實際指標。 `upperBoundBy3StdDev`和`lowerBoundBy3StdDev`：這兩個字段描述的是以預(yù)測值（prediction）為中心的訓練預(yù)測誤差的3倍標準差區(qū)間邊界。這些區(qū)間通常代表99%的置信區(qū)間，表明未來收集的真實值有99%的概率落在所預(yù)測的區(qū)間范圍內(nèi)。可以通過結(jié)合prediction值與errorSummary.standardDeviation字段來計算一個自定義的置信區(qū)間，例如，在兩個標準誤差范圍內(nèi)的預(yù)測區(qū)間。然而，當區(qū)間變得更加狹窄時，置信水平也會相應(yīng)降低，例如，兩個標準誤差內(nèi)的置信區(qū)間將大概降至95%。 `isForecast`：判斷數(shù)據(jù)點對應(yīng)的時間是屬于未來還是歷史，通過與預(yù)設(shè)的時間點`data_end_time`進行比較實現(xiàn)。具體而言，如果數(shù)據(jù)點的時間小于`data_end_time`，則返回false，表示該數(shù)據(jù)點位于過去；反之，則返回true，表示數(shù)據(jù)點指向未來。
`isHistoryIncluded`	`predictions`字段里的內(nèi)容是否包含歷史數(shù)據(jù)。 true：包含歷史數(shù)據(jù)。 false：不包含歷史數(shù)據(jù)。
`errorSummary`	預(yù)測在歷史數(shù)據(jù)上測試模型時的預(yù)測誤差的概括。預(yù)測模型會在歷史數(shù)據(jù)上測試，在指標預(yù)測中，預(yù)測值與實際值之間的差異會產(chǎn)生誤差。通過對歷史數(shù)據(jù)進行預(yù)測并總結(jié)相應(yīng)的統(tǒng)計值，可以評估預(yù)測的整體準確性。 `meanAbsError`：預(yù)測誤差的絕對值的平均值。 `meanAbsPercentageError`：相對百分比誤差的絕對值的平均值。 `rootMeanSquareError`：均方誤差，即誤差的平方的平均值的平方根。 `standardDeviation`：誤差的標準差，表示預(yù)測的平均上下波動的大小。 `meanError`：誤差的平均值。 `sampleSize`：歷史數(shù)據(jù)樣本的個數(shù)（樣本容量）。 `targetMean`：指標歷史數(shù)據(jù)樣本的平均值。 `targetStdDev`：指標歷史數(shù)據(jù)樣本的標準差。 `rsquare`：R平方值是衡量回歸模型預(yù)測精度的一個指標，基于歷史數(shù)據(jù)進行測試，范圍是`(0,1)`，越接近1代表預(yù)測準確度越高。 `correlation`：`rsquare`的平方根。

ts_extract_features或ts_extract_features_in_json函數(shù)

主要對時間序列進行特征提取，方便用戶使用這些特征進行后續(xù)的機器模式識別。

array(double) ts_extract_features(array(double) period_unix_time_array, array(double) metric_value_array)

或

varchar ts_extract_features_in_json(array(double) period_unix_time_array, array(double) metric_value_array)

參數(shù)	說明
`period_unix_time_array`	時間序列中的Unix時間的數(shù)組。
`metric_value_array`	時間序列的指標數(shù)值。說明 `period_unix_time_array`和`metric_value_array`描述一個時間序列。

使用示例

示例一

查詢和分析語句

* | select metric_id,
    ts_extract_features(
      array_agg(to_unixtime(time_period)),
      array_agg(metric_value)) as feature_values
      group by metric_id

返回結(jié)果
feature_values是生成的特征值的數(shù)組。
metric_id
feature_values
1
[0.123456, ...]

示例二

查詢和分析語句

* | select metric_id,
    ts_extract_features_in_json(
      array_agg(to_unixtime(time_period)),
      array_agg(metric_value)) as feature_values
      group by metric_id

返回結(jié)果

names：特征向量名稱構(gòu)成的數(shù)組。
values：特征向量值構(gòu)成的數(shù)組。

metric_id	feature_values
1	{"values":[1.0,0.0,0.0,0.0,645.0,41685.0,1.0,1.0,0.0,64.5,64.5,10.0,2.8722813232690143],"names":["value__variance_larger_than_standard_deviation","value__has_duplicate_max","value__has_duplicate_min","value__has_duplicate","value__sum_values","value__abs_energy","value__mean_abs_change","value__mean_change"]

ts_fill_missing或ts_impute函數(shù)

用于時序填充，對缺失的時間點補充數(shù)據(jù)。

array(array(double)) ts_fill_missing(array(double) unixtime_periods, array(double) metric_values, double begin_unixtime,  double end_unixtime, varchar time_unit, varchar fill_option)

或

array(array(double)) ts_impute(array(double) unixtime_periods, array(double) metric_values, double begin_unixtime,  double end_unixtime, varchar time_unit, varchar fill_option)

或

array(array(double)) ts_fill_nan(array(double) unixtime_periods, array(double) metric_values, double begin_unixtime,  double end_unixtime, varchar time_unit, varchar fill_option)

參數(shù)	說明
`unixtime_periods`	時間序列中時間部分的數(shù)組，是double數(shù)組類型的Unix時間。
`metric_values`	時間序列中指標部分的數(shù)組，是double數(shù)組類型。
`begin_unixtime`	時間序列數(shù)據(jù)的時間段范圍的開始時刻，double類型的Unix時間。
`end_unixtime`	時間序列數(shù)據(jù)的時間段范圍的結(jié)束時刻。說明時間區(qū)間`[begin_unixtime, end_unixtime)`由`begin_unixtime`和`end_unixtime`組成，其中包含`begin_unixtime`但不包含`end_unixtime`。
`time_unit`	時間序列數(shù)據(jù)的單位時間間隔。例如`'10 second'`、 `'1 minute'`、`'1 hour'`、`'1 day'`、`'1 week'`、`'1 month'`、`'1 year'`等。
fill_option	可選參數(shù)，指定數(shù)據(jù)填充方法及是否輸出歷史數(shù)據(jù)。數(shù)據(jù)填充方法：指定值（value）均值（mean）中位數(shù)（median）最小值（min）最大值（max）局部插值（local-interpolation）是否輸出歷史數(shù)據(jù)： true：輸出 false：不輸出參數(shù)示例 fillnan=value:0,outputhist=false：用0填充缺失值，不輸出歷史數(shù)據(jù)。 fillnan=mean,outputhist=false：用平均值填充缺失值，不輸出歷史數(shù)據(jù)。 fillnan=local-interpolation,outputhist=false：使用局部插值填充缺失值，不輸出歷史數(shù)據(jù)。

使用示例

查詢和分析語句

* | select metric_id,
        ts_fill_missing(
            array_agg(to_unixtime(time_period)), -- time periods
            array_agg(metric_value),             -- metric values
            to_unixtime(timestamp '2024-01-01 00:00:00'), -- series begin time
            to_unixtime(timestamp '2024-01-01 00:05:00'), -- series end time
            '1 minute',                          -- series time unit
            'value=0'                 -- fill the missing values with 0
        ) as imputed_time_series
        from log
    where time_period >= '2024-01-01 00:00:00'
      and time_period < '2024-01-01 00:05:00'
    group by metric_id

返回結(jié)果

metric_id	imputed_time_series
1	[[1704038400.0,1704038460.0,1704038520.0,1704038580.0,1704038640.0],[60.0,61.0,62.0,63.0,64.0]]
2	[[1704038400.0,1704038460.0,1704038520.0,1704038580.0,1704038640.0],[70.0,71.0,72.0,73.0,74.0]]
3	[[1704038400.0,1704038460.0,1704038520.0,1704038580.0,1704038640.0],[80.0,81.0,82.0,83.0,84.0]]

ts_analyze_cycles函數(shù)

分析一個時間序列的近似的多個周期。

varchar ts_analyze_cycles(array(double) unixtime_periods, array(double) metric_values, double begin_unixtime,  end_unixtime, varchar time_unit, varchar fill_option)

參數(shù)	說明
`unixtime_periods`	時間序列中時間部分的數(shù)組，是double數(shù)組類型的Unix時間。
`metric_values`	時間序列中指標部分的數(shù)組，是double數(shù)組類型。
`begin_unixtime`	時間序列數(shù)據(jù)的時間段范圍的開始時刻，double類型的Unix時間。
`end_unixtime`	時間序列數(shù)據(jù)的時間段范圍的結(jié)束時刻。說明時間區(qū)間`[begin_unixtime, end_unixtime)`由`begin_unixtime`和`end_unixtime`組成，其中包含`begin_unixtime`但不包含`end_unixtime`。
`time_unit`	時間序列數(shù)據(jù)的單位時間間隔。例如`'10 second'`、 `'1 minute'`、`'1 hour'`、`'1 day'`、`'1 week'`、`'1 month'`、`'1 year'`等。
fill_option	指定數(shù)據(jù)填充方法及是否輸出歷史數(shù)據(jù)。數(shù)據(jù)填充方法：指定值（value）均值（mean）中位數(shù)（median）最小值（min）最大值（max）局部插值（local-interpolation）是否輸出歷史數(shù)據(jù)： true：輸出 false：不輸出參數(shù)示例 fillnan=value:0,outputhist=false：用0填充缺失值，不輸出歷史數(shù)據(jù)。 fillnan=mean,outputhist=false：用平均值填充缺失值，不輸出歷史數(shù)據(jù)。 fillnan=local-interpolation,outputhist=false：使用局部插值填充缺失值，不輸出歷史數(shù)據(jù)。

使用示例

查詢和分析語句

* | select metric_id,
        ts_analyze_cycles(
            array_agg(to_unixtime(time_period)), -- time periods
            array_agg(metric_value),             -- metric values
            to_unixtime(timestamp '2024-01-01 00:00:00'), -- series begin time
            to_unixtime(timestamp '2024-01-01 00:05:00'), -- series end time
            '1 minute',                          -- series time unit
            'value=0'                 -- fill the missing values with 0
        ) as imputed_time_series
        from log
    where time_period >= '2024-01-01 00:00:00'
      and time_period < '2024-01-01 00:05:00'
    group by metric_id

返回結(jié)果

metric_id

cycle_analysis

{"cycleSize":66,"cycleCorrelation":0.9859745299608902,"frequencyWeight":2.8240516697103124E7,"topCycles":[{"cycleSize":66,"cycleCorrelation":0.9859745299608902,"frequencyWeight":2.8240516697103124E7},{"cycleSize":72,"cycleCorrelation":0.9750729127628865,"frequencyWeight":9538762.646349236},{"cycleSize":22,"cycleCorrelation":0.9628902341901314,"frequencyWeight":1.5834018306832194E7},{"cycleSize":33,"cycleCorrelation":0.9518752073734051,"frequencyWeight":1.1270983504364485E7}]}

返回結(jié)果參數(shù)說明：

參數(shù)	說明
`cycleSize`	最相似的周期長度。
`cycleCorrelation`	最相似的周期的相關(guān)程度。
`frequencyWeight`	對時間序列進行功率譜分析之后對應(yīng)周期的譜密度的大小。
`topCycles`	對時間序列的多周期分析，提供最多前五個周期的相關(guān)分析數(shù)據(jù)。每一個周期都包含`cycleSize`, `cycleCorrelation`, `frequencyWeight`這三個字段信息。

metric_id	feature_values
1	[0.123456, ...]

日本熟妇hd丰满老熟妇,中文字幕一区二区三区在线不卡 ,亚洲成片在线观看,免费女同在线一区二区

背景信息

時序分析函數(shù)列表

ts_forecast函數(shù)

使用示例

ts_extract_features或ts_extract_features_in_json函數(shù)

使用示例

示例一

示例二

ts_fill_missing或ts_impute函數(shù)

使用示例

ts_analyze_cycles函數(shù)

使用示例