多周期估计函数支持对不同时间段内的时序进行周期估计,通过傅立叶变换等一系列操作进行周期的提取。

函数列表

函数 说明
ts_period_detect 对不同时间段内的时序数据进行周期估计。
ts_period_classify 通过傅立叶变换,计算输入时序曲线的周期性。该方法可以较好的用于快速判别曲线的周期性。

ts_period_detect

函数格式:
select ts_period_detect(x,y,minPeriod,maxPeriod)
参数说明如下:
参数 说明 取值
x 时间列,从小到大排列。 格式为Unixtime时间戳,单位为秒。
y 数值列,对应某时刻的数据。
minPeriod 根据您的时序曲线,预估计周期最小长度占序列总长度的比例。 小数形式,取值范围为(0,1]。
maxPeriod 根据您的时序曲线,预估计周期最大长度占序列总长度的比例。
注意 maxPeriod必须大于 minPeriod,且不超过0.5。如果您设置的 maxPeriod超过0.5,系统默认按0.5执行。
小数形式,取值范围为(0,1]。
示例:
  • 查询分析
    * | select ts_period_detect(stamp, value, 0.2, 0.5) from ( select __time__ - __time__ % 120 as stamp, avg(v) as value from log GROUP BY stamp order by stamp )
  • 返回结果

    返回结果为数组类型,包括Unix时间戳、统计的数值(例如平均流量)以及周期状态码(一个1.0状态码代表下图中的一个红圈)。您可以使用时序图展示返回结果,如下图所示:

    下图中两个红圈之间的阴影部分表示一个周期,各个周期间的曲线趋于相同。

    输出结果

ts_period_classify

函数格式:
select ts_period_classify(stamp,value,instanceName)
参数说明如下:
参数 说明 取值
stamp 时间列,从小到大排列。 格式为Unixtime时间戳,单位为秒。
value 数值列,对应某时刻的数据。
instanceName 曲线对应的名称。
示例:
  • 查询分析
    * and h : nu2h05202.nu8 | select ts_period_classify(stamp, value, name) from log
  • 返回结果输出结果
显示项如下:
显示项 说明
line_name 曲线名称。
prob 时序曲线中主周期的占比,范围为[0, 1],实验中可以取0.15。
type 曲线的类别:
  • type = -1:表示曲线长度太短(小于64个点)。
  • type = -2:表示曲线缺失率很高(缺失率超过20%)。
  • type = 0:表示曲线有明显的周期性。