> ## Documentation Index > Fetch the complete documentation index at: https://private-7c7dfe99-trino-dialect.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. > 지정된 그리드에서 시계열 데이터에 대한 PromQL 유사 선형 예측을 계산하는 집계 함수입니다. # timeSeriesPredictLinearToGrid
## timeSeriesPredictLinearToGrid
도입 버전: v25.6.0 타임스탬프와 값의 쌍으로 이루어진 시계열 데이터를 입력받아, 시작 타임스탬프, 종료 타임스탬프, 간격으로 정의된 정규 시간 그리드에서 지정된 예측 타임스탬프 오프셋에 대한 [PromQL 유사 선형 예측](https://prometheus.io/docs/prometheus/latest/querying/functions/#predict_linear)을 계산하는 집계 함수입니다. 그리드의 각 지점에서는 지정된 시간 윈도우 내의 샘플을 사용해 `predict_linear`을 계산합니다. 이 함수는 실험적 기능입니다. `allow_experimental_time_series_aggregate_functions=true`를 설정하여 활성화하십시오. **구문** ```sql theme={null} timeSeriesPredictLinearToGrid(start_timestamp, end_timestamp, grid_step, staleness, predict_offset)(timestamp, value) ``` **매개변수** * `start_timestamp` — 그리드의 시작점을 지정합니다. `DateTime64` 타임스탬프 인수의 경우 소수, 숫자 또는 날짜-시간 텍스트를 포함하는 문자열도 사용할 수 있습니다. [`UInt32`](/ko/reference/data-types/int-uint) 또는 [`DateTime`](/ko/reference/data-types/datetime) 또는 [`DateTime64`](/ko/reference/data-types/datetime64) 또는 [`Float*`](/ko/reference/data-types/float) 또는 [`Decimal*`](/ko/reference/data-types/decimal) 또는 [`String`](/ko/reference/data-types/string) * `end_timestamp` — 그리드의 끝점을 지정합니다. `DateTime64` 타임스탬프 인수의 경우 소수, 숫자 또는 날짜-시간 텍스트를 포함하는 문자열도 사용할 수 있습니다. [`UInt32`](/ko/reference/data-types/int-uint) 또는 [`DateTime`](/ko/reference/data-types/datetime) 또는 [`DateTime64`](/ko/reference/data-types/datetime64) 또는 [`Float*`](/ko/reference/data-types/float) 또는 [`Decimal*`](/ko/reference/data-types/decimal) 또는 [`String`](/ko/reference/data-types/string) * `grid_step` — 그리드 간격을 초 단위로 지정합니다. `DateTime64` 타임스탬프 인수의 경우 소수, 숫자 또는 '15s'나 '1m' 같은 기간을 포함하는 문자열도 사용할 수 있습니다. [`UInt32`](/ko/reference/data-types/int-uint) 또는 [`Float*`](/ko/reference/data-types/float) 또는 [`Decimal*`](/ko/reference/data-types/decimal) 또는 [`String`](/ko/reference/data-types/string) * `staleness` — 고려 대상 샘플의 최대 "staleness"를 초 단위로 지정합니다. staleness 윈도우는 왼쪽이 열린 구간이고 오른쪽이 닫힌 인터벌입니다. `DateTime64` 타임스탬프 인수의 경우 소수, 숫자 또는 '15s'나 '1m' 같은 기간을 포함하는 문자열도 사용할 수 있습니다. [`UInt32`](/ko/reference/data-types/int-uint) 또는 [`Float*`](/ko/reference/data-types/float) 또는 [`Decimal*`](/ko/reference/data-types/decimal) 또는 [`String`](/ko/reference/data-types/string) * `predict_offset` — 예측 시간에 추가할 오프셋을 초 단위로 지정합니다. [`UInt32`](/ko/reference/data-types/int-uint) 또는 [`Float*`](/ko/reference/data-types/float) 또는 [`Decimal*`](/ko/reference/data-types/decimal) 또는 [`String`](/ko/reference/data-types/string) **인수** * `timestamp` — 샘플의 타임스탬프입니다. 개별 값 또는 배열일 수 있습니다. - `value` — 타임스탬프에 해당하는 시계열 값입니다. 개별 값 또는 배열일 수 있습니다. **반환 값** 지정된 그리드의 `predict_linear` 값을 `Array(Nullable(Float64))`로 반환합니다. 반환된 배열에는 각 시간 그리드 지점에 대한 값이 하나씩 포함됩니다. 특정 그리드 지점에서 rate 값을 계산하기에 윈도우 내 샘플이 충분하지 않으면 값은 NULL입니다. **예시** **60초 오프셋으로 그리드 \[90, 105, 120, 135, 150, 165, 180, 195, 210]에서 predict\_linear 값 계산** ```sql title=Query theme={null} SET allow_experimental_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 60 AS predict_offset -- prediction time offset SELECT timeSeriesPredictLinearToGrid(start_ts, end_ts, step_seconds, window_seconds, predict_offset)(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 title=Response theme={null} ┌─timeSeriesPredictLinearToGrid(start_ts, end_ts, step_seconds, window_seconds, predict_offset)(timestamp, value)─┐ │ [NULL,NULL,1,9.166667,11.6,16.916666,NULL,NULL,16.5] │ └─────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘ ``` **배열 인수를 사용한 동일한 쿼리** ```sql title=Query theme={null} SET allow_experimental_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, 60 AS predict_offset SELECT timeSeriesPredictLinearToGrid(start_ts, end_ts, step_seconds, window_seconds, predict_offset)(timestamps, values); ``` ```response title=Response theme={null} ┌─timeSeriesPredictLinearToGrid(start_ts, end_ts, step_seconds, window_seconds, predict_offset)(timestamp, value)─┐ │ [NULL,NULL,1,9.166667,11.6,16.916666,NULL,NULL,16.5] │ └─────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘ ```