> ## Documentation Index > Fetch the complete documentation index at: https://private-7c7dfe99-mintlify-8a08bda2.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. > Агрегатная функция для ресэмплирования данных временных рядов при вычислении irate и idelta в стиле PromQL # timeSeriesLastTwoSamples
## timeSeriesLastTwoSamples
Добавленный в: v25.6.0 Агрегатная функция для повторного сэмплирования данных временных рядов при вычислении `irate` и `idelta` в стиле PromQL. Агрегатная функция, которая принимает данные временных рядов в виде пар временных меток и значений и хранит не более двух последних точек. Эта агрегатная функция предназначена для использования с materialized view и агрегированной таблицей, в которой хранятся ресэмплированные данные временных рядов для временных меток, выровненных по сетке. Агрегированная таблица хранит только два последних значения для каждой выровненной временной метки. Это позволяет вычислять `irate` и `idelta` в стиле PromQL, считывая гораздо меньше данных, чем хранится в исходной таблице. Эта функция экспериментальная; включите её, установив `allow_experimental_ts_to_grid_aggregate_function=true`. **Синтаксис** ```sql theme={null} timeSeriesLastTwoSamples(timestamp, value) ``` **Аргументы** * `timestamp` — Временная метка выборки. [`DateTime`](/ru/reference/data-types/datetime) или [`DateTime64`](/ru/reference/data-types/datetime64) или [`(U)Int*`](/ru/reference/data-types/int-uint) или [`Int*`](/ru/reference/data-types/int-uint) * `value` — Значение временного ряда, соответствующее этой временной метке. [`Float32`](/ru/reference/data-types/float) или [`Float64`](/ru/reference/data-types/float) **Возвращаемое значение** Возвращает пару массивов одинаковой длины — от 0 до 2 элементов. Первый массив содержит временные метки выборок временного ряда, второй — соответствующие значения временного ряда. [`Tuple(Array(DateTime), Array(Float64))`](/ru/reference/data-types/tuple) **Примеры** **Пример таблицы для исходных данных и таблицы для хранения ресэмплированных данных** ```sql title=Query theme={null} -- Таблица для исходных данных CREATE TABLE t_raw_timeseries ( metric_id UInt64, timestamp DateTime64(3, 'UTC') CODEC(DoubleDelta, ZSTD), value Float64 CODEC(DoubleDelta) ) ENGINE = MergeTree() ORDER BY (metric_id, timestamp); -- Таблица с ресэмплированными данными, приведёнными к бо́льшим временным шагам (15 сек) CREATE TABLE t_resampled_timeseries_15_sec ( metric_id UInt64, grid_timestamp DateTime('UTC') CODEC(DoubleDelta, ZSTD), -- Временная метка, выровненная по 15 сек samples AggregateFunction(timeSeriesLastTwoSamples, DateTime64(3, 'UTC'), Float64) ) ENGINE = AggregatingMergeTree() ORDER BY (metric_id, grid_timestamp); -- MV для заполнения таблицы с ресэмплированными данными CREATE MATERIALIZED VIEW mv_resampled_timeseries TO t_resampled_timeseries_15_sec ( metric_id UInt64, grid_timestamp DateTime('UTC') CODEC(DoubleDelta, ZSTD), samples AggregateFunction(timeSeriesLastTwoSamples, DateTime64(3, 'UTC'), Float64) ) AS SELECT metric_id, ceil(toUnixTimestamp(timestamp + interval 999 millisecond) / 15, 0) * 15 AS grid_timestamp, -- Округлить временную метку вверх до следующего узла сетки initializeAggregation('timeSeriesLastTwoSamplesState', timestamp, value) AS samples FROM t_raw_timeseries ORDER BY metric_id, grid_timestamp; -- Вставить данные INSERT INTO t_raw_timeseries(metric_id, timestamp, value) SELECT number%10 AS metric_id, '2024-12-12 12:00:00'::DateTime64(3, 'UTC') + interval ((number/10)%100)*900 millisecond as timestamp, number%3+number%29 AS value FROM numbers(1000); -- Проверить исходные данные SELECT * FROM t_raw_timeseries WHERE metric_id = 3 AND timestamp BETWEEN '2024-12-12 12:00:12' AND '2024-12-12 12:00:31' ORDER BY metric_id, timestamp; ``` ```response title=Response theme={null} 3 2024-12-12 12:00:12.870 29 3 2024-12-12 12:00:13.770 8 3 2024-12-12 12:00:14.670 19 3 2024-12-12 12:00:15.570 30 3 2024-12-12 12:00:16.470 9 3 2024-12-12 12:00:17.370 20 3 2024-12-12 12:00:18.270 2 3 2024-12-12 12:00:19.170 10 3 2024-12-12 12:00:20.070 21 3 2024-12-12 12:00:20.970 3 3 2024-12-12 12:00:21.870 11 3 2024-12-12 12:00:22.770 22 3 2024-12-12 12:00:23.670 4 3 2024-12-12 12:00:24.570 12 3 2024-12-12 12:00:25.470 23 3 2024-12-12 12:00:26.370 5 3 2024-12-12 12:00:27.270 13 3 2024-12-12 12:00:28.170 24 3 2024-12-12 12:00:29.069 6 3 2024-12-12 12:00:29.969 14 3 2024-12-12 12:00:30.869 25 ``` **Запросите 2 последних значения для временных меток '2024-12-12 12:00:15' и '2024-12-12 12:00:30'** ```sql title=Query theme={null} -- Проверка ресэмплированных данных SELECT metric_id, grid_timestamp, (finalizeAggregation(samples).1 as timestamp, finalizeAggregation(samples).2 as value) FROM t_resampled_timeseries_15_sec WHERE metric_id = 3 AND grid_timestamp BETWEEN '2024-12-12 12:00:15' AND '2024-12-12 12:00:30' ORDER BY metric_id, grid_timestamp; ``` ```response title=Response theme={null} 3 2024-12-12 12:00:15 (['2024-12-12 12:00:14.670','2024-12-12 12:00:13.770'],[19,8]) 3 2024-12-12 12:00:30 (['2024-12-12 12:00:29.969','2024-12-12 12:00:29.069'],[14,6]) ``` **Расчёт `idelta` и `irate` по исходным данным** ```sql title=Query theme={null} -- Агрегированная таблица хранит только последние 2 значения для каждой временной метки, выровненной по 15-секундной сетке. -- Это позволяет вычислять irate и idelta в стиле PromQL, считывая значительно меньше данных, чем хранится в исходной таблице. WITH '2024-12-12 12:00:15'::DateTime64(3,'UTC') AS start_ts, -- начало сетки временных меток start_ts + INTERVAL 60 SECOND AS end_ts, -- конец сетки временных меток 15 AS step_seconds, -- шаг сетки временных меток 45 AS window_seconds -- окно "устаревания" SELECT metric_id, timeSeriesInstantDeltaToGrid(start_ts, end_ts, step_seconds, window_seconds)(timestamp, value), timeSeriesInstantRateToGrid(start_ts, end_ts, step_seconds, window_seconds)(timestamp, value) FROM t_raw_timeseries WHERE metric_id = 3 AND timestamp BETWEEN start_ts - interval window_seconds seconds AND end_ts GROUP BY metric_id; ``` ```response title=Response theme={null} 3 [11,8,-18,8,11] [12.222222222222221,8.88888888888889,1.1111111111111112,8.88888888888889,12.222222222222221] ``` **Вычисление idelta и irate на основе ресэмплированных данных** ```sql title=Query theme={null} WITH '2024-12-12 12:00:15'::DateTime64(3,'UTC') AS start_ts, -- начало сетки временных меток start_ts + INTERVAL 60 SECOND AS end_ts, -- конец сетки временных меток 15 AS step_seconds, -- шаг сетки временных меток 45 AS window_seconds -- окно «устаревания» SELECT metric_id, timeSeriesInstantDeltaToGrid(start_ts, end_ts, step_seconds, window_seconds)(timestamps, values), timeSeriesInstantRateToGrid(start_ts, end_ts, step_seconds, window_seconds)(timestamps, values) FROM ( SELECT metric_id, finalizeAggregation(samples).1 AS timestamps, finalizeAggregation(samples).2 AS values FROM t_resampled_timeseries_15_sec WHERE metric_id = 3 AND grid_timestamp BETWEEN start_ts - interval window_seconds seconds AND end_ts ) GROUP BY metric_id; ``` ```response title=Response theme={null} 3 [11,8,-18,8,11] [12.222222222222221,8.88888888888889,1.1111111111111112,8.88888888888889,12.222222222222221] ```