> ## Documentation Index > Fetch the complete documentation index at: https://private-7c7dfe99-parallel-read-in-order-multi-part.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. > Fonction d’agrégation qui calcule une prédiction linéaire de type PromQL sur des séries temporelles selon la grille spécifiée. # timeSeriesPredictLinearToGrid ## timeSeriesPredictLinearToGrid Introduite dans : v25.6.0 Fonction d’agrégation qui prend des données de séries temporelles sous forme de paires d’horodatages et de valeurs, et calcule, à partir de ces données, une [prédiction linéaire de type PromQL](https://prometheus.io/docs/prometheus/latest/querying/functions/#predict_linear) à un horodatage de prédiction spécifié, sur une grille temporelle régulière définie par un horodatage de début, un horodatage de fin et un pas. Pour chaque point de la grille, les échantillons utilisés pour calculer `predict_linear` sont pris en compte dans la fenêtre temporelle spécifiée. Les échantillons peuvent être transmis sous l’une des trois formes suivantes : * sous forme de deux arguments `timestamp` et `value`, où chaque ligne contient un seul échantillon ; * sous forme de deux tableaux d’horodatages et de valeurs, où chaque ligne contient une série temporelle entière ; * sous forme d’un unique tableau de tuples `(timestamp, value)`, où chaque ligne contient une série temporelle entière. Si plusieurs échantillons ont le même horodatage, un seul est utilisé : celui dont la valeur est la plus élevée. Une valeur NaN est écartée au profit de toute autre valeur ; elle n’est donc utilisée que si tous les échantillons associés à cet horodatage sont NaN. Cette fonction est en aperçu privé. Activez-la en définissant `enable_time_series_aggregate_functions=true`. **Syntaxe** ```sql theme={null} timeSeriesPredictLinearToGrid(start_timestamp, end_timestamp, grid_step, staleness, predict_offset)(timestamp, value) timeSeriesPredictLinearToGrid(start_timestamp, end_timestamp, grid_step, staleness, predict_offset)(samples) ``` **Paramètres** * `start_timestamp` — Spécifie le début de la grille. Avec un argument d’horodatage `DateTime64`, peut également être un nombre fractionnaire ou une chaîne contenant un nombre ou une date et une heure au format texte. [`UInt32`](/fr/reference/data-types/int-uint) ou [`DateTime`](/fr/reference/data-types/datetime) ou [`DateTime64`](/fr/reference/data-types/datetime64) ou [`Float*`](/fr/reference/data-types/float) ou [`Decimal*`](/fr/reference/data-types/decimal) ou [`String`](/fr/reference/data-types/string) * `end_timestamp` — Spécifie la fin de la grille. Avec un argument d’horodatage `DateTime64`, peut également être un nombre fractionnaire ou une chaîne contenant un nombre ou une date et une heure au format texte. [`UInt32`](/fr/reference/data-types/int-uint) ou [`DateTime`](/fr/reference/data-types/datetime) ou [`DateTime64`](/fr/reference/data-types/datetime64) ou [`Float*`](/fr/reference/data-types/float) ou [`Decimal*`](/fr/reference/data-types/decimal) ou [`String`](/fr/reference/data-types/string) * `grid_step` — Spécifie le pas de la grille en secondes. Avec un argument d’horodatage `DateTime64`, peut également être un nombre fractionnaire ou une chaîne contenant un nombre ou une durée telle que '15s' ou '1m'. [`UInt32`](/fr/reference/data-types/int-uint) ou [`Float*`](/fr/reference/data-types/float) ou [`Decimal*`](/fr/reference/data-types/decimal) ou [`String`](/fr/reference/data-types/string) * `staleness` — Spécifie l’« obsolescence » maximale, en secondes, des échantillons pris en compte. La fenêtre d’obsolescence est un intervalle ouvert à gauche et fermé à droite. Avec un argument d’horodatage `DateTime64`, peut également être un nombre fractionnaire ou une chaîne contenant un nombre ou une durée telle que '15s' ou '1m'. [`UInt32`](/fr/reference/data-types/int-uint) ou [`Float*`](/fr/reference/data-types/float) ou [`Decimal*`](/fr/reference/data-types/decimal) ou [`String`](/fr/reference/data-types/string) * `predict_offset` — Spécifie le nombre de secondes de décalage à ajouter à l’heure de prédiction. [`UInt32`](/fr/reference/data-types/int-uint) ou [`Float*`](/fr/reference/data-types/float) ou [`Decimal*`](/fr/reference/data-types/decimal) ou [`String`](/fr/reference/data-types/string) **Arguments** * `timestamp` — Horodatage de l'échantillon. Peut être des valeurs individuelles ou des tableaux. [`UInt32`](/fr/reference/data-types/int-uint) ou [`DateTime`](/fr/reference/data-types/datetime) ou [`DateTime64`](/fr/reference/data-types/datetime64) ou [`Array(UInt32)`](/fr/reference/data-types/array) ou [`Array(DateTime)`](/fr/reference/data-types/array) ou [`Array(DateTime64)`](/fr/reference/data-types/array) * `value` — Valeur de la série temporelle correspondant à l'horodatage. Peut être des valeurs individuelles ou des tableaux. [`Float*`](/fr/reference/data-types/float) ou [`Array(Float*)`](/fr/reference/data-types/array) * `samples` — Échantillons de la série temporelle passés sous la forme d'un tableau de tuples `(timestamp, value)`, où les éléments du tuple ont les types d'horodatage et de valeur listés ci-dessus. Une alternative au passage des horodatages et des valeurs sous forme de deux arguments distincts. [`Array(Tuple(T1, T2))`](/fr/reference/data-types/array) **Valeur renvoyée** Les valeurs de `predict_linear` sur la grille spécifiée, sous forme d'`Array(Nullable(Float64))`. Le tableau renvoyé contient une valeur pour chaque point de la grille temporelle. La valeur est NULL s'il n'y a pas assez d'échantillons dans la fenêtre pour calculer la valeur du taux pour un point de grille donné. **Exemples** **Calcul des valeurs predict\_linear sur la grille \[90, 105, 120, 135, 150, 165, 180, 195, 210] avec un décalage de 60 secondes** ```sql title=Query theme={null} SET enable_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,1,9.166667,11.6,12.5,NULL,NULL,16.5] │ └─────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘ ``` **Même requête avec des arguments de type tableau** ```sql title=Query theme={null} SET enable_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)(timestamps, values)─┐ │ [NULL,NULL,1,9.166667,11.6,12.5,NULL,NULL,16.5] │ └───────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘ ```