Funções de análise - séries temporais

A análise de séries temporais no ClickHouse pode ser feita com funções SQL padrão de agregação e funções de janela. Ao trabalhar com dados de séries temporais, você normalmente encontrará três tipos principais de métricas:

Métricas do tipo Counter, que aumentam monotonicamente ao longo do tempo (como visualizações de página ou total de eventos)
Métricas do tipo Gauge, que representam medições em um determinado momento e podem aumentar ou diminuir (como uso de CPU ou temperatura)
Histogramas, que amostram observações e as contabilizam em buckets (como durações de requisição ou tamanhos de resposta)

Padrões comuns de análise dessas métricas incluem comparar valores entre períodos, calcular totais acumulados, determinar taxas de variação e analisar distribuições. Tudo isso pode ser feito por meio de combinações de agregações, funções de janela como sum() OVER e funções especializadas como histogram().

Mudanças de um período para outro

Ao analisar dados de séries temporais, muitas vezes precisamos entender como os valores mudam entre diferentes períodos. Isso é essencial tanto para métricas do tipo gauge quanto para métricas do tipo counter. A função de janela lagInFrame nos permite acessar o valor do período anterior para calcular essas mudanças. A consulta a seguir demonstra isso ao calcular as variações diárias nas visualizações da página de Wikipedia de “Weird Al” Yankovic. A coluna trend mostra se o tráfego aumentou (valores positivos) ou diminuiu (valores negativos) em relação ao dia anterior, ajudando a identificar picos ou quedas incomuns na atividade.

SELECT
    toDate(time) AS day,
    sum(hits) AS h,
    lagInFrame(h) OVER (ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS p,
    h - p AS trend
FROM wikistat
WHERE path = '"Weird_Al"_Yankovic'
GROUP BY ALL
LIMIT 10;

┌────────day─┬────h─┬────p─┬─trend─┐
│ 2015-05-01 │ 3934 │    0 │  3934 │
│ 2015-05-02 │ 3411 │ 3934 │  -523 │
│ 2015-05-03 │ 3195 │ 3411 │  -216 │
│ 2015-05-04 │ 3076 │ 3195 │  -119 │
│ 2015-05-05 │ 3450 │ 3076 │   374 │
│ 2015-05-06 │ 3053 │ 3450 │  -397 │
│ 2015-05-07 │ 2890 │ 3053 │  -163 │
│ 2015-05-08 │ 3898 │ 2890 │  1008 │
│ 2015-05-09 │ 3092 │ 3898 │  -806 │
│ 2015-05-10 │ 3508 │ 3092 │   416 │
└────────────┴──────┴──────┴───────┘

Valores cumulativos

As métricas do tipo Counter se acumulam naturalmente ao longo do tempo. Para analisar esse crescimento cumulativo, podemos calcular totais acumulados usando funções de janela. A consulta a seguir demonstra isso usando a cláusula sum() OVER, que cria um total acumulado. A função bar() fornece uma representação visual desse crescimento.

SELECT
    toDate(time) AS day,
    sum(hits) AS h,
    sum(h) OVER (ROWS BETWEEN UNBOUNDED PRECEDING AND 0 FOLLOWING) AS c,
    bar(c, 0, 50000, 25) AS b
FROM wikistat
WHERE path = '"Weird_Al"_Yankovic'
GROUP BY ALL
ORDER BY day
LIMIT 10;

┌────────day─┬────h─┬─────c─┬─b─────────────────┐
│ 2015-05-01 │ 3934 │  3934 │ █▉                │
│ 2015-05-02 │ 3411 │  7345 │ ███▋              │
│ 2015-05-03 │ 3195 │ 10540 │ █████▎            │
│ 2015-05-04 │ 3076 │ 13616 │ ██████▊           │
│ 2015-05-05 │ 3450 │ 17066 │ ████████▌         │
│ 2015-05-06 │ 3053 │ 20119 │ ██████████        │
│ 2015-05-07 │ 2890 │ 23009 │ ███████████▌      │
│ 2015-05-08 │ 3898 │ 26907 │ █████████████▍    │
│ 2015-05-09 │ 3092 │ 29999 │ ██████████████▉   │
│ 2015-05-10 │ 3508 │ 33507 │ ████████████████▊ │
└────────────┴──────┴───────┴───────────────────┘

Cálculos de taxa

Ao analisar séries temporais, muitas vezes é útil entender a taxa de eventos por unidade de tempo. Esta consulta calcula a taxa de visualizações de página por segundo dividindo os totais por hora pelo número de segundos em uma hora (3.600). O gráfico de barras ajuda a identificar os horários de pico de atividade.

SELECT
    toStartOfHour(time) AS time,
    sum(hits) AS hits,
    round(hits / (60 * 60), 2) AS rate,
    bar(rate * 10, 0, max(rate * 10) OVER (), 25) AS b
FROM wikistat
WHERE path = '"Weird_Al"_Yankovic'
GROUP BY time
LIMIT 10;

┌────────────────time─┬───h─┬─rate─┬─b─────┐
│ 2015-07-01 01:00:00 │ 143 │ 0.04 │ █▊    │
│ 2015-07-01 02:00:00 │ 170 │ 0.05 │ ██▏   │
│ 2015-07-01 03:00:00 │ 148 │ 0.04 │ █▊    │
│ 2015-07-01 04:00:00 │ 190 │ 0.05 │ ██▏   │
│ 2015-07-01 05:00:00 │ 253 │ 0.07 │ ███▏  │
│ 2015-07-01 06:00:00 │ 233 │ 0.06 │ ██▋   │
│ 2015-07-01 07:00:00 │ 359 │  0.1 │ ████▍ │
│ 2015-07-01 08:00:00 │ 190 │ 0.05 │ ██▏   │
│ 2015-07-01 09:00:00 │ 121 │ 0.03 │ █▎    │
│ 2015-07-01 10:00:00 │  70 │ 0.02 │ ▉     │
└─────────────────────┴─────┴──────┴───────┘

Histogramas

Um caso de uso comum de dados de séries temporais é criar histogramas com base em eventos rastreados. Suponha que quiséssemos entender a distribuição das páginas com base no total de hits, incluindo apenas as páginas com mais de 10.000 hits. Podemos usar a função histogram() para gerar automaticamente um histograma adaptativo com base no número de intervalos:

SELECT
    histogram(10)(hits) AS hist
FROM
(
    SELECT
        path,
        sum(hits) AS hits
    FROM wikistat
    WHERE date(time) = '2015-06-15'
    GROUP BY path
    HAVING hits > 10000
)
FORMAT Vertical;

Row 1:
──────
hist: [(10033,23224.55065359477,60.625),(23224.55065359477,37855.38888888889,15.625),(37855.38888888889,52913.5,3.5),(52913.5,69438,1.25),(69438,83102.16666666666,1.25),(83102.16666666666,94267.66666666666,2.5),(94267.66666666666,116778,1.25),(116778,186175.75,1.125),(186175.75,946963.25,1.75),(946963.25,1655250,1.125)]

Podemos então usar arrayJoin() para ajustar os dados e bar() para visualizá-los:

WITH histogram(10)(hits) AS hist
SELECT
    round(arrayJoin(hist).1) AS lowerBound,
    round(arrayJoin(hist).2) AS upperBound,
    arrayJoin(hist).3 AS count,
    bar(count, 0, max(count) OVER (), 20) AS b
FROM
(
    SELECT
        path,
        sum(hits) AS hits
    FROM wikistat
    WHERE date(time) = '2015-06-15'
    GROUP BY path
    HAVING hits > 10000
);

┌─lowerBound─┬─upperBound─┬──count─┬─b────────────────────┐
│      10033 │      19886 │ 53.375 │ ████████████████████ │
│      19886 │      31515 │ 18.625 │ ██████▉              │
│      31515 │      43518 │  6.375 │ ██▍                  │
│      43518 │      55647 │  1.625 │ ▌                    │
│      55647 │      73602 │  1.375 │ ▌                    │
│      73602 │      92880 │   3.25 │ █▏                   │
│      92880 │     116778 │  1.375 │ ▌                    │
│     116778 │     186176 │  1.125 │ ▍                    │
│     186176 │     946963 │   1.75 │ ▋                    │
│     946963 │    1655250 │  1.125 │ ▍                    │
└────────────┴────────────┴────────┴──────────────────────┘

​Mudanças de um período para outro

​Valores cumulativos

​Cálculos de taxa

​Histogramas

Mudanças de um período para outro

Valores cumulativos

Cálculos de taxa

Histogramas