CC timescaledb-hyperfunctions

Используйте этот навык при написании аналитического SQL для временных рядов с помощью гиперфункций TimescaleDB Toolkit (расширение timescaledb_toolkit): аппроксимированные перцентили, статистические сводки, средневзвешенные значения по времени, скорости счетчиков/датчиков, отслеживание времени безотказной работы/пульса, длительность состояний, свечи OHLC, аппроксимированные количества уникальных значений, топ-N и понижающая выборка. **Запускать, когда пользователь просит:** - Вычислить перцентили/медианы/p95/p99 для больших или агрегированных временных рядов - Вычислить скорости или разницы для монотонных счетчиков (в стиле Prometheus) или датчиков - Вычислить средневзвешенные значения по времени или интегралы для нерегулярно взятых данных - Отслеживать время безотказной работы/простоя по пульсу или время, проведенное в каждом состоянии - Создать данные OHLC/свечи или VWAP для финансовых тиков - Хранить переагрегируемые сводки в непрерывных агрегатах (двухэтапная агрегация, свертка) - Аппроксимировать COUNT DISTINCT, найти топ-N / наиболее частые значения или понизить выборку для графиков **Ключевые слова:** timescaledb_toolkit, hyperfunctions, percentile_agg, uddsketch, tdigest, approx_percentile, stats_agg, time_weight, counter_agg, gauge_agg, heartbeat_agg, state_agg, candlestick_agg, hyperloglog, approx_count_distinct, min_n, max_n, mcv_agg, lttb, asap_smooth, rollup, two-step aggregation

машинный переводПоказать оригиналСкрыть оригинал«Use this skill when writing analytical SQL over time-series data with…»

Use this skill when writing analytical SQL over time-series data with the TimescaleDB Toolkit (timescaledb_toolkit extension) hyperfunctions: approximate percentiles, statistical summaries, time-weighted averages, counter/gauge rates, uptime/heartbeat tracking, state durations, OHLC candlesticks, approximate distinct counts, top-N, and downsampling. **Trigger when user asks to:** - Compute percentiles/medians/p95/p99 over large or rolled-up time-series data - Compute rates or deltas from monotonic counters (Prometheus-style) or gauges - Compute time-weighted averages or integrals over irregularly sampled data - Track uptime/downtime from heartbeats, or time spent in each state - Build OHLC/candlestick or VWAP data for financial ticks - Store re-aggregatable summaries in continuous aggregates (two-step aggregation, rollup) - Approximate COUNT DISTINCT, find top-N / most frequent values, or downsample for charts **Keywords:** timescaledb_toolkit, hyperfunctions, percentile_agg, uddsketch, tdigest, approx_percentile, stats_agg, time_weight, counter_agg, gauge_agg, heartbeat_agg, state_agg, candlestick_agg, hyperloglog, approx_count_distinct, min_n, max_n, mcv_agg, lttb, asap_smooth, rollup, two-step aggregation

Используйте этот навык при написании аналитического SQL для временных рядов с помощью гиперфункций TimescaleDB Toolkit (расширение timescaledbtoolkit)…

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки