如需與 Amazon Timestream for LiveAnalytics 類似的功能，請考慮使用 Amazon Timestream for InfluxDB。它提供簡化的資料擷取和單一位數毫秒查詢回應時間，以進行即時分析。[在這裡](https://docs.aws.amazon.com//timestream/latest/developerguide/timestream-for-influxdb.html)進一步了解。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 關聯函數
<a name="timeseries-specific-constructs.functions.correlation"></a>

假設有兩個類似的長度時間序列，相互關聯函數提供相互關聯係數，這說明了兩個時間序列如何隨時間變化。相互關聯係數的範圍從 `-1.0`到 `1.0`。 `-1.0`表示兩個時間序列以相同速率相反方向的趨勢。 則`1.0`表示兩個時間序列以相同速率在相同方向的趨勢。的值`0`表示兩個時間序列之間沒有關聯。例如，如果油價上漲，且油公司的股票價格上漲，則油價上漲的趨勢和油價公司的價格上漲將具有正相互關聯係數。高正相關係數表示兩個價格趨勢的速率相似。同樣地，黏合價格和黏合收益之間的相互關聯係數是負數，表示這兩個值會隨著時間的推移向相反的趨勢。

Amazon Timestream 支援兩種相互關聯函數變體。本節提供 Timestream for LiveAnalytics 相互關聯函數的使用資訊，以及範例查詢。



## 用量資訊
<a name="w2aab7c59c13c13c19c11"></a>


| 函式 | 輸出資料類型 | Description | 
| --- | --- | --- | 
|  `correlate_pearson(timeseries, timeseries)`  |  double  |  計算兩個 [的 Pearson 相互關聯係數](https://wikipedia.org/wiki/Pearson_correlation_coefficient)`timeseries`。時間序列必須具有相同的時間戳記。  | 
|  `correlate_spearman(timeseries, timeseries)`  |  double  |  計算兩個 [的 Spearman 相互關聯係數](https://en.wikipedia.org/wiki/Spearman%27s_rank_correlation_coefficient)`timeseries`。時間序列必須具有相同的時間戳記。  | 

## 查詢範例
<a name="w2aab7c59c13c13c19c13"></a>

**Example**  

```
WITH cte_1 AS (
    SELECT INTERPOLATE_LINEAR(
        CREATE_TIME_SERIES(time, measure_value::double), 
        SEQUENCE(min(time), max(time), 10m)) AS result 
    FROM sample.DevOps 
    WHERE measure_name = 'cpu_utilization' 
    AND hostname = 'host-Hovjv' AND time > ago(1h) 
    GROUP BY hostname, measure_name
), 
cte_2 AS (
    SELECT INTERPOLATE_LINEAR(
        CREATE_TIME_SERIES(time, measure_value::double), 
        SEQUENCE(min(time), max(time), 10m)) AS result 
    FROM sample.DevOps 
    WHERE measure_name = 'cpu_utilization' 
    AND hostname = 'host-Hovjv' AND time > ago(1h) 
    GROUP BY hostname, measure_name
) 
SELECT correlate_pearson(cte_1.result, cte_2.result) AS result 
FROM cte_1, cte_2
```