go中 elastic 聚合統(tǒng)計(jì)(2)

六蜓堕、占比百分位? min,max,sum,avg 統(tǒng)計(jì)

func aggsMaxMinSumAvg(index string) {

client :=getCli()

aggsMax :=es.NewMaxAggregation().Field("amount")

aggsMin :=es.NewMinAggregation().Field("amount")

aggsAvg :=es.NewAvgAggregation().Field("amount")

aggsSum :=es.NewSumAggregation().Field("amount")

result, err := client.Search().Index(index).Size(0).Aggregation("avg", aggsAvg).Aggregation("min", aggsMin).Aggregation("sum", aggsSum).Aggregation("max", aggsMax).Do(context.Background())

if err !=nil {

fmt.Println("err:", err)

return

}

min, err := result.Aggregations["min"].MarshalJSON()

fmt.Sprintf("min:%v,%v", string(min), err)

max, err := result.Aggregations["max"].MarshalJSON()

fmt.Sprintf("min:%v,%v", string(max), err)

avg, err := result.Aggregations["avg"].MarshalJSON()

fmt.Sprintf("max:%v,%v", string(avg), err)

sum, err := result.Aggregations["sum"].MarshalJSON()

fmt.Sprintf("sum:%v,%v", string(sum), err)

}

七、按指定字段分類統(tǒng)計(jì)

func aggsProName(indexstring) {

client :=getCli()

agg :=es.NewTermsAggregation().Field("proName.keyword")

result, err := client.Search().Index(index).Size(0).Aggregation("proName", agg).Do(context.Background())

if err !=nil {

fmt.Println("err:", err)

return

? }

b, err := result.Aggregations["proName"].MarshalJSON()

obj :=AggsProNameCount{}

err =json.Unmarshal(b, &obj)

if err !=nil {

fmt.Println("err:", err)

return

}

for _, v :=range obj.Buckets {

fmt.Sprintf("商品名稱:%s,數(shù)量:%d", v.Key, v.Count)

}

}

type AggsProNameCount struct { Buckets []struct { Key string `json:"key"` Count int64 `json:"doc_count"` } `json:"buckets"`}

八、按照時(shí)間分類,分類后在細(xì)分統(tǒng)計(jì)


func aggsOrder(index string, start, end int64, fixedInterval string) {

client :=getCli()

query :=es.NewRangeQuery("createTime")

if start !=0 {

query.Gte(start)

}

if end !=0 {

query.Lte(end)

}

amount :=es.NewAvgAggregation().Field("amount")

amountSum :=es.NewSumAggregation().Field("amount")

dayAvg :=es.NewDateHistogramAggregation().Field("createTime").Interval("day").MinDocCount(0).SubAggregation("avg", amount).SubAggregation("sum", amountSum)

da :=es.NewDateHistogramAggregation().Interval(fixedInterval).Field("createTime").MinDocCount(0).SubAggregation("avg", dayAvg)

result, err := client.Search().Index(index).Query(query).Size(0).Aggregation("day", da).Do(context.Background())

if err !=nil {

fmt.Println("err:", err)

return

? }

b, err := result.Aggregations["day"].MarshalJSON()

param :=AggsCount{}

err =json.Unmarshal(b, &param)

if err !=nil {

fmt.Println("err:", err)

return

}

var sum int64

? for _, v :=range param.Buckets {

fmt.Sprintf("time:%d 數(shù)量:%d", v.Key,, v.Count)

sum += v.Count

}

fmt.Println("sum:", sum)

}

type AggsCount struct { Buckets []struct { Key int64 `json:"key"` Count int64 `json:"doc_count"` } `json:"buckets"`}

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖紧憾,帶你破解...
    沈念sama閱讀 216,402評(píng)論 6 499
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異昌渤,居然都是意外死亡赴穗,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,377評(píng)論 3 392
  • 文/潘曉璐 我一進(jìn)店門膀息,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)般眉,“玉大人,你說(shuō)我怎么就攤上這事潜支〉樵撸” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 162,483評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵冗酿,是天一觀的道長(zhǎng)埠对。 經(jīng)常有香客問(wèn)我络断,道長(zhǎng),這世上最難降的妖魔是什么项玛? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,165評(píng)論 1 292
  • 正文 為了忘掉前任貌笨,我火速辦了婚禮,結(jié)果婚禮上襟沮,老公的妹妹穿的比我還像新娘锥惋。我一直安慰自己,他們只是感情好开伏,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,176評(píng)論 6 388
  • 文/花漫 我一把揭開(kāi)白布膀跌。 她就那樣靜靜地躺著,像睡著了一般固灵。 火紅的嫁衣襯著肌膚如雪淹父。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 51,146評(píng)論 1 297
  • 那天怎虫,我揣著相機(jī)與錄音,去河邊找鬼困介。 笑死大审,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的座哩。 我是一名探鬼主播徒扶,決...
    沈念sama閱讀 40,032評(píng)論 3 417
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼根穷!你這毒婦竟也來(lái)了姜骡?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 38,896評(píng)論 0 274
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤屿良,失蹤者是張志新(化名)和其女友劉穎圈澈,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體尘惧,經(jīng)...
    沈念sama閱讀 45,311評(píng)論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡康栈,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,536評(píng)論 2 332
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了喷橙。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片啥么。...
    茶點(diǎn)故事閱讀 39,696評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖贰逾,靈堂內(nèi)的尸體忽然破棺而出悬荣,到底是詐尸還是另有隱情,我是刑警寧澤疙剑,帶...
    沈念sama閱讀 35,413評(píng)論 5 343
  • 正文 年R本政府宣布氯迂,位于F島的核電站践叠,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏囚戚。R本人自食惡果不足惜酵熙,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,008評(píng)論 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望驰坊。 院中可真熱鬧匾二,春花似錦、人聲如沸拳芙。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 31,659評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)舟扎。三九已至分飞,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間睹限,已是汗流浹背譬猫。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 32,815評(píng)論 1 269
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留羡疗,地道東北人染服。 一個(gè)月前我還...
    沈念sama閱讀 47,698評(píng)論 2 368
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像叨恨,于是被迫代替她去往敵國(guó)和親柳刮。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,592評(píng)論 2 353

推薦閱讀更多精彩內(nèi)容