go中 elastic 聚合统计(2)

六、占比百分位  min,max,sum,avg 统计

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、按指定字段分类统计

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("商品名称:%s,数量:%d", v.Key, v.Count)

}

}

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

八、按照时间分类,分类后在细分统计


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 数量:%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"`}

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,530评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 86,403评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,120评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,770评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,758评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,649评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,021评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,675评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,931评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,659评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,751评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,410评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,004评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,969评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,042评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,493评论 2 343

推荐阅读更多精彩内容