配置好配置文件和统计项
go run parser.go
go run main.go
例如：
redis:
host: redis.base:6379 # redis 地址
maxConn: 100 # 最大连接数
db: 1 # redis 存放db
prefix: fs # redis 数据前缀
mongo:
host: mongodb://mongo.base:27017 # mongo地址
dupl: clone # mongo 连接方式
prefix: FS # mongo 库名前缀
rabbitmq:
queue: 1 # 是否开启队列接收数据
host: amqp://guest:guest@rabbitmq.base:5672/kabao # 队列地址
name: flysnow # 队列名称
exchange: topic.kabbao # exchange 名称
extype: topic # exchange 类型
autoRotate: 0 0 3 * * * # s min h d m week # 自动归档定时
maxRotateNums: 20 # 最大自动归档并发数
datapath: ./btreefiles # 永久存储btree文件存放目录
logger: debug # 日志等级
listen: 0.0.0.0:22258 # 监听地址和端口
./data/ 例如 统计数据源为order 在data目录下创建order文件夹
data/
order/ #数据源json路径，一个数据源对应一个目录
main.json #主json文件，含有请求数据格式，自定义函数等配置
xx1.json #项文件，包含统计结果唯一key设置，计算规则，rotate规则等
xx2.json 每个项文件只能设置一种结果唯一key规则，如统计每个店铺订单量，统计结果唯一key为shopid，如果也需要
xx3.json 统计所有店铺每天订单量，统计结果唯一key为date，则此为两个项统计，需写两个文件
xxn.json 相同唯一key尽量写入同一个项文件
shop/
main.json
xxxx.json
配置文件解析
main.json
{
"name":"order", #数据源名称
"reqdata":{ #请求数据结构
"shopid":"string", #key为字段名，value为字段值类型(所支持的字段类型请看下面)
"orderid":"string",
"total":"float64",
"day_total":"float64",
"member_num":"float64",
"items":"$listkv" #$开头的为系统自定义结构(详情看 数据类型)
},
"filter":[ #自定义过滤器
{
"name":"order_filter", #过滤器名称
"offset":120, #数据失效时长 和duration同时使用,设置为0标识永不失效
"whence":0, #时长计算类型 (详情看 过滤器定制)
"duration":"s", #时长单位 s 秒 h 小时 d 天 m 月 y 年
"persistence":true #是否永久存储，true：永久存储 存储硬盘启动是从硬盘加载数据，false：每次启动创建一个空过滤器
}
]
}
xxx.json
{
"name":"all", #项名称
"key":["counts","@shopid"], #唯一key 列表 @为取请求数据中的字段值 下同
"execs":[ #执行操作
{
"filter":[
"&&",
["==","@status","succ"], #执行条件 采用S-expression规则 即第一个元素为操作符，其余为变量,详情 https://en.wikipedia.org/wiki/S-expression
["$order_filter","@orderid"] # 调用过滤器过滤orderid ，此条件解析为 数据中status的值为succ并且orderid过滤不存在
],
"do":[
["+","succ",1], # do 为执行操作的具体操作
["+","total","@total"], # 此操作为 total 值加上 传入的total值，@开头表示获取请求参数的值
["+","@shopid",1] # 此为将传入字段中shopid作为key值加1
["+","@items"] # 特殊结构，会有特殊结构的计算方式，详情见下方自定义结构的解释
]
},
{
"filter":["!=","@code","0"],
"do":[
["+","fail",1],
["+","@code",1],
["+","total",1],
["avg","day_total","@day_total"], #特殊操作符，计算平均值 详情见特殊操作符解释
["last","memeber_num","@member_num"] #特殊操作符，计算最新值 详情见特殊操作符解释
]
}
],
"snow":[
{
"interval":1, #每条数据时长
"intervalduration":"h", #类型
"timeout":1, #保存时长
"timeoutduration":"d" #类型
}, # 每个小时一条数据 存储最近1天数据，注意此处interval为whence=0,timeout为whence=1 (详情看 过滤器定制解释中的whence)
{
"interval":1, #一天一条数据，存储最近一个月的数据
"intervalduration":"d",
"timeout":1,
"timeoutduration":"m"
}
], #此配置可查询此项统计数据1天(24小时)内任意小时的数据，查询一个月(30天)内任意天的数据，一个月以前的数据只能查看一个总数
}
string 字符串
float64 数值型（为了方便计算，int int64 float32 float64 统一设置为float64)
bool 布尔型
$listkv 列表型 此类型主要用于循环计算 如计算店铺内所有商品销售总额，数据源为order itmes为$listkv类型 [{key:key1,value:value1},{key:key2,value:value2}]
使用+运算符表示执行循环操作 将统计数据的key1 和key2的值分别加value1,value2
条件
操作符 参数 返回
+ interface,interface.... interface
== interface,interface bool
&& bool,bool,bool..... bool
!= interface,interface bool
|| bool,bool,bool..... bool
$filter string bool # 过滤器类型函数，系统自动加入s_time参数
Do
Do 类型操作是针对redis操作 +=表示key.value+value
操作符 参数
+ interface,float64
avg interface,float64 # 平均值计算 例如 [avg ,key, @key] 在计算和归档时会生成一个@num_key字段记录次数，key值进行累加，在获取统计返回时 @key=key,key=key/@num_key
last interface,float64 # 最新值计算，永远使用新值覆盖老值，数据不做其他计算，只做替换
示例：
do:["+","@shopid",["+","@order_total","@order_discount"]] #表示给key为shopid的值加上（order_total+order_discount)
shopid+=order_total+order_discount
#只要使用合适，可以无限嵌套
过滤器
过滤器是针对数据源使用，一次定义在此数据源中的所有统计项中皆可使用
过滤器使用可永久存储的btree实现
whence 0 表示类似自然年的概念，1 则相反
例：
offset=1
whence=0
duration=d
表示获取今天0点到现在的数据 表达式 start:now-now%(offset*duration) end:now-now%(offset*duration)+offset*duration
offset=1
whence=1
duration=d
表示获取昨天此时到现在的数据 表达式 start:now-offset*duration end:now