用statlysis来对CodeGist进行每日统计分析访问，用 http://showterm.io 来录制的。

statlysis.showterm

地址在 http://showterm.io/7881a7c028d436b077273

脚本如下：

# statlysis是一个数据引擎分析框架，核心是对ETL之后的单表数据做类似SQL中GroupBy和GroupConcat的工作，
# 就像操作ActiveRecord等ORM一样简单。项目地址在 http://github.com/mvj3/statlysis 

# 在这个test/helper.rb被载入后我们已经导入数据和建立Model了，
# 所以下面我们就来开始试用statlysis吧。

Statlysis.setup do
  daily  CodeGist, :sum_columns => [:fav_count], :group_concat_columns => [:user_id]
end

# 列出上面所有的统计分析的DSL配置
Statlysis.configuration

# 太混乱了看不清？
Statlysis.configuration.instance_variables 

# 来看下按小时运行的crons，其他类型的crons看上面
Statlysis.configuration.hour_crons

# 其实还有这个快捷方式来访问的，来看看"天"这个单位里有哪些crons
Statlysis.daily

# 问下它到底有多少个cron吧
Statlysis.daily.size

# 先来看一个CodeGist表
CodeGist

# 随便看一条记录长什么样
CodeGist.find(3)

# 这个表到底有多少条记录
CodeGist.count

# 看看时间跨度范围
[CodeGist.first.created_at, CodeGist.last.created_at]

# 让我们来查询一下
Statlysis.daily['code_gist']

# 或者也可以这样查询一下
Statlysis.daily['code']['gist']

# 他们的类都是Statlysis::CronSet，说明这是一个集合，类似ActiveRecord查询封装
Statlysis.daily['code']['gist'].class

# 好吧，让我们来查出这个，注意它的类是Statlysis::Timely
Statlysis.daily['code']['gist'].first

# 看看Statlysis::Timely继承自哪里
Statlysis.daily['code']['gist'].first.class.superclass

# 好吧，没有上面的父类了。这就是Statlysis的结构，任何统计分析需求，
# 都是继承自Statlysis::Cron，继承类Statlysis::Timely就是关于时间方面的统计
Statlysis.daily['code']['gist'].first.class.superclass.superclass

# 让我们看看这个分析需求里都有哪些声明
Statlysis.daily['code_gist'].first.instance_variables

# ORM的类型
Statlysis.daily['code_gist'].first.source_type

# 时间字段
Statlysis.daily['code_gist'].first.time_column

# 时间单位
Statlysis.daily['code_gist'].first.time_unit

# 时区
Statlysis.daily['code_gist'].first.time_zone

# 数据源，但是我们注意到它是一个Set
Statlysis.daily['code_gist'].first.multiple_dataset

# 所以这里我们看到了里面包含了一个CodeGist这个Model。
# 实际上Statlysis是支持表结构相同的Model作统计分析的。
Statlysis.daily['code_gist'].first.multiple_dataset.sources

# 用来给指定条件下做累加数据输出源，类似SQL里的sum
Statlysis.daily['code_gist'].first.sum_columns

# 同样group_by也是，不过我们这里没有指定
Statlysis.daily['code_gist'].first.group_by_columns

# 同样group_concat也是，这里我们会收集user_id
Statlysis.daily['code_gist'].first.group_concat_columns

# 统计结构输出的表名，注意这是系统自动产生的，以timely开头，后面是表名和查询条件等
Statlysis.daily['code_gist'].first.stat_table_name

# 这个是用来记录上次跑统计分析用的时钟，存在st_clocks这个表里，看结构就明白了。
Statlysis.daily['code_gist'].first.clock

# 这个就是统计结果表的Model
Statlysis.daily['code_gist'].first.stat_model

# new一个看看，是空的
Statlysis.daily['code_gist'].first.stat_model.new

# 看看字段名
Statlysis.daily['code_gist'].first.stat_model.columns

# 我们现在来跑一个统计结果吧
Statlysis.daily['code_gist'].first.output

# 恭喜！结果出来了，这是一个数组，我们来看看某条记录吧。
# t代表这个按日来统计的时间，这里是2012年12月21日。
# timely_c表示这天这个条件下产生的数据有4条，
# totally_c表示包括今天和之前产生的总CodeGist量有34条。
# timely_favcount_s表示这天产生的数据被fav的总数，这个每天统计都可能有不同的结果。
# totally_favcount_s就是这个条件下所有CodeGist被fav的总数。
# other_json是用来灵活定制的JSON，虽然结果以字符串形式序列化，
# 我们可以看到这天有470700,91900这两个user_id的人创建过CodeGist。
Statlysis.daily['code_gist'].first.output[8]

# 我们发现统计数据库表会没有记录
Statlysis.daily['code_gist'].first.stat_model.count

# 那么我们现在来写入它们
Statlysis.daily['code_gist'].first.run

# 统计数据有了
Statlysis.daily['code_gist'].first.stat_model.count

# 来查看下第一条
Statlysis.daily['code_gist'].first.stat_model.first

# 来访问一下group_concat信息
Statlysis.daily['code_gist'].first.stat_model.first.other_json_hash

# 好了，简单的统计就到这里。更详细的请参考README介绍以及Examples里的示例配置代码。谢谢收看：）