我想使用Hadoop (Amazon Elastic mapreduce)处理来自我的web服务器的日志。我在谷歌上寻求帮助,但没有任何有用的东西。我想知道这是否可以做到,或者有没有其他方法可以做到这一点。
发布于 2010-03-09 04:09:51
Hadoop通常以离线方式使用。因此,我更愿意定期处理日志。
在我之前参与的一个项目中,我们让服务器生成每小时轮换一次的日志文件(每小时x:00)。我们有一个每小时运行一次的脚本(每小时x:30)将文件上传到HDFS (那些还不在HDFS中的文件)。然后,您可以在Hadoop中随心所欲地运行作业来处理这些文件。
我相信也有更好的实时替代方案。
发布于 2010-07-11 12:18:15
Hadoop不用于实时处理。但它可以用于按小时处理日志,可能会落后一个小时,这几乎是实时的。我想知道在日志到来时处理它的需要是什么。
发布于 2012-06-27 04:02:36
您可以尝试使用Flume作为日志收集器,并将其存储在S3中以进行批处理:
http://www.cloudera.com/blog/2011/02/distributed-flume-setup-with-an-s3-sink/
https://stackoverflow.com/questions/2361755
复制相似问题