我有一个系统通过 http 从不同的地方接收日志文件(>10k 生产者，每天 10 条日志，每条约 100 行文本)。
我想存储它们以便能够计算杂项。每晚对它们进行统计，导出它们(按到达日期或第一行内容排序)......
我的问题是:存储它们的最佳方式是什么？
- 纯文本文件(适当锁定)，每个上传文件一个文件，每天一个目录/生产者
- 平面文本文件，所有生产者每天一个(大)文件(这里的问题将是索引和锁定)
- 带文本的数据库表(出于内部原因，首选 MySQL)(带有 DB purge as delete 的 pb 可能很长!)
- 每行文本一条记录的数据库表
- 具有分片功能的数据库(每天一个表)，允许简单的数据清除。 (这是分区。但是我可以访问(即内部支持)的mysql版本不支持它)
- 基于文档的数据库 à la couchdb 或 mongodb(问题可能与索引/成熟度/摄取速度有关)
有什么建议吗？
最佳答案
(免责声明:我在 MongoDB 上工作。)
我认为 MongoDB 是日志记录的最佳解决方案。它非常快，因为它插入数据的速度可能比您发送数据的速度快。您可以对数据(例如，日期范围或日志级别)以及索引和字段或字段组合进行有趣的查询。这也很好，因为您可以随机向日志添加更多字段(“哎呀，我们想要其中一些字段的堆栈跟踪字段”)并且它不会导致问题(就像平面文本文件一样)。
就稳定性而言，很多人已经在生产中使用 MongoDB(参见 http://www.mongodb.org/display/DOCS/Production+Deployments)。在我们进入 1.0 之前，我们还想添加一些功能。
关于database - 许多日志文件的存储，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/1037024/