这是一个创建于 3761 天前的主题，其中的信息可能已经有所发展或是发生改变。
现在要做到每天处理亿级的日志文件,公司根本没有现成的系统.日志是由nginx打下的请求日志,要在日志中筛选需要的信息,有些还是加密的请求,需要解密.
我当时用python 搭建起一套系统,一天可以处理完,但是随着数据的增加,我为了提高查询数据库的速度,将一些内容放到了内存中,但是随着数据的增加,内存已经爆掉.
mongo,多维数组什么的都已经尝试过了,已经无能为力了,我刚刚毕业,没有那么多的经验,手中只有两台服务器可用,而且内存一个4G,一个1G,cpu最多的一个也才是双核的.
请教该怎么搞?
 | 1 xujif 2015-06-30 18:10:30 +08:00 内存问题，只能队列处理啊，一次处理一部分，如果处理不及，只能加机器或者cpu |
 | 2 repus911 2015-06-30 18:10:34 +08:00 这是服务器么 估计还没我的本本配置好 |
 | 3 whnzy OP @xujif 我已经用了队列了,因为要进行数据挖掘,所以存储结构复杂.每次存库要查询mysql,导致速度越来越慢,所以我将信息存到了内存中.现在内存不够用了哦 |
 | 5 nullcc 2015-06-30 18:15:48 +08:00 elasticsearch+logstash+kibana |
 | 6 zhicheng 2015-06-30 18:17:35 +08:00 都用 AWS 了，还有什么解决不了的。开 spot instance 超大内存多核的机器，一个小时跑满不就好了。这个量级上，不是应该用人去解决的。 |
 | 7 omi4399 2015-06-30 18:18:32 +08:00 买买买买买，花钱就能解决的问题 |
| 9 whnzy OP 烦烦烦死 |
 | 10 julypanda 2015-06-30 18:42:29 +08:00 splunk |
 | 11 xdeng 2015-06-30 18:55:19 +08:00 golang |
 | 14 jason52 2015-06-30 19:02:12 +08:00 via Android 莫非是渣浪～知乎有个开发2g怎么玩的问题 |
 | 15 em70 2015-06-30 19:09:09 +08:00 via Android awk 专注处理日志文件三十年 |
 | 16 20150517 2015-06-30 19:10:00 +08:00 via Android 弄个hive不就好了？ |
 | 21 kaneg 2015-06-30 19:33:13 +08:00 via iPhone 想要马儿跑得快，还要马儿不吃草。玩QQ游戏的电脑配置也比你的要好吧 |
 | 22 Septembers 2015-06-30 19:34:54 +08:00 忽然想到了这东西。。。 see https://github.com/zhihu/kids/blob/master/README.zh_CN.md |
 | 23 qsl0913 2015-06-30 19:39:30 +08:00 日志的查询需求具体是，查明细？做统计？ |
| 24 em70 2015-06-30 19:42:09 +08:00 via Android @whnzy 只能用一种工具解决吗，awk可以帮你快速筛选记录，然后给Python后续处理啊，你用python去查找那不慢死，awk命令完全可以达到数据库的性能 另外可以创建一个内存盘，把当前处理的日志拷贝到内存盘里让awk处理，那更加酸爽 |
 | 25 paulw54jrn 2015-06-30 20:17:24 +08:00 丢Redshift吧.. |
 | 26 rssf 2015-06-30 20:33:55 +08:00 这已经不是技术能解决的了，给老大提，这算毛的服务器啊。如果老板1毛钱都不想花在硬件上，趁早换地 |
 | 27 yghack 2015-06-30 20:36:05 +08:00 ELK |
 | 28 sunchen 2015-06-30 20:44:45 +08:00 aws的话试试redshift |
| 29 sunchen 2015-06-30 20:45:33 +08:00 @paulw54jrn 赞同，redshift谁用谁知道 |
 | 30 scys 2015-06-30 20:54:42 +08:00 服务器性能不足，请最少配置16G的内存给日志服务器。 |
 | 32 summic 2015-06-30 21:20:55 +08:00 分而治之 |
 | 33 ms2008 2015-06-30 21:40:36 +08:00 elk妥妥的 |
 | 34 msg7086 2015-06-30 21:55:05 +08:00 |
 | 35 hitsmaxft 2015-06-30 22:12:28 +08:00 额。。我跑工具脚本的虚拟机都都是 6g 内存， 你这玩意用4g的。。 |
 | 36 daoluan 2015-06-30 23:09:56 +08:00 这些日志用来做什么？ |
 | 37 sophymax 2015-06-30 23:13:25 +08:00 via iPad 明显要上集群啊 |
 | 38 xiawinter 2015-06-30 23:17:24 +08:00  2 @nullcc 很多人用这个方案，但这个方案题主跑不起来，太慢了。 题主可以考虑 heka， 我们数据量比这还要高点，两台机器往 elasticsearch里扔， elasticsearch 需要 12G 内存， 未用 SSD， 不过能用 ssd 速度快很多。 logstash 是 jruby 来做正则解析的，不知道为什么他们会用这么个方案，百思不得其解的慢。 heka 做法非常好， 如果不能及时处理数据，会缓存到 /var/cache/hekad/ 下面，这样不会造成机器卡死。 数据传输和处理有点延迟很正常，硬盘做大点， 准备 100G 应当就差不多。 几天不做都死不了。 如果转运过程还需要去查询 mysql， 那么我认为设计方案可能可以优化一下，类似日志的数据分析不应该做即时分析的，可以先把数据格式化后，之后开始做计算。 否则可能让数据阻塞在原来的地方。 请求加密是指传过来的数据是加密的，然后解密这部分数据？ 感觉很多东西都混在一起，耦合有点高。 |
 | 39 chinabrowser 2015-07-01 01:26:00 +08:00 赶快GCE 这个同等配置可比AWS便宜 |
 | 40 9 2015-07-01 01:39:32 +08:00 最近在做跟楼主一样的东西，ELK 是很适合的方案，不要把数据放数据库中去，那是自杀的做法。 其中 logstash 可以换成 fluentd，不多说了，直接看这个 kibana 的 demo 吧，http://demo.elastic.co/packetbeat/ |
 | 41 darrenxyli 2015-07-01 01:43:51 +08:00 elasticsearch+logstash+kibana |
 | 42 YORYOR 2015-07-01 08:49:32 +08:00 这tm 比我们渣浪还惨啊 擦 |
| 46 whnzy OP @paulw54jrn 这个在infoQ上看到过一次,研究下 |
| 47 whnzy OP 真是谢谢大家了,感觉要重新设计下了,题主也是开发经验不足,架构的东西现在出现的问题,向前找原因,一开始就错了. |
 | 48 c89758972 2015-07-01 09:40:39 +08:00 @realpg 麻蛋啊,我之前的公司就是.我倒是想过拿回自己的,可那行政balabala的,当时内存也便宜啊,4G99,就没在意. |
 | 49 popok 2015-07-01 09:43:13 +08:00 处理啥啊，直接删。哈哈 |
 | 53 fxxkgw 2015-07-01 10:23:42 +08:00 ELK太占内存了 logstash匹配速度太慢 配置这么点的服务器根本承受不了 |
 | 54 loryyang 2015-07-01 11:08:32 +08:00 亿级别的话，简单的还是用批处理吧，kafka+hadoop 实时流的技术难度太高了，而且稳定性是个很大的难题。 数据先用kafka导到hdfs，然后每天运行mr任务，可以上面架一个hive，写写sql就行。hadoop的整套实践方案，还是相对简单一些 不过一个应届生，要搞定这整一套环境，还是有点困难的。。 |
| 55 loryyang 2015-07-01 11:09:55 +08:00 额，没看到你只有两台服务器，那忽略我吧。。。 |
 | 56 fengyqf 2015-07-01 11:19:16 +08:00 亿级日志的规模，竟然用1G 4G的服务器 |
 | 57 lunaticus7 2015-07-01 11:26:41 +08:00 没折腾过nginx日志，不过对原始数据做好预处理，很多情况下可以极大的提高系统的性能，awk sed都可以用，一个比较通用的思路是，在进入流程中大运算量步骤之前，尽量筛掉无用的数据 由于机器配置低，所以做好分治+流式的规划，同时可以看看负载是耗在那一块了，可以考虑多线程，把cpu尽量用起来 |
 | 58 Chip 2015-07-01 11:29:29 +08:00 花钱能解决的问题，Splunk大法好。 |
 | 59 typcn 2015-07-01 11:56:30 +08:00 直接 fopen 全部读一遍，然后 fseek 到文件尾部，流式读取这个日志，插入队列 这个 CPU 基本 0% ，内存超不过 5MB 数据库如果无需复杂功能的话可以简单实现一个，挂个 epoll ，异步拿数据，然后转成 binary 每隔几秒 append 一次磁盘，这个 CPU 不会超过 5%，内存超不过 100MB |
| 60 typcn 2015-07-01 12:02:02 +08:00 看错了，，，是离线日志，直接 while(line = getline()) |
 | 62 EF0718 2015-07-01 12:32:20 +08:00 elasticsearch+logstash+kibana |
 | 63 smileawei 2015-07-01 12:36:58 +08:00 via iPhone 即使你现在勉强解决了，等下次性能瓶颈的时候怎么办，老板会觉得，上次都搞定了，这次也可以的。然后。。。 |
 | 64 minotaur 2015-07-01 12:57:24 +08:00 流处理，内存中只保留热门数据，冷门数据都持久化到磁盘。 一毕业就做这个还挺有意思的。 |
| 65 whnzy OP 不知道有没有人用过GoAccess,想请教下. |
 | 66 9hills 2015-07-01 15:41:20 +08:00 上面说elasticsearch的，lz那点内存还敢跑elasticsearch？我32G内存的机器都OOM。。 |
| 67 9hills 2015-07-01 15:42:08 +08:00 ES的文档里说了：A machine with 64 GB of RAM is the ideal sweet spot 64G为佳。。 |
 | 68 Pacer 2015-07-01 15:46:07 +08:00 首先~~ 把机器内存和 CPU 升级一下吧~ 跟老板要 16GB 4核 吧 |
 | 69 Clarencep 2015-07-01 16:04:31 +08:00 这么多log肯定有很多是冗余的，垃圾信息的，清理下，然后免费版的splunk就够用的了 |
 | 70 paw 2015-07-01 18:58:23 +08:00 kafka spark 不要求实时的话 mapreduce去 PS：不管咋样，跟BOSS说加机器去。。。。 |
 | 71 luw2007 2015-07-01 19:47:15 +08:00 看日志处理完干嘛。 错误日志可以使用全文搜索引擎报错。 |
 | 72 hb1412 2015-07-01 21:31:23 +08:00 可以看看sumologic |
 | 73 loading 2015-07-01 21:33:34 +08:00 via Android 1 花十万开发工具 vs 花一万上新机器 |
Select Language