我想定期（每小时）将我的应用程序日志加载到 Cassandra 中，以便使用 pig 进行分析。
这通常是如何完成的？有没有专注于此的项目？
我看到mumakil 通常用于批量加载数据。我可以编写一个围绕它构建的 cron 作业，但我希望能得到比我准备的作业更强大的东西。
如果需要的话，我也愿意修改应用程序以另一种格式存储数据（如 syslog 或直接存储到 Cassandra）。虽然在这种情况下，如果 Cassandra 不可用，我会担心数据丢失。
【问题讨论】：
标签： cassandra apache-pig
如果您打算使用 Flume，则需要编写一个自定义的 Flume 接收器（不难）。你可以在https://github.com/geminitech/logprocessing上建模。
如果您想使用 Pig，我同意另一张海报，您应该使用 HDFS（或 S3）。 Hadoop 旨在与块巨大的块存储一起工作。这可以防止您因执行大量磁盘查找和网络 IO 而获得糟糕的 IO 性能。虽然您可以将 Pig 与 Cassandra 一起使用，但您会遇到 Cassandra 数据模型的问题，并且性能会更差。
但是，如果您真的想使用 Cassandra 并且您对 Flume 没有死心，我建议您使用 Kafka 和 Storm。
我使用 Storm 将日志文件加载到 Cassandra 的工作流程是：
【讨论】：
您应该考虑使用 Flume 将它们加载到 HDFS 中，因为这些项目就是为此目的而设计的。然后，您可以直接对您的非结构化/半结构化日志数据使用 Pig。
【讨论】：