求解统计系统设计的一些技术方案和实现

从数据源到数据呈现说说目前的情况吧，

数据源：
1、mysql
2、日志文件

呈现：
1、csv文件导出或者发送邮件
2、提供接口数据给web呈现图标

当前涉及的一些技术点：
从日志文件读取数据主要是 shell ＋ awk ，从 mysql 主要是 php 读取数据存储到文件，之后通过 php 或者 shell 来进行一些运算或者统计处理， 相应数据入库或者发送邮件提供给需求方。

目前项目积累了大量的脚本，和一些临时性的解决办法（零散脚本），而且随着数据的增长， mysql 这部分效率也越来越慢， 复杂的脚本已经变得越来越难维护。这些脚本有一些是需要的时候手工跑一次，还有很多是定时跑，如果继续下去已经快不可控了。

寻求一套从数据入口到数据呈现的解决方案，或者是各位有经验的同学分享分享。

日志文件存储在 hadoop 上一部分，目前没有写 mapreduce 直接去处理这部分。

->3Q

回复内容：

从数据源到数据呈现说说目前的情况吧，

数据源：
1、mysql
2、日志文件

呈现：
1、csv文件导出或者发送邮件
2、提供接口数据给web呈现图标

当前涉及的一些技术点：
从日志文件读取数据主要是 shell ＋ awk ，从 mysql 主要是 php 读取数据存储到文件，之后通过 php 或者 shell 来进行一些运算或者统计处理， 相应数据入库或者发送邮件提供给需求方。

目前项目积累了大量的脚本，和一些临时性的解决办法（零散脚本），而且随着数据的增长， mysql 这部分效率也越来越慢， 复杂的脚本已经变得越来越难维护。这些脚本有一些是需要的时候手工跑一次，还有很多是定时跑，如果继续下去已经快不可控了。

寻求一套从数据入口到数据呈现的解决方案，或者是各位有经验的同学分享分享。

日志文件存储在 hadoop 上一部分，目前没有写 mapreduce 直接去处理这部分。

->3Q

0、方案取决于你的目标和团队实力。自建方案的复杂度和你的期望成正比，和数据量成正比。
1、你可以研究一下Splunk或者Logstash + ES + Kibana这两个方案，相信会有惊喜。
2、如果还想更深入，可以了解一下SIEM。
3、Dirty And Quick是一种选择；Flexable是另一种选择。

源数据整理好格式，定好Schema，用Hive统计，用Oozie定时跑作业，结果放在约定好的地方，用Web呈现。
基本上都是这么个套路。

只能采纳一个答案.
其实这是一个讨论性的话题，希望有更多的人参与吧。