大数据平台日志存储分析系统的解决方案是怎样的
大数据平台日志存储分析系统的解决方案是怎样的，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。
大数据平台日志存储分析系统是在大数据平台下，针对业务系统产生的日志记录进行存储和分析。日志数据来自ElasticSearch存储的日志历史数据，并将需要存储和分析的日志数据从ElasticSearch中读取到Kafka中。Kafka的消费者在侦听到数据消息进入后，以流方式获取数据写入到HBase中。存储在HBase中的数据则是为日志数据的检索与分析提供服务。Web前端通过调用后端API检索HBase中的数据，并进行透视表的可视化展现，展现后的数据支持CSV导出功能。
本解决方案包括的系统功能为：
读取Kafka消息，存储到HBase
检索HBase数据，提供API
显示内容的CSV导出
技术方案
确定该技术方案的前置条件包括：
推送到Kafka的消息已经准备就绪
HBase的数据结构已经确定
日志检索条件固定
后端API已经确定，Web前端会调用该API
Web前端开发已经就绪
技术架构
整个技术架构如下图所示：
系统分为三个模块：
LogData Collector：通过Spark Streaming订阅Kafka的Topic，收集业务需要的日志数据，然后写入到HBase中。HBase搭建在HDFS的集群中。
LogData Searching：这是一个Spring Boot服务，通过
@RestController暴露API接口给前端。其内部则集成Spark，利用Spark SQL查询HBase数据库。Web UI前端：负责调用LogData Searching服务，并将数据呈现到UI上，并在前端实现显示数据的导出。
说明：导出功能可能有一个变化，倘若前端是分页显示，而导出的数据是符合检索条件的全量数据，则需要在导出时调用LogData Searching服务，获得导出所需的数据，而非前端已经显示的数据。
看完上述内容，你们掌握大数据平台日志存储分析系统的解决方案是怎样的的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注行业资讯频道，感谢各位的阅读！
