业务场景
目前公司采用的游戏日志采集方式为一个服对应于一个日志库，然而游戏后台希望可以实时对这些游戏日志进行分析，当服不多时，这个还可以实时查询，但是游戏服越来越多的时候，这个就有瓶颈了，因为查询的时候后台是希望选择多个服一起进行日志分析的，尽管可以利用多线程进行查询，但等待时间还是会很长(因为服的数量会逐渐比线程数高)，甚至直接就超出了网页的等待时间，报504网关等待超时。
后来，针对于查询时间过长甚至查不出结果的情况，做了如下改善:把需要进行的日志分析封装成一个个的定时任务，利用每天的凌晨某个时间跑这个任务，一个任务就会有一个和该任务关联的结果集，并且这个结果集保存在后台本地。那么当用户在后台对相应的日志模块进行分析时，直接读取后台本地的该任务管理的结果集即可。这样一来，确实解决了查询时间过长的问题。但是，随着游戏服的越来越多，在凌晨跑的那些日志分析任务所需要的时间越来越长了，更极端的一个情况就是可能会出现，从第一天的凌晨开始跑(比如一个任务是凌晨1:00开始的)，也许到了第二天的凌晨的这个任务时间段(第二天的凌晨1:00，这个任务又到了执行时间了)，前一天的该任务都没跑完，新一天的该任务又要开始了。这样循环下去，所需时间会更长，也有可能分析出每天的日志分析结果。
数据库用的是mysql(不管是游戏服的日志库还是后台的结果集)，如何在不需要更改数据库的情况下(因为游戏服的日志库那边暂时不可以更改库，即使有想过改成mongodb)，在现有的方案上进行优化呢？(假设我那些任务中都不会存在慢查询的情况，但是还是需要很长时间，因为服多)。在此，希望各位有经验的大神给小弟指点指点(⊙o⊙)。小弟感激不尽~~~
logstash
elasticsearch
这是非常成熟的日志分析解决方案。使用也非常简单的，直接使用
logback-encoder就将日志写入了logstash-logback-encoder即使不修改目前数据库的方案，也可以使用
elasticsearch在将数据导入至elasticsearch。楼上确实确实是非常推荐的日志收集和分析方案，适合日志格式较清晰，不需额外清洗或转换的日志类型。如果日志数据需要清洗或新格式转换，建议采用Kafka + Spark streaming + Hive on spark 解决方案。其实不建议结果再存回Mysql，因为结果入库到Mysql等关系型数据库会成为整个分析时效的瓶颈。另外这些方案网上都能搜到使用方式。