不确定要对以下数据使用什么体系结构。
我正在查看以下数据格式和卷：
在查询字符串中保存信息的原始api apache日志（每天约15g）
json点击率和广告浏览量——每天约有300万条。
这使我考虑了设置hdfs集群和使用fluentd或flume加载apache日志的选项。这一切看起来不错，但我不明白的是，我什么时候或者如何解析apache日志，从查询字符串和路径中提取信息。例如：“/home/category1/？user=&param1=yyy&param2=zzz”应该规范化为关于用户“”的一些信息（他访问“category1”时有相应的参数）。在我看来，我的选择是直接存储日志，然后在所有集群上运行mapreduce作业来解析每个日志行，然后。。。将其存储在hdfs背面。这不是浪费资源吗？因为每次操作都会在整个集群中进行？把结果储存在hbase里怎么样。。。？
然后是json数据，它描述了一些广告的点击和视图，应该存储在同一个地方并进行查询。
查询情况：
某个用户在过去一天访问的内容
过去x小时内所有使用“param1”的用户
有这么多可用的工具，我不太确定哪种可能有帮助，也许你可以帮助描述一些外行的术语。