我曾经在mongodb上工作过，现在正在hadoop上工作，所以我可以列出一些您可能会感兴趣的差异。
mongodb需要您将文件存储为文档（而不是原始文本数据）。hdfs可以将其存储为文件，并允许您使用自定义mapreduce程序来处理它们。
mongodb将要求您选择一个好的分片密钥，以便在集群中有效地分配负载。因为您正在存储日志文件，所以这可能很困难。
如果您可以将格式化的日志存储到mongodb中的文档中，它将允许您在大量日志中以非常低的延迟查询数据。我的上一个项目内置了基于mongodb的日志，与mapreduce分析原始文本日志相比，分析速度非常快。但是伐木必须从头开始。
在hadoop中，有hive、hbase和impala等技术可以帮助您分析文本格式日志，但是需要记住mapreduce的延迟（尽管有一些方法可以优化延迟）。
总结一下：如果您可以在整个堆栈中实现基于mongodb的日志记录，那么可以使用mongodb，但是如果您已经有文本格式的日志，那么可以使用hadoop。如果您可以将xml数据实时转换为mongodb文档，那么您可以得到一个非常有效的解决方案。

我对hadoop的了解有限，所以我将重点介绍mongodb。
您可以将每个日志条目存储在mongodb中。在时间字段上创建索引时，可以很容易地获得特定的时间范围。mongodb将在2.4版中支持全文搜索，这对于您的用例来说无疑是一个有趣的特性，但是它还没有准备好生产。在此之前，搜索子字符串是一个非常缓慢的操作。因此，您必须将与您的搜索相关的xml树转换为mongodb对象，并为搜索最多的字段创建索引。
但是您应该知道，在mongodb中存储日志意味着您将需要更多的硬盘空间。mongodb不压缩有效负载数据，还增加了一些自己的元数据开销，因此它需要比解压缩日志更多的磁盘空间。另外，当您使用新的文本搜索功能时，它将占用更多的磁盘空间。在我看到的一次演示中，文本索引的大小是它索引的数据的两倍。当然，这个特性仍在开发中，但我不会打赌它在最终版本中会少很多。