ETL工具kettle的性能优化!

性能调优在整个项目中尤为重要。对于初级开发人员往往都不知道如何对性能进行调优。其实性能调优主要分为两个方面：一方面是硬件方面的调优，一方面是软件方面的调优。本文章主要介绍Kettle方面的性能调优以及效率的提升。

一、Kettle组件调优

1. commit size

表输出的提交记录数量（默认1000），具体根据数量大小来修改。

修改前速度（7447/s）：

修改后（7992/s）:

2. 数据库连接调参

基于上层优化方案继续调优

useServerPrepStmts=false
rewriteBatchedStatements=true
useCompression=true

添加参数后（20361/s）:

3. Kettle并行

右击 “START组件” 勾选Run Next Entries in Parallel

选择I understand

最终图：

结果图（可以看到每秒的表输出量已经起飞~~~）：
70W的数据仅用30S的时间就插入完成。

4. 根据输入、输出库修改配置参数

1、在输入表的数据库中添加如下参数配置：
// 增加读的操作
useServerPrepStmts：true
cachePrepStmts：true
// 读取缓存，设置过高消耗内存也会高
defaultFetchSize：10000
useCursorFetch：true
useCompression:true //压缩数据传入，与mysql服务端进行通信时采用zlib压缩

2、在输出表的数据库连接中添加如下参数配置：
defaultFetchSize:5000
// 提高写的操作
rewriteBatchedStatements:true
useServerPrepStmts:false
useCursorFetch:true
// 设置与mysql服务器通讯时压缩数据传入
useCompression:true

上面两种修改参数的方式都可以，而且修改完对kettle进行读写的速度影响也差不多，上面这两个都是修改的数据库的一些配置参数，进而提高速度

5. kettle开启多个线程操作

kettle支持多线程，对于操作慢的流程可以直接开启多线程并行执行，上面就是开启多线程的设置，我将两个java脚本都设置成10个线程执行一下就提高了运行速度
开启多个线程，要注意自己电脑的内存合理设置，否则电脑瞬间卡死，而且对于插入操作不能开启多线程插入，否则会插入重复数据

6. kettle修改spoon.bat的运行内存大小

上面说到了开启多线程，kettle其实也是在jvm内运行的，所以当设置的运行的jvm内存过小，但是开启多个线程占用内存过大，会直接导致卡死，执行不了，或是内存超出，此时可以修改spoon.bat的配置，修改完重启一下，修改的配置如下：

将之前的配置修改为：

if "%PENTAHO_DI_JAVA_OPTIONS%"=="" set PENTAHO_DI_JAVA_OPTIONS="-Xmx4096m" "-XX:MaxPermSize=4096m"

二、Kettle参数调优

1. 调整JVM大小进行性能优化，修改Kettle定时任务中的Spoon脚本。

三、 Kettle其他优化

1. 尽量使用SQL语句、尽可能的不适用组件。
2. Kettle是基于Java制作的，尽可能的用较大的内存来启动Kettle
3. 尽可能的使用同一主机来进行ETL操作（本地-本地/服务器-服务器），本地-服务器传输网络波动会有一定的影响
4. 使用数据库资源库便于对作业、转换的管理与应用。
5. 尽可能的输入少量的数据集（没用的字段不抽取）
6. 插入大量数据时把索引删掉，待数据全量插入完成后再进行创建索引。

学习资料见知识星球。

以上就是今天要分享的技巧，你学会了吗？若有什么问题，欢迎在下方留言。

快来试试吧，小琥 my21ke007。获取 1000个免费 Excel模板福利​​​​！

更多技巧， www.excelbook.cn

欢迎 加入 零售创新 知识星球，知识星球主要以数据分析、报告分享、数据工具讨论为主；