[大数据]尚硅谷大数据技术之 DataX—4）DataX使用优化

4.1 关键参数

? job.setting.speed.channel : channel并发数
? job.setting.speed.record : 全局配置channel的record限速
? job.setting.speed.byte：全局配置channel的byte限速
? core.transport.channel.speed.record：单个channel的record限速
? core.transport.channel.speed.byte：单个channel的byte限速

4.2 优化 1 ：提升每个channel的速度

在DataX内部对每个Channel会有严格的速度控制，分两种，一种是控制每秒同步的记录数，另外一种是每秒同步的字节数，默认的速度限制是1MB/s，可以根据具体硬件情况设置这个byte速度或者record速度，一般设置byte速度，比如：我们可以把单个Channel的速度上限配置为5MB。
配置文件：datax\conf\core.json

4.3 优化 2 ：提升DataX Job内Channel并发数

并发数 = taskGroup的数量 * 每个TaskGroup并发执行的Task数 (默认为5)。
提升job内Channel并发有三种配置方式：

4.3.1 配置全局Byte限速以及单Channel Byte限速

Channel个数 = 全局Byte限速 / 单Channel Byte限速

 {
	"core": {
		"transport": {
			"channel": {
				"speed": {
					"byte": 1048576
				}
			}
		}
	},
	"job": {
		"setting": {
			"speed": {
				"byte" : 5242880
			}
		},
	...
	}
}

core.transport.channel.speed.byte=1048576，job.setting.speed.byte=5242880，所以Channel个数 = 全局Byte限速 / 单Channel Byte限速=5242880/1048576=5个

4.3.2 配置全局Record限速以及单Channel Record限速

Channel个数 = 全局Record限速 / 单Channel Record限速

{
	"core": {
		"transport": {
			"channel": {
				"speed": {
					"record": 100
				}
			}
		}
	},
	"job": {
		"setting": {
			"speed": {
				"record" : 500
			}
		},
	...
	}
}

core.transport.channel.speed.record=100，job.setting.speed.record=500,所以配置全局Record限速以及单Channel Record限速，Channel个数 = 全局Record限速 / 单ChannelRecord限速=500/100=5

4.3.3 直接配置Channel个数

只有在上面两种未设置才生效，上面两个同时设置是取值小的作为最终的channel数。

{
	"job": {
		"setting": {
			"speed": {
				"channel" : 5
			}
		},
	...
	}
}

直接配置job.setting.speed.channel=5，所以job内Channel并发=5个

4.4 优化 3 ：提高JVM堆内存

当提升DataX Job内Channel并发数时，内存的占用会显著增加，因为DataX作为数据交换通道，在内存中会缓存较多的数据。例如Channel中会有一个Buffer，作为临时的数据交换的缓冲区，而在部分Reader和Writer的中，也会存在一些Buffer，为了防止OOM等错误，调大JVM的堆内存。建议将内存设置为4G或者8G，这个也可以根据实际情况来调整。调整JVM xms xmx参数的两种方式：一种是直接更改datax.py脚本；另一种是在启动的时候，加上对应的参数，如下：

python datax/bin/datax.py --jvm="-Xms8G -Xmx8G" XXX.json