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。

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。

参数	描述
-Xmx1024m	设置JVM最大可用内存为1024M。
-Xms512m	设置JVM促使内存为512m。此值可以设置与-Xmx相同，以避免每次垃圾回收完成后JVM重新分配内存。
-Xmn2g（JVM）	设置年轻代大小为2G。整个JVM内存大小=年轻代大小 + 年老代大小 + 持久代大小。持久代一般固定大小为64m，所以增大年轻代后，将会减小年老代大小。此值对系统性能影响较大，Sun官方推荐配置为整个堆的3/8。
-Xss128（JVM）	设置每个线程的堆栈大小。JDK5.0以后每个线程堆栈大小为1M，以前每个线程堆栈大小为256K。更具应用的线程所需内存大小进行调整。在相同物理内存下，减小这个值能生成更多的线程。但是操作系统对一个进程内的线程数还是有限制的，不能无限生成，经验值在3000~5000左右。
Spoon参数位置：if "%PENTAHO_DI_JAVA_OPTIONS%"=="" set PENTAHO_DI_JAVA_OPTIONS="-Xms512m" "-Xmx512m" "-XX:MaxPermSize=128m"

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。