Kettle调优教程（推荐收藏）

想真正学习或者提升自己的ETL领域知识的朋友欢迎进群，一起学习，共同进步。若二维码失效，公众号后台加我微信入群，备注kettle。

1、调整JVM大小

linux文件路径：data-integration/spoon.sh

 windows路径：

-Xms1024m：设置JVM初始内存为1024m。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。

-Xmx2048m：设置JVM最大可用内存为2048M。

-Xmn2g：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。

 -Xss128k：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。

 垃圾回收器：如使用G1垃圾回收器

export PENTAHO_DI_JAVA_OPTIONS="-Xms512m -Xmx1024m -XX:+UseG1GC -Dfile.encoding=UTF-8"

2、 调整提交（Commit）记录数大小

Kettle默认Commit数量为：1000，可以根据具体场景数据量大小来设置Commitsize：1000~50000

 可以单个步骤进行设置，也可以通过kettle.properties 属性文件进行自定义参数设置。

 批量提交的步骤中可以${batch_commit_size} 进行引用。

3、使用数据库连接池

尽量使用数据库连接池，因为频繁建立&断开连接比较耗费时间。

4、合理设置行集大小

行集在Kettle中的作用包括：传递数据、缓存数据、临时存储数据、分批处理数据等。通过合理使用行集，可以实现数据的有效管理和处理，提高数据处理的效率和质量。

双击画布-》杂项-〉记录集合里的记录数进行设置，也可以在kettle.properties属性文件中添加全局参数KETTLE_TRANS_ROWSET_SIZE进行设置。

5、设计kettle流程时尽可能少的使用Kettle步骤，因为kettle步骤之间是有行集缓存的，步骤使用的越多，缓存也就越多，步骤间复制拷贝的次数也就越多。

6、根据业务场景，尽可能采用增量同步，而不是全量同步。全量同步时清空数据时采用truncate方式而不是delete方式。

7、可以使用sql来做的一些操作尽量用sql；Group , merge , stream lookup,split field这些操作都是比较慢的，想办法避免他们，能用sql就用sql。

8、插入大量数据的时候尽量把索引删掉，这个具体要根据业务场景，有的是不能删索引的，会影响业务系统使用。

9、尽量避免使用update , delete操作，尤其是update,如果可以把update变成先delete, 后insert。 

11、合理使用数据库索引。

10、合理设置日志级别

行集日志的性能会严重下降，通常情况下可以设置为基本日志，生产环境推荐设置错误日志。

也可以通过如下方式进行设置：

cd /xxx/data-integration && sh kitchen.sh -rep=local -job=xxx_job -dir=/ -level=Error -carte=http://ip:port/cart -exec

或者

curl -X POST -H "Authorization: Basic YWRtaW46UEBzc3cwcmQyMDIz" -H "Content-Type: application/x-www-form-urlencoded" --data "rep=local&job=xxx_job&level=Basic" http://ip:port/kettle/executeJob/ &

11、设置改变开始复制的数量

此配置可以提高性能，类似于java等语言中的多线程，如下图所示：

 填写3，点击确定如下图：

 注意：前置步骤一定要调整数据发送策略（有Round-Robin和复制发送模式两种，自己根据自己业务场景进行选择），如下图

12、可以通过spoon客户端和carte服务器排查kettle哪些步骤存在性能问题，如下图所示

 重点观察每个步骤的input和output以及处理的speed找出性能瓶颈，然后进行调优。

小伙伴们还有哪种调优方式，欢迎留言讨论