DataX大數(shù)據(jù)量同步優(yōu)化方案

現(xiàn)狀

使用DataX從生產(chǎn)DB拉取數(shù)據(jù)時(shí)，正常的業(yè)務(wù)場(chǎng)景我們都是通過增量拉取做Merge的方式來限制抽取的數(shù)據(jù)量，但存在以下幾種情況需要做大數(shù)據(jù)量的同步：

  • 大表全量初始化
  • 生產(chǎn)表存在物理刪除，需要每天做全量同步
  • 日志表，每天即使增量，仍然會(huì)有大量數(shù)據(jù)

雖然同步數(shù)據(jù)都是從生產(chǎn)DB的slave節(jié)點(diǎn)取數(shù)，但大數(shù)據(jù)量的同步，長(zhǎng)時(shí)間訪問也可能會(huì)導(dǎo)致Slave節(jié)點(diǎn)的性能下降。

方案

  • 獲取生產(chǎn)表主鍵列(要求是數(shù)值類型，否則取datachange_lasttime)的最大值/最小值
  • 指定分批次數(shù)，通過上述的最值的差計(jì)算出單次步長(zhǎng)，分批同步至Hive
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容