Kettle链接Clickhouse实录

需求：通过kettle *** 作clickhouse

背景：kettle官方不支持clickhouse的驱动

版本：

clickhouse 20.8.7.15

kettle 8.1

实现步骤：

windows上环境：

1、将以下包放入   xxx\data-integration\libswt\win64

2、在kettle的plugins文件夹下创建clickhouse-plugins

3、将以下包文件放入上面创建的clickhouse-plugins目录下

4、重启kettle

5、kettle中 *** 作

以上方案在kettle中插入日期数据到clickhouse会报异常，处理方式如下

1、删除第一步中放入到win64下面的所有jar包

2、将下面包放入到kettle的lib下，重启即可

ps:由于平台上不能上传相关jar包，以上包有需要的可以联系我。

参考文章： https://blog.csdn.net/aaa8210/article/details/110632472

kettle性能调优

性能调优在整个工程中是非常重要的，也是非常有必要的。但有的时候我们往往都不知道如何对性能进行调优。其实性能调优主要分两个方面：一方面是硬件调优，一方面是软件调优。本章主要是介绍Kettle的性能优化及效率提升。

一、Kettle调优

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

修改脚本代码片段

set OPT=-Xmx512m -cp %CLASSPATH% -Djava.library.path=libswt\win32\ -DKETTLE_HOME="%KETTLE_HOME%" -DKETTLE_REPOSITORY="%KETTLE_REPOSITORY%" -DKETTLE_USER="%KETTLE_USER%" -DKETTLE_PASSWORD="%KETTLE_PASSWORD%" -DKETTLE_PLUGIN_PACKAGES="%KETTLE_PLUGIN_PACKAGES%" -DKETTLE_LOG_SIZE_LIMIT="%KETTLE_LOG_SIZE_LIMIT%"

参数参考：

-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：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 *** 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。

样例：OPT=-Xmx1024m -Xms512m

2、 调整提交（Commit）记录数大小进行优化

如修改RotKang_Test01中的“表输出”组件中的“提交记录数量”参数进行优化，Kettle默认Commit数量为：1000，可以根据数据量大小来设置Commitsize：1000~50000。

3、 调整记录集合里的记录数

4、尽量使用数据库连接池；

5、尽量提高批处理的commit size；

6、尽量使用缓存，缓存尽量大一些（主要是文本文件和数据流）；

7、Kettle是Java做的，尽量用大一点的内存参数启动Kettle；

8、可以使用sql来做的一些 *** 作尽量用sql；

Group , merge , stream lookup,split field这些 *** 作都是比较慢的，想办法避免他们.，能用sql就用sql；

9、插入大量数据的时候尽量把索引删掉；

10、尽量避免使用update , delete *** 作，尤其是update,如果可以把update变成先delete, 后insert；

11、能使用truncate table的时候，就不要使用deleteall row这种类似sql合理的分区，如果删除 *** 作是基于某一个分区的，就不要使用delete row这种方式（不管是deletesql还是delete步骤）,直接把分区drop掉，再重新创建；

12、尽量缩小输入的数据集的大小（增量更新也是为了这个目的）；

13、尽量使用数据库原生的方式装载文本文件(Oracle的sqlloader, mysql的bulk loader步骤)；

14、尽量不要用kettle的calculate计算步骤，能用数据库本身的sql就用sql ,不能用sql就尽量想办法用procedure,实在不行才是calculate步骤；

15、要知道你的性能瓶颈在哪，可能有时候你使用了不恰当的方式，导致整个 *** 作都变慢，观察kettle log生成的方式来了解你的ETL *** 作最慢的地方；

16、远程数据库用文件+FTP的方式来传数据，文件要压缩。（只要不是局域网都可以认为是远程连接）。

---