Apache SeaTunnel JDBC 连接器参数使用指南

Apache SeaTunnel 是一个强大的数据集成工具，其 JDBC 连接器是常用的数据源组件之一。在实际使用过程中，开发者经常会对某些参数的作用范围产生困惑，特别是 split.size 和 partition_num 这两个参数在不同查询模式下的行为差异。

参数行为详解

split.size 参数

split.size 参数用于控制数据分片的大小，但它仅在通过 table_path 参数指定表名时生效。当使用这种方式时，SeaTunnel 会根据该参数值将表数据划分为多个分片进行并行读取，从而提高数据抽取效率。

partition_num 参数

与 split.size 不同，partition_num 参数专门用于控制通过 query 参数执行自定义 SQL 查询时的并行度。它决定了查询任务将被分成多少个分区并行执行。

使用场景对比

1. 表模式（使用 table_path）

   • 适用场景：需要读取整张表或表的大部分数据
   • 优势：可以利用 split.size 自动优化并行读取
   • 示例配置：

     {
       "table_path": "public.users",
       "split.size": 10000
     }
     

2. 查询模式（使用 query）

   • 适用场景：需要执行复杂查询或只获取部分数据
   • 优势：可以通过 partition_num 控制查询并行度
   • 示例配置：

     {
       "query": "SELECT * FROM users WHERE create_time > '2023-01-01'",
       "partition_num": 4
     }
     

性能调优建议

1. 对于大数据量表，建议优先使用 table_path 配合适当的 split.size 值，通常设置为 50,000-100,000 行左右，具体取决于单行数据大小和集群资源。

2. 复杂查询场景下，设置 partition_num 时应考虑：

   • 查询本身的计算复杂度
   • 数据倾斜情况
   • 可用执行资源

3. 避免同时配置这两个参数，因为它们针对不同的查询模式，同时配置可能导致预期外的行为。

理解这些参数的正确使用方式，可以帮助开发者更高效地使用 SeaTunnel JDBC 连接器进行数据集成工作，充分发挥并行处理的优势，提升整体数据同步性能。