开发者社区 > 大数据与机器学习 > 大数据开发治理DataWorks > 正文

DataWorks并行度2,文件解压后大小12G,oss zip文件离线同步?

DataWorks并行度2,文件解压后大小12G,oss zip文件离线同步?

展开
收起
真的很搞笑 2023-10-15 20:05:42 71 0
3 条回答
写回答
取消 提交回答
  • 月移花影,暗香浮动

    DataWorks提供OSS数据同步的能力,您可以使用此功能进行离线同步。在配置离线同步任务时,如果遇到文件过大的问题,如文件解压后大小为12G,您可以通过调整同步任务的并发配置来提高同步速度。具体来说,如果您使用脚本模式配置离线同步任务,需要调小配置通道控制中的concurrent参数。同时,对于大文件的同步,例如OSS文件,建议减少读取的文件数。此外,DataWorks限制下载的包总大小为100 MB,因此对于大于100MB的文件,需要进行额外的处理。

    2023-10-16 16:39:36
    赞同 展开评论 打赏
  • image.png
    image.png
    https://help.aliyun.com/zh/dataworks/user-guide/oss-data-source?spm=a2c4g.11186623.0.i0#task-2311246可以参考看下 oss reader插件的说明 看能否拆分文件读取下,此回答整理自钉群“DataWorks交流群(答疑@机器人)”

    2023-10-15 23:06:12
    赞同 展开评论 打赏
  • 面对过去,不要迷离;面对未来,不必彷徨;活在今天,你只要把自己完全展示给别人看。

    在 DataWorks 中,如果文件解压后大小为 12GB,而并行度设置为 2,则可能会导致同步时间过长。这是因为并行度设置越高,每次可以处理的数据量越大,但同时也会增加系统的负载和网络带宽的使用,从而可能导致同步速度变慢。
    为了解决这个问题,可以尝试以下方法:

    1. 调整并行度设置:如果并行度设置过高,可以适当降低并行度,例如设置为 1 或 2。这样可以减少系统的负载和网络带宽的使用,从而提高同步速度。
    2. 增加服务器资源:如果并行度设置过低,可以尝试增加服务器的 CPU、内存和磁盘资源,从而提高系统的处理能力和网络带宽的使用,从而提高同步速度。
    3. 分批同步:如果文件大小过大,可以尝试将文件分批同步,例如每次同步 1GB 或 2GB 的文件。这样可以减少每次同步的数据量,从而提高同步速度。
      需要注意的是,以上方法可能会增加系统的负载和网络带宽的使用,因此需要根据实际情况进行权衡。此外,由于并行度设置是在任务运行时设置的,因此需要在任务运行之前进行配置。
    2023-10-15 21:45:43
    赞同 展开评论 打赏

DataWorks基于MaxCompute/Hologres/EMR/CDP等大数据引擎,为数据仓库/数据湖/湖仓一体等解决方案提供统一的全链路大数据开发治理平台。

相关产品

  • 大数据开发治理平台 DataWorks
  • 热门讨论

    热门文章

    相关电子书

    更多
    DataWorks数据集成实时同步最佳实践(含内测邀请)-2020飞天大数据平台实战应用第一季 立即下载
    DataWorks调度任务迁移最佳实践-2020飞天大数据平台实战应用第一季 立即下载
    基于DataWorks数据服务构建疫情大屏-2020飞天大数据平台实战应用第一季 立即下载