Data Pipeline数据导入最佳实践是什么?

提高导入效率


数据导入运行时会运行Map Reduce任务并行的构建索引和数据，为避免长尾任务，需要确保建表时分区列选择正确，没有明显分区数据倾斜。
另外导入运行时的并行任务数和资源类型及实例个数有关，如果每日需要运行的导入任务较多，可选择配置较高的资源类型及较多的实例个数（具体参见“数据导入相关限制”）。若提交的导入任务数超过当前资源类型及实例个数允许的并发度，该任务会进入排队状态。

提高数据导入后的磁盘利用率


导入后的数据会按分区个数均匀地存储在实例节点中，为确保磁盘使用最大化，建表时表的一级分区数应和实例个数成比例关系(0.5的整数倍)，且一级分区数大于实例个数。如实例个数为8，表的分区数可为8（最少允许分区数），12，16，20，…256（最多允许分区数）.考虑到以后潜在的扩容，可适当设置较大的分区数。

取消运行中的导入任务


当某个导入任务正在运行但由于各种原因需要取消时，可执行以下命令取消导入。（<DB ID>可参见“附录一元数据库数据字典”查询SCHEMATA表获得，<Job ID>在执行导入任务时已返回）

1. ALTER DATABASE <DB Name> properties(databaseId='<DB ID>') KILL LOADDATA <Job ID>

注：运行中的导入任务无法再次发送LOAD DATA请求。