本文将提供有关每提交一行和数组获取大小的信息。这两种BODS性能技术提高了实际场景中作业的执行时间。
每提交一行：
为了获得最佳性能，BODS建议将每提交一行的值设置在500到2000之间。对于每次提交的行，常规加载的默认值是1000。每提交一行的值取决于目标表中的列数。在调整目标表中的"每提交一行"值时，大数据培训，请记住，默认值为1000，最大值仅为5000，不要输入任何负值和非数字值。每提交一行是目标端的性能调整技术
计算每提交一行值的公式是：最大IO大小/行大小（字节）
以下场景将显示每提交一行对BODS作业的影响。有关更多详细信息，请参见下面的屏幕截图：
在第一个场景中：每次提交的行数为200，源数据行数为18116224条记录。将数据加载到目标表需要229秒（3分钟，49秒）。
在第二种情况下：每次提交的行数为2000，源数据行数与上述相同（18116224条记录）。将数据加载到目标表需要136秒（2分钟，16秒）。
因此，在第二种情况下，由于根据数据加载正确设置了RPC值，作业执行时间减少了。
注意：性能变差，如果我们为我们的环境设置的RPC太高，或者如果我们使用了一个溢出文件，或者我们的初始事务失败，那么在这种情况下，每个提交的行数值的行为类似于设置为1。
数组获取大小：
它表示在对源表的单个获取调用中返回的行数，默认值为1000。AFS值减少了数据库的往返次数，从而提高了表读取的性能。数组取数大小是源端性能调整技术。
例如：如果输入50，查询检索500行，连接将执行10次取数来检索500行数据。
缺点：
以下场景将显示BODS作业中数组取数大小的影响。有关更多详细信息，请参见以下屏幕截图：
在第一个场景中：数组获取大小为100，源数据行计数为18116224条记录。将数据加载到目标表需要292秒（4分钟，52秒）。
在第二种情况下：每提交一行为1000，源数据行计数与上述相同（18116224条记录）。将数据加载到目标中需要259秒（4分钟，19秒）。
如果在复杂ETL作业中为大规模源数据加载正确设置数组Fetch size值，那么在作业执行时间方面性能将得到更大的提高。
因此，云服务器平台，在第二个场景中，当数组Fetch size值比前一个场景大1000时，它会显示一是减少了工作执行时间。
希望本文件能对新入职人员有所帮助。在未来将讨论更多关于BODS性能调整技术。谢谢你的时间…
很好！
同样，这取决于操作系统的安装位置！！
关于将行par commit设置为1，SAP对许多数据库不支持，大数据怎么用，如果您再次设置，BODS将以1000个数据块获取/提交数据，这是默认值。
我认为在设置某个值时并不总是需要您总是获得性能，物联网城市，这完全取决于数据库，场景和数据量。
谢谢，Swapnil
以上场景都是在windows7 32位操作系统和Oracle 11g数据库上测试的。
在文章中明确提到，如果您要处理的是巨大的数据负载（数百万或数十亿条记录集），那么只有RFC、AFS才能帮助您在一些场景中提高性能案例
我毫无疑问地同意DB，数据量和复杂的ETL映射总是会产生影响。
非常详细的审查很好先生。
我的典型统计是1小时15分钟，7600万条记录，大数据数据采集，23列，数组获取大小默认为1000。
修改后数组获取大小为10000。我的数据是1小时25分钟7600万张唱片。。。哎呀。
