共计 1634 个字符，预计需要花费 5 分钟才能阅读完成。
本文将从 FTP Connector 的性能详解，自定义文件切割及自定义 FileFormat 三个方面为大家带来 ChunJun FTP Connector 的性能扩大分享。
FTP Connector 详解
FTP 是用于在网络上进行文件传输的一套标准协议，它工作在 OSI 模型的第七层，TCP 模型的第四层，即应用层，提供一种在服务器和客户机之间上传和下载文件的无效形式。
FTP Connector 基本功能
ChunJun FTP Connector 基本功能如下：
· 反对 FTP 协定 与 SFTP 协定读写；
· 反对断点续传；
· 反对并发读写；
· 反对多种文件格式的读写。
断点续传
次要的类：Position，Data，FtpFileReader，代码如下：
并发读写
代码如下：
自定义文件切割
ConcurrentFileSplitFactory 像一个工厂，通过这个工厂去创立其余的类，包含 ConcurrentZipCompressSplit、ConcurrentCsvSplit 以及默认的 DefaultFileSplit，类构造如下图：
解决流程
FTP 读取文件时，通过 ConcurrentFileSplit 对文件进行切割，切割成多个 FTPFileSplit，配置到 Channel 中，最初依据 FileSplit 保留的信息，自定义读取文件。
解决逻辑
· 应用 maxFetchSize 配置，当同步的文件大于这个值时，开启大文件切割性能
· 对文件进行剖析，构建分片，以文件大小 1.2G、分片数 4 举例，每个分片数解决的数据量约等于 1.2G / 4 = 300M
其中应用的分片构建算法逻辑如下：
1）从第 300M 偏移量开始读文件，按单个字节遍历文件，记录下一个 ’\n’ 的文件偏移量，如 300.1M，第一个分片解决文件的范畴就是 0~ 300.1M
2）第二个分片从 300.1M + 300M 开始读文件，遍历文件，记录下一个 ’\n’ 的文件偏移量，如 600.3M，第二个分片解决文件的范畴就是 300.1M~ 600.3M
3）以此类推，构建完所有的分片
· 单个文件的数据在多个通道并发读取后，写入指标表时，无奈对多个通道的数据按原文件中记录的程序进行写入
单个并行度读取耗时为 122s：
8 个并行度读取均匀耗时为 88s：
自定义 FileFormat
自定义 FlieFormat 同样是以工厂模式实现的，ChunJun 目前已实现 Excel、Csv、Text 三种文件构造，以后依然局限于 FTP，后续会扩大成公共模块，独属于 ChunJun 的 Format。类构造如下图：
ChunJun 设计方案
FTP 减少的性能点如下：
· FTP 反对用户自定义解析形式；
· FTP 反对自定义数据转换。
针对上述新增性能点 ChunJun 设计方案如下：
· FTP soource 新增参数 customFormatClassName：自定义解析器类名
· 形象出公共模块，定义解析器接口 IFileReadFormat，解析形式由用户实现以及 ChunJun 自带的实现
大量具体代码请看视频教程⬇️：
视频课程 &PPT 获取
视频课程:
https://www.bilibili.com/video/BV1Gm4y1a7Fv/?spm_id_from=333….
课件获取：
https://www.dtstack.com/resources/1044
《数栈产品白皮书》：https://www.dtstack.com/resources/1004?src=szsm
《数据治理行业实际白皮书》下载地址：https://www.dtstack.com/resources/1001?src=szsm
想理解或征询更多无关袋鼠云大数据产品、行业解决方案、客户案例的敌人，浏览袋鼠云官网：https://www.dtstack.com/?src=szsf
同时，欢送对大数据开源我的项目有趣味的同学退出「袋鼠云开源框架钉钉技术 qun」，交换最新开源技术信息，qun 号码：30537511，我的项目地址：https://github.com/DTStack
