Datapump expdp和impdp中parallel參數分析

這篇文章主要介紹“Datapump expdp和impdp中parallel參數分析”，在日常操作中，相信很多人在Datapump expdp和impdp中parallel參數分析問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Datapump expdp和impdp中parallel參數分析”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

在expdp和impdp中，可以通過并行（parallel參數）來提高導出導入速率。這個參數會受到cpu和I/O影響。所以在使用parallel參數時，需要在資源消耗和運行時間之間進行權衡。

Parallel參數默認值為1，當parallel值設置為3時，則表示最多會有三個線程處理，而不是一定會有三個線程處理。由于同一時間內，一個dump文件只有一個線程進行處理。所以輸出的文件若只有一個，那么就算parallel=4，也只有一個線程在工作。

1. Expdp中的parallle參數filesize可以配合使用

Parallel:執行最大線程數（并行讀）

Filesize:指定單個文件大小。通過指定文件的大小，來指定文件的數量。

摘抄官方文檔的一句話：The value you specify for integer should be less than, or equal to, the number of files in the dump file set 。

在expdp中，parallel參數值應小于等于dump文件數。默認情況下，假設在導出的時候指定parallel=3,那么則會產生三個dump文件。所以在考慮parallel參數的設置的時候，可以優先考慮需要導出幾個文件最合適。

如果prarallel值設置過高，則有可能報ORA-39095 error。

eg:$ expdp scott/tiger directroy=dump_dir dumpfile=scott_%U.dmp parallel=4 filesize=10m

2. Impdp中的parallel參數

Parallel在impdp中的參數與expdp中有所不同。

摘抄官方文檔一句話：If the source of the import is a dump file set consisting of files, then multiple processes can read from the same file, but performance may be limited by I/O contention.

該意為：在impdp中，parallel參數可以在一個文件或者多個文件中均可以使用，但是parallel參數不是越大越好，同樣會受到I/O的限制。

eg:$ impdp scott/tiger directroy=dump_dir dumpfile=scott_%U.dmp parallel=4

到此，關于“Datapump expdp和impdp中parallel參數分析”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！