当前数据的结构愈加复杂,分布更为广泛,促进了分布式ETL工具的发展。达梦数据交换平台(DMETL)是高性能的流式ETL工具,它的集群特性支持ETL流程的分布式执行。对于分布式ETL工具,对ETL活动节点分区是ETL并行优化策略的一种,可以提高并发度,但是容易产生较大的网络开销。而对ETL流程进行合理划分能够减小网络开销,提高资源利用率,因此基于分布式达梦数据交换平台对ETL流程的分区问题进行研究是很有意义的。首先,介绍了分布式达梦数据交换平台的总体结构,描述了ETL流程在流程执行引擎中的执行过程,并对其中的关键模块:执行引擎模块、元数据库模块、服务监听模块和集群管理模块进行了介绍。元数据模块可以获取ETL流程的活动信息,执行引擎中负责进行解析和分区,远程服务监听模块可用于远程执行子分区流程,集群模块为流程分布式执行提供可靠性保证。然后,研究DMETL活动节点的划分问题和ETL流程分区问题。对于活动节点分区,实现了多种节点分区策略;对于流程分区,将流程分区问题转化为树的分区问题,最后将活动节点分区和流程分区相结合,设计了DMETL对于分布式ETL流程的分区策略。此外,为了执行分区后的子分区流程,设计了执行引擎的多线程流水线式调度策略,并针对高并发场景,改进了ETL活动节点间缓冲区的实现。最后,通过实验表明,系统实现了设计的分区策略,在执行效率上相对于现有的任务划分策略有所提升,而且改进后的缓冲区在高并发的场景下,性能也得到了改善。