...
分区设置为了把表数据相对平均分成多个分区，抽取程序会尽可能一个分区分配一个线程进行并行抽取，这样能够极大的提高大数据量情况下的数据抽取性能。
这里关键在于如何把表数据相对平均分成多个分区，具体按照下面步骤进行：
1. 查询数据分布
查询数据分布是为了通过数据分布图表，直观展现出每个字段数据分布情况，帮助挑选出数据分布最为均匀的字段
分区数量：表示把数据切分成多少个分区，系统会提供默认值，一般不需要修改，系统提供的默认值取决于分配给ETL执行引擎的cpu核数。
采样条数：对表数据进行采样条数，因为全量数据做数据分布计算性能较差，所以只能做数据采样
点击刷新按钮，就展现出数据分布图表，并默认选中数据分布最为均匀的字段。因为是基于采样的数据进行计算，所以展现出来的结果不是绝对准确的，
如果对表的数据比较了解的话，可以换选更加合适的字段作为分区字段，比如这里我们换选LO_ORDERDATE字段作为分区字段：
2. 生成分区条件
如图所示，点击生成分区条件按钮，便根据上面设置的分区数量跟选中的分区字段，生成分区条件，每个分区条件对应到一个数据分区。
3. 计算分区条数
由于生成的分区条件不确定是否可以把表的数据均匀切分，可以点击计算分区条数按钮进行计算每个分区的记录条数
4. 调整分区条件(可选)
如果觉得数据分区并不均匀，可以对分区条件进行修改，每个分区条件都可以修改，不过这里修改要注意，要保证这些分区条件
能覆盖到所有的数据。
至此，完成了分区设置，以上图的例子，已经比较均匀把数据分成8个分区，执行的时候每个分区就会有对应一个线程对数据进行抽取，
总共就有8个线程并行抽取，理论上性能随着并行数量线性提升。
注意：如果表的数据量比较大，上面每个步骤的操作可能会有一定耗时，请耐心等待。
选择列
选择列是为了只选择需要的字段，减少数据传输，从而提升性能。如果需求上要求所有字段都是需要的，那这里无需设置。
关系目标表节点配置
一般不需要做特别设置，根据不同场景选择不同节点。全量数据抽取，使用关系目标表(覆盖) 节点，增量数据追加，使用关系目标表(追加)，
增量数据更新，使用关系目标表(插入或更新)。
如果是mysql 协议的数据库，建议在数据源url 上加上rewriteBatchedStatements=true 这个参数，这个参数对应写的性能提升非常显著。
其它高级配置
一般其它的高级配置，保持默认值，就能跑出比较好的性能，如果还想优化到极致，可以尝试调整
关系数据源节点高级配置
