怎样对抽取的过程进行优化?常见的优化技术与思路？

这儿问题有点笼统了点，大数据环境下是不关心其抽取的过程内部的计算的优化，至于优化部分，一部分是计算任务的本身优化，另一部分是集群的参数优化。