本文解释了如何执行内存管理以有效运行更大的MuleSoft ......
关于
本文将介绍如何执行内存管理，以便有效地运行更大的MuleSoft Data Weave脚本。我试图创建有用的图像来解释Data Weave内存管理是如何工作的。
简介
Data Weave是一个强大的专有数据转换引擎/tool由MuleSoft构建。
MuleSoft平台使用Data Weave引擎将一种或多种不同类型的输入数据编织在一起，以创建另一种输出数据格式。
从4. x版本开始，MuleSoft扩展了它的支持，并开始在大多数消息处理器中使用Data Weave脚本。
MuleSoft强烈建议在构建Mule集成流时使用Data Weave脚本。
因此，在处理大型有效载荷和执行数据转换时，非常需要编写高效的数据编织脚本。
当使用Data Weave执行大输入数据处理时，我们可能会遇到内存错误。
在这些情况下，我们可能需要对内存使用进行一些微调。
为了处理输入负载，Data Weave必须将数据保存在小的/large文件中，无论是内存中还是磁盘空间中。
较小的临时文件在内存中管理。如果这些临时文件大小增加，我们可能需要使用磁盘空间。
深潜
要执行数据转换，Data Weave需要有一个临时空间来保存输入和输出有效载荷。在执行较小的数据转换时，Data Weave将输入/output缓冲区文件保存在内存中。但是为了处理较大的数据转换，Data Weave引擎可能需要使用磁盘空间。
根据输入负载大小，Data Weave引擎必须管理较小的缓冲区文件或较大的缓冲区文件。
较小的缓冲区文件可以通过使用内存存储（RAM）来管理。
为了管理较大的缓冲区文件，我们可能需要使用磁盘空间。
磁盘空间可以进一步归类为临时磁盘空间或自定义目录。
默认情况下，较大的缓冲区文件被写入临时磁盘空间。但是，我们可以自定义它，将这些较大的缓冲区文件写入指定的自定义目录。
堆外内存
在我们进一步讨论之前，让我们尝试更多地讨论堆外内存。
默认情况下，较小的缓冲区文件被写入堆外内存空间，该内存空间不由垃圾收集器（GC）管理。但是，我们可以将MuleSoft配置为使用堆上内存空间，该内存空间由垃圾收集器（GC）管理。
堆外内存空间由插槽组成。
默认情况下，Data Weave使用大小为60的内存池插槽。但这些参数可以进一步配置。
一旦缓冲区文件的大小超过了可配置的阈值，则将这些文件写入临时磁盘空间。
如果需要，可以通过指定系统属性将这些文件写入自定义目录java.io.tmpdir.
