快捷導航

Java中批處理框架spring batch詳細介紹

更新時間：2020年07月20日 17:15:53 作者：topEngineerray

這篇文章主要介紹了Java中批處理框架spring batch詳細介紹，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

spring batch簡介

spring batch是spring提供的一個數(shù)據(jù)處理框架。企業(yè)域中的許多應(yīng)用程序需要批量處理才能在關(guān)鍵任務(wù)環(huán)境中執(zhí)行業(yè)務(wù)操作。這些業(yè)務(wù)運營包括：

無需用戶交互即可最有效地處理大量信息的自動化，復雜處理。這些操作通常包括基于時間的事件（例如月末計算，通知或通信）。
在非常大的數(shù)據(jù)集中重復處理復雜業(yè)務(wù)規(guī)則的定期應(yīng)用（例如，保險利益確定或費率調(diào)整）。
集成從內(nèi)部和外部系統(tǒng)接收的信息，這些信息通常需要以事務(wù)方式格式化，驗證和處理到記錄系統(tǒng)中。批處理用于每天為企業(yè)處理數(shù)十億的交易。

Spring Batch是一個輕量級，全面的批處理框架，旨在開發(fā)對企業(yè)系統(tǒng)日常運營至關(guān)重要的強大批處理應(yīng)用程序。 Spring Batch構(gòu)建了人們期望的Spring Framework特性（生產(chǎn)力，基于POJO的開發(fā)方法和一般易用性），同時使開發(fā)人員可以在必要時輕松訪問和利用更高級的企業(yè)服務(wù)。 Spring Batch不是一個schuedling的框架。

Spring Batch提供了可重用的功能，這些功能對于處理大量的數(shù)據(jù)至關(guān)重要，包括記錄/跟蹤，事務(wù)管理，作業(yè)處理統(tǒng)計，作業(yè)重啟，跳過和資源管理。它還提供更高級的技術(shù)服務(wù)和功能，通過優(yōu)化和分區(qū)技術(shù)實現(xiàn)極高容量和高性能的批處理作業(yè)。 Spring Batch可用于兩種簡單的用例（例如將文件讀入數(shù)據(jù)庫或運行存儲過程）以及復雜的大量用例（例如在數(shù)據(jù)庫之間移動大量數(shù)據(jù)，轉(zhuǎn)換它等等）上）。大批量批處理作業(yè)可以高度可擴展的方式利用該框架來處理大量信息。

Spring Batch架構(gòu)介紹

一個典型的批處理應(yīng)用程序大致如下：

從數(shù)據(jù)庫，文件或隊列中讀取大量記錄。以某種方式處理數(shù)據(jù)。以修改之后的形式寫回數(shù)據(jù)。

其對應(yīng)的示意圖如下：

spring batch的一個總體的架構(gòu)如下：

Figure 2.1: Batch Stereotypes

在spring batch中一個job可以定義很多的步驟step，在每一個step里面可以定義其專屬的ItemReader用于讀取數(shù)據(jù)，ItemProcesseor用于處理數(shù)據(jù)，ItemWriter用于寫數(shù)據(jù)，而每一個定義的job則都在JobRepository里面，我們可以通過JobLauncher來啟動某一個job。

Spring Batch核心概念介紹

下面是一些概念是Spring batch框架中的核心概念。

什么是Job

Job和Step是spring batch執(zhí)行批處理任務(wù)最為核心的兩個概念。

其中Job是一個封裝整個批處理過程的一個概念。Job在spring batch的體系當中只是一個最頂層的一個抽象概念，體現(xiàn)在代碼當中則它只是一個最上層的接口，其代碼如下:

 
/**
 * Batch domain object representing a job. Job is an explicit abstraction
 * representing the configuration of a job specified by a developer. It should
 * be noted that restart policy is applied to the job as a whole and not to a
 * step.
 */
public interface Job {
 
	String getName();
 
 
	boolean isRestartable();
 
 
	void execute(JobExecution execution);
 
 
	JobParametersIncrementer getJobParametersIncrementer();
 
 
	JobParametersValidator getJobParametersValidator();
 
}

在Job這個接口當中定義了五個方法，它的實現(xiàn)類主要有兩種類型的job，一個是simplejob，另一個是flowjob。在spring batch當中，job是最頂層的抽象，除job之外我們還有JobInstance以及JobExecution這兩個更加底層的抽象。

一個job是我們運行的基本單位，它內(nèi)部由step組成。job本質(zhì)上可以看成step的一個容器。一個job可以按照指定的邏輯順序組合step，并提供了我們給所有step設(shè)置相同屬性的方法，例如一些事件監(jiān)聽，跳過策略。

Spring Batch以SimpleJob類的形式提供了Job接口的默認簡單實現(xiàn)，它在Job之上創(chuàng)建了一些標準功能。一個使用java config的例子代碼如下：

@Bean
public Job footballJob() {
 return this.jobBuilderFactory.get("footballJob")
 .start(playerLoad())
 .next(gameLoad())
 .next(playerSummarization())
 .end()
 .build();
}

這個配置的意思是：首先給這個job起了一個名字叫footballJob，接著指定了這個job的三個step，他們分別由方法，playerLoad,gameLoad, playerSummarization實現(xiàn)。

什么是JobInstance

我們在上文已經(jīng)提到了JobInstance，他是Job的更加底層的一個抽象，他的定義如下：

public interface JobInstance {
	/**
	 * Get unique id for this JobInstance.
	 * @return instance id
	 */
	public long getInstanceId();
	/**
	 * Get job name.
	 * @return value of 'id' attribute from <job>
	 */
	public String getJobName();	
}

他的方法很簡單，一個是返回Job的id，另一個是返回Job的名字。

JobInstance指的是job運行當中，作業(yè)執(zhí)行過程當中的概念。Instance本就是實例的意思。

比如說現(xiàn)在有一個批處理的job，它的功能是在一天結(jié)束時執(zhí)行行一次。我們假定這個批處理job的名字為'EndOfDay'。在這個情況下，那么每天就會有一個邏輯意義上的JobInstance, 而我們必須記錄job的每次運行的情況。

什么是JobParameters

在上文當中我們提到了，同一個job每天運行一次的話，那么每天都有一個jobIntsance，但他們的job定義都是一樣的，那么我們怎么來區(qū)別一個job的不同jobinstance了。不妨先做個猜想，雖然jobinstance的job定義一樣，但是他們有的東西就不一樣，例如運行時間。

spring batch中提供的用來標識一個jobinstance的東西是：JobParameters。 JobParameters對象包含一組用于啟動批處理作業(yè)的參數(shù)，它可以在運行期間用于識別或甚至用作參考數(shù)據(jù)。我們假設(shè)的運行時間，就可以作為一個JobParameters。

例如, 我們前面的'EndOfDay'的job現(xiàn)在已經(jīng)有了兩個實例，一個產(chǎn)生于1月1日，另一個產(chǎn)生于1月2日，那么我們就可以定義兩個JobParameter對象：一個的參數(shù)是01-01, 另一個的參數(shù)是01-02。因此，識別一個JobInstance的方法可以定義為：

因此，我么可以通過Jobparameter來操作正確的JobInstance

什么是JobExecution

JobExecution指的是單次嘗試運行一個我們定義好的Job的代碼層面的概念。 job的一次執(zhí)行可能以失敗也可能成功。只有當執(zhí)行成功完成時，給定的與執(zhí)行相對應(yīng)的JobInstance才也被視為完成。

還是以前面描述的EndOfDay的job作為示例，假設(shè)第一次運行01-01-2019的JobInstance結(jié)果是失敗。那么此時如果使用與第一次運行相同的Jobparameter參數(shù)（即01-01-2019）作業(yè)參數(shù)再次運行，那么就會創(chuàng)建一個對應(yīng)于之前jobInstance的一個新的JobExecution實例,JobInstance仍然只有一個。

JobExecution的接口定義如下：

public interface JobExecution {
	/**
	 * Get unique id for this JobExecution.
	 * @return execution id
	 */
	public long getExecutionId();
	/**
	 * Get job name.
	 * @return value of 'id' attribute from <job>
	 */
	public String getJobName(); 
	/**
	 * Get batch status of this execution.
	 * @return batch status value.
	 */
	public BatchStatus getBatchStatus();
	/**
	 * Get time execution entered STARTED status. 
	 * @return date (time)
	 */
	public Date getStartTime();
	/**
	 * Get time execution entered end status: COMPLETED, STOPPED, FAILED 
	 * @return date (time)
	 */
	public Date getEndTime();
	/**
	 * Get execution exit status.
	 * @return exit status.
	 */
	public String getExitStatus();
	/**
	 * Get time execution was created.
	 * @return date (time)
	 */
	public Date getCreateTime();
	/**
	 * Get time execution was last updated updated.
	 * @return date (time)
	 */
	public Date getLastUpdatedTime();
	/**
	 * Get job parameters for this execution.
	 * @return job parameters 
	 */
	public Properties getJobParameters();
	
}

每一個方法的注釋已經(jīng)解釋的很清楚，這里不再多做解釋。只提一下BatchStatus，JobExecution當中提供了一個方法getBatchStatus用于獲取一個job某一次特地執(zhí)行的一個狀態(tài)。BatchStatus是一個代表job狀態(tài)的枚舉類，其定義如下：

public enum BatchStatus {STARTING, STARTED, STOPPING, 
			STOPPED, FAILED, COMPLETED, ABANDONED }

這些屬性對于一個job的執(zhí)行來說是非常關(guān)鍵的信息，并且spring batch會將他們持久到數(shù)據(jù)庫當中. 在使用Spring batch的過程當中spring batch會自動創(chuàng)建一些表用于存儲一些job相關(guān)的信息，用于存儲JobExecution的表為batch_job_execution,下面是一個從數(shù)據(jù)庫當中截圖的實例：

什么是Step

每一個Step對象都封裝了批處理作業(yè)的一個獨立的階段。事實上，每一個Job本質(zhì)上都是由一個或多個步驟組成。每一個step包含定義和控制實際批處理所需的所有信息。任何特定的內(nèi)容都由編寫Job的開發(fā)人員自行決定。一個step可以非常簡單也可以非常復雜。例如，一個step的功能是將文件中的數(shù)據(jù)加載到數(shù)據(jù)庫中，那么基于現(xiàn)在spring batch的支持則幾乎不需要寫代碼。更復雜的step可能具有復雜的業(yè)務(wù)邏輯，這些邏輯作為處理的一部分。與Job一樣，Step具有與JobExecution類似的StepExecution，如下圖所示：

Figure 2.1: Job Hierarchy With Steps

什么是StepExecution

StepExecution表示一次執(zhí)行Step, 每次運行一個Step時都會創(chuàng)建一個新的StepExecution，類似于JobExecution。但是，某個步驟可能由于其之前的步驟失敗而無法執(zhí)行。且僅當Step實際啟動時才會創(chuàng)建StepExecution。

一次step執(zhí)行的實例由StepExecution類的對象表示。每個StepExecution都包含對其相應(yīng)步驟的引用以及JobExecution和事務(wù)相關(guān)的數(shù)據(jù)，例如提交和回滾計數(shù)以及開始和結(jié)束時間。此外，每個步驟執(zhí)行都包含一個ExecutionContext，其中包含開發(fā)人員需要在批處理運行中保留的任何數(shù)據(jù)，例如重新啟動所需的統(tǒng)計信息或狀態(tài)信息。下面是一個從數(shù)據(jù)庫當中截圖的實例：

什么是ExecutionContext

ExecutionContext即每一個StepExecution 的執(zhí)行環(huán)境。它包含一系列的鍵值對。我們可以用如下代碼獲取ExecutionContext

ExecutionContext ecStep = stepExecution.getExecutionContext();
ExecutionContext ecJob = jobExecution.getExecutionContext();

什么是JobRepository

JobRepository是一個用于將上述job，step等概念進行持久化的一個類。它同時給Job和Step以及下文會提到的JobLauncher實現(xiàn)提供CRUD操作。首次啟動Job時，將從repository中獲取JobExecution，并且在執(zhí)行批處理的過程中，StepExecution和JobExecution將被存儲到repository當中。

@EnableBatchProcessing注解可以為JobRepository提供自動配置。

< id="joblauncher">什么是JobLauncher

JobLauncher這個接口的功能非常簡單，它是用于啟動指定了JobParameters的Job，為什么這里要強調(diào)指定了JobParameter，原因其實我們在前面已經(jīng)提到了，jobparameter和job一起才能組成一次job的執(zhí)行。下面是代碼實例：

public interface JobLauncher {
 
public JobExecution run(Job job, JobParameters jobParameters)
 throws JobExecutionAlreadyRunningException, JobRestartException,
 JobInstanceAlreadyCompleteException, JobParametersInvalidException;
}

上面run方法實現(xiàn)的功能是根據(jù)傳入的job以及jobparamaters從JobRepository獲取一個JobExecution并執(zhí)行Job。

什么是Item Reader

ItemReader是一個讀數(shù)據(jù)的抽象，它的功能是為每一個Step提供數(shù)據(jù)輸入。當ItemReader以及讀完所有數(shù)據(jù)時，它會返回null來告訴后續(xù)操作數(shù)據(jù)已經(jīng)讀完。Spring Batch為ItemReader提供了非常多的有用的實現(xiàn)類，比如JdbcPagingItemReader，JdbcCursorItemReader等等。

ItemReader支持的讀入的數(shù)據(jù)源也是非常豐富的，包括各種類型的數(shù)據(jù)庫，文件，數(shù)據(jù)流，等等。幾乎涵蓋了我們的所有場景。

下面是一個JdbcPagingItemReader的例子代碼：

@Bean
public JdbcPagingItemReader itemReader(DataSource dataSource, PagingQueryProvider queryProvider) {
 Map<String, Object> parameterValues = new HashMap<>();
 parameterValues.put("status", "NEW");
 
 return new JdbcPagingItemReaderBuilder<CustomerCredit>()
 .name("creditReader")
 .dataSource(dataSource)
 .queryProvider(queryProvider)
 .parameterValues(parameterValues)
 .rowMapper(customerCreditMapper())
 .pageSize(1000)
 .build();
}
 
@Bean
public SqlPagingQueryProviderFactoryBean queryProvider() {
 SqlPagingQueryProviderFactoryBean provider = new SqlPagingQueryProviderFactoryBean();
 
 provider.setSelectClause("select id, name, credit");
 provider.setFromClause("from customer");
 provider.setWhereClause("where status=:status");
 provider.setSortKey("id");
 
 return provider;
}

JdbcPagingItemReader必須指定一個PagingQueryProvider，負責提供SQL查詢語句來按分頁返回數(shù)據(jù)。

下面是一個JdbcCursorItemReader的例子代碼:

 private JdbcCursorItemReader<Map<String, Object>> buildItemReader(final DataSource dataSource, String tableName,
 String tenant) {
 
 JdbcCursorItemReader<Map<String, Object>> itemReader = new JdbcCursorItemReader<>();
 itemReader.setDataSource(dataSource);
 itemReader.setSql("sql here");
 itemReader.setRowMapper(new RowMapper());
 return itemReader;
 }

什么是Item Writer

既然ItemReader是讀數(shù)據(jù)的一個抽象，那么ItemWriter自然就是一個寫數(shù)據(jù)的抽象，它是為每一個step提供數(shù)據(jù)寫出的功能。寫的單位是可以配置的，我們可以一次寫一條數(shù)據(jù)，也可以一次寫一個chunk的數(shù)據(jù)，關(guān)于chunk下文會有專門的介紹。ItemWriter對于讀入的數(shù)據(jù)是不能做任何操作的。

Spring Batch為ItemWriter也提供了非常多的有用的實現(xiàn)類，當然我們也可以去實現(xiàn)自己的writer功能。

什么是Item Processor

ItemProcessor對項目的業(yè)務(wù)邏輯處理的一個抽象, 當ItemReader讀取到一條記錄之后，ItemWriter還未寫入這條記錄之前，I我們可以借助temProcessor提供一個處理業(yè)務(wù)邏輯的功能，并對數(shù)據(jù)進行相應(yīng)操作。如果我們在ItemProcessor發(fā)現(xiàn)一條數(shù)據(jù)不應(yīng)該被寫入，可以通過返回null來表示。ItemProcessor和ItemReader以及ItemWriter可以非常好的結(jié)合在一起工作，他們之間的數(shù)據(jù)傳輸也非常方便。我們直接使用即可。

chunk 處理流程

spring batch提供了讓我們按照chunk處理數(shù)據(jù)的能力，一個chunk的示意圖如下：

它的意思就和圖示的一樣，由于我們一次batch的任務(wù)可能會有很多的數(shù)據(jù)讀寫操作，因此一條一條的處理并向數(shù)據(jù)庫提交的話效率不會很高，因此spring batch提供了chunk這個概念，我們可以設(shè)定一個chunk size，spring batch 將一條一條處理數(shù)據(jù)，但不提交到數(shù)據(jù)庫，只有當處理的數(shù)據(jù)數(shù)量達到chunk size設(shè)定的值得時候，才一起去commit.

java的實例定義代碼如下：

在上面這個step里面，chunk size被設(shè)為了10，當ItemReader讀的數(shù)據(jù)數(shù)量達到10的時候，這一批次的數(shù)據(jù)就一起被傳到itemWriter，同時transaction被提交。

skip策略和失敗處理

一個batch的job的step，可能會處理非常大數(shù)量的數(shù)據(jù)，難免會遇到出錯的情況，出錯的情況雖出現(xiàn)的概率較小，但是我們不得不考慮這些情況，因為我們做數(shù)據(jù)遷移最重要的是要保證數(shù)據(jù)的最終一致性。spring batch當然也考慮到了這種情況，并且為我們提供了相關(guān)的技術(shù)支持，請看如下bean的配置：

我們需要留意這三個方法，分別是skipLimit(),skip(),noSkip(),

skipLimit方法的意思是我們可以設(shè)定一個我們允許的這個step可以跳過的異常數(shù)量，假如我們設(shè)定為10，則當這個step運行時，只要出現(xiàn)的異常數(shù)目不超過10，整個step都不會fail。注意，若不設(shè)定skipLimit，則其默認值是0.

skip方法我們可以指定我們可以跳過的異常，因為有些異常的出現(xiàn)，我們是可以忽略的。

noSkip方法的意思則是指出現(xiàn)這個異常我們不想跳過，因此這種異常出現(xiàn)一次時，計數(shù)器就會加一，直到達到上限。

批處理操作指南

本部分是一些使用spring batch時的值得注意的點

批處理原則

在構(gòu)建批處理解決方案時，應(yīng)考慮以下關(guān)鍵原則和注意事項。

批處理體系結(jié)構(gòu)通常會影響體系結(jié)構(gòu)
盡可能簡化并避免在單批應(yīng)用程序中構(gòu)建復雜的邏輯結(jié)構(gòu)
保持數(shù)據(jù)的處理和存儲在物理上靠得很近（換句話說，將數(shù)據(jù)保存在處理過程中）。
最大限度地減少系統(tǒng)資源的使用，尤其是I / O. 在internal memory中執(zhí)行盡可能多的操作。
查看應(yīng)用程序I / O（分析SQL語句）以確保避免不必要的物理I / O. 特別是，需要尋找以下四個常見缺陷：

當數(shù)據(jù)可以被讀取一次并緩存或保存在工作存儲中時，讀取每個事務(wù)的數(shù)據(jù)。
重新讀取先前在同一事務(wù)中讀取數(shù)據(jù)的事務(wù)的數(shù)據(jù)。
導致不必要的表或索引掃描。
未在SQL語句的WHERE子句中指定鍵值。

在批處理運行中不要做兩次一樣的事情。例如，如果需要數(shù)據(jù)匯總以用于報告目的，則應(yīng)該（如果可能）在最初處理數(shù)據(jù)時遞增存儲的總計，因此您的報告應(yīng)用程序不必重新處理相同的數(shù)據(jù)。
在批處理應(yīng)用程序開始時分配足夠的內(nèi)存，以避免在此過程中進行耗時的重新分配。
總是假設(shè)數(shù)據(jù)完整性最差。插入適當?shù)臋z查和記錄驗證以維護數(shù)據(jù)完整性。
盡可能實施校驗和以進行內(nèi)部驗證。例如，對于一個文件里的數(shù)據(jù)應(yīng)該有一個數(shù)據(jù)條數(shù)紀錄，告訴文件中的記錄總數(shù)以及關(guān)鍵字段的匯總。
在具有真實數(shù)據(jù)量的類似生產(chǎn)環(huán)境中盡早計劃和執(zhí)行壓力測試。
在大批量系統(tǒng)中，數(shù)據(jù)備份可能具有挑戰(zhàn)性，特別是如果系統(tǒng)以24-7在線的情況運行。數(shù)據(jù)庫備份通常在在線設(shè)計中得到很好的處理，但文件備份應(yīng)該被視為同樣重要。如果系統(tǒng)依賴于文件，則文件備份過程不僅應(yīng)該到位并記錄在案，還應(yīng)定期進行測試。