概述

本篇博客是記錄使用spring batch做數據遷移時時遇到的一個關鍵問題：數據遷移量大時如何保證內存。當我們在使用spring batch時，我們必須配置三個東西: reader，processor，和writer。其中，reader用于從數據庫中讀數據，當數據量較小時，reader的邏輯不會對內存帶來太多壓力，但是當我們要去讀的數據量非常大的時候，我們就不得不考慮內存等方面的問題，因為若數據量非常大，內存，執(zhí)行時間等等都會受到影響。關于spring batch的基礎知識和介紹請參考這篇博客：批處理框架spring batch介紹及使用。

問題是什么

在上面的內容當中我們已經提到了,我們面臨的問題是數據遷移量大時的內存問題。但是這樣的描述非常籠統(tǒng)，因此博主決定將這一部分單獨拎出來說。

在學習了spring batch的知識之后我們應該很清楚的一點是，每一個spring batch的step都包含如下的部分:

即讀數據，處理數據，寫數據。這三個步驟里面最可能會導致內存變大問題的無疑是讀數據環(huán)節(jié)。讀數據作為spring batch的數據輸入，是整個spring batch job的開頭邏輯。

若我們的數據量不大，如只有幾十萬條，那我們無疑不會面臨內存問題，即便一次將所有數據加載到內存當中，占的內存也不會非常多，且spring batch數據遷移的速度非常之快，幾十萬條的數據往往是幾十秒的時間就可以遷移完成。但是當數據量變大之后，問題就不一樣了。當我們的數據量達到數百萬或上千萬時，若一次性將所有數據全部讀到內存當中，則會占據遠遠超出正常范圍的非常大的內存。該問題示意圖如下所示:

我們寫的任何程序都會有一個運行內存,假設這個內存的總容量現在只有4g，而我們數據庫里需要操作的數據有8g，那么無疑，一次性的將數據讀出來就會出錯。這便是需要考慮得問題。

Spring提供的reader實現

spring提供了非常豐富的Reader實現，其中比較常用的從數據庫讀數據的有JdbcCursorItemReader,JdbcPagingItemReader等。

JdbcCursorItemReader

使用JdbcCursorItemReader的示例代碼如下：

@Bean
public JdbcCursorItemReader<CustomerCredit> itemReader() {
 return new JdbcCursorItemReaderBuilder<CustomerCredit>()
   .dataSource(this.dataSource)
   .name("creditReader")
   .sql("select ID, NAME, CREDIT from CUSTOMER")
   .rowMapper(new CustomerCreditRowMapper())
   .build();
 
}

JdbcCursorItemReader的好處在于使用簡單，但是我們從它的sql就能發(fā)現，JdbcCursorItemReader會一次把所有的數據全部拿回來，當數據量過大而服務器內存不夠時，就會遇到下面無法分配內存的問題：

報錯信息為:Resource exhaustion event:The JVM was unable to allocate memory from the heap. 意思就是需要分配內存的數據太多，但是無法找到足夠的內存了。

反映在內存里，堆內存會呈現出如下的情況:

隨著每一次數據讀入，堆內存都會增大，原因就在于JdbcCursorItemReader一次性讀回了所有的數據，返回之后就會存在一個對象里面，而這個對象的尺寸過大，因此直接進入了老年代。在數據遷移完成之前，這些數據都不會被回收。如下圖所示:

毫無疑問，當我們的數據量大時不應該使用這種類型的reader來讀取數據。

JdbcPagingItemReader

JdbcPagingItemReader的作用和它的名字一樣，它可以分頁讀取數據，但是使用起來相比于JdbcCursorItemReader更加復雜，示例代碼如下:

@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;
}

可以看到我們能夠設置page的大小，JdbcPagingItemReader將根據這個頁的大小，每次讀取這么多的數據，因此這些數據返回保存的對象，就只會是小對象，因此他們不會直接在老年代里分配，而是先分配在年輕代，隨著年輕代不斷變大，minor gc也不斷進行，回收掉已經處理完的數據，老年代的內存使用量不會有任何增大，類似下圖：

老年代內存不會有任何變化，年輕帶會隨著服務器數據遷移進行而增大同時被回收。

在使用JdbcPagingItemReader時，有一個必須注意的地方就是排序關鍵字是必須指定的，原因在于排序是分頁實現原理的技術基礎。sortKey和我們指定的其他字句一起構建出SQL語句出來。在sortKey上必須使用unique key constraint約束，因為只有這樣才能得以確保執(zhí)行之間不會丟失任何數據。這也可以說是JdbcCursorItemReader相對便利的一點優(yōu)勢。

總結

數據量小時選擇的方案差別不會很大，當數據量大時，為了有好的內存表現則使用分頁的reader是必要的。但同時，因為要實現分頁，也會帶來一些不可避免的限制。

到此這篇關于spring batch使用reader讀數據的內存容量問題詳解的文章就介紹到這了,更多相關spring batch使用reader讀數據內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論