批處理框架?Spring?Batch?這么強，你會用嗎？
[導讀]springbatch簡介springbatch是spring提供的一個數(shù)據(jù)處理框架。企業(yè)域中的許多應用程序需要批量處理才能在關鍵任務環(huán)境中執(zhí)行業(yè)務操作。這些業(yè)務運營包括：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...
spring batch簡介
spring batch是spring提供的一個數(shù)據(jù)處理框架。企業(yè)域中的許多應用程序需要批量處理才能在關鍵任務環(huán)境中執(zhí)行業(yè)務操作。這些業(yè)務運營包括：- 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)務規(guī)則的定期應用（例如，保險利益確定或費率調整）。
- 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架構介紹
一個典型的批處理應用程序大致如下：- 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)。
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?
??*/
?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：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，假設第一次運行01-01-2019的JobInstance結果是失敗。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?
??*/
?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：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都包含對其相應步驟的引用以及JobExecution和事務相關的數(shù)據(jù)，例如提交和回滾計數(shù)以及開始和結束時間。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ExecutionContextExecutionContext?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。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?parameterValues?=?new?HashMap<>();
????????parameterValues.put("status",?"NEW");
?
????????return?new?JdbcPagingItemReaderBuilder()
???????????????????????????????????????????.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>?buildItemReader(final?DataSource?dataSource,?String?tableName,
????????????String?tenant)?{
?
????????JdbcCursorItemReader>?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)務邏輯的功能，并對數(shù)據(jù)進行相應操作。如果我們在ItemProcessor發(fā)現(xiàn)一條數(shù)據(jù)不應該被寫入，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：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的技術支持，請看如下bean的配置：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
在構建批處理解決方案時，應考慮以下關鍵原則和注意事項。- 批處理體系結構通常會影響體系結構
- 盡可能簡化并避免在單批應用程序中構建復雜的邏輯結構
- 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，讀取每個事務的數(shù)據(jù)。
- 重新讀取先前在同一事務中讀取數(shù)據(jù)的事務的數(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，因此您的報告應用程序不必重新處理相同的數(shù)據(jù)。
- 在批處理應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計中得到很好的處理，但文件備份應該被視為同樣重要。如果系統(tǒng)依賴于文件，則文件備份過程不僅應該到位并記錄在案，還應定期進行測試。
如何默認不啟動job
在使用java config使用spring batch的job時，如果不做任何配置，項目在啟動時就會默認去跑我們定義好的批處理job。那么如何讓項目在啟動時不自動去跑job呢？spring batch的job會在項目啟動時自動run，如果我們不想讓他在啟動時run的話，可以在application.properties中添加如下屬性：spring.batch.job.enabled=false
在讀數(shù)據(jù)時內(nèi)存不夠
在使用spring batch做數(shù)據(jù)遷移時，發(fā)現(xiàn)在job啟動后，執(zhí)行到一定時間點時就卡在一個地方不動了，且log也不再打印，等待一段時間之后，得到如下錯誤：Resource exhaustion event：the JVM was unable to allocate memory from the heap.翻譯過來的意思就是項目發(fā)出了一個資源耗盡的事件，告訴我們java虛擬機無法再為堆分配內(nèi)存。造成這個錯誤的原因是: 這個項目里的batch job的reader是一次性拿回了數(shù)據(jù)庫里的所有數(shù)據(jù)，并沒有進行分頁，當這個數(shù)據(jù)量太大時，就會導致內(nèi)存不夠用。解決的辦法有兩個:- 調整reader讀數(shù)據(jù)邏輯，按分頁讀取，但實現(xiàn)上會麻煩一些，且運行效率會下降
- 增大service內(nèi)存
下載文檔
