Spring Batch批处理

批处理顾名思义是批量处理大量数据，但是这个大量数据又不是特别大的大数据，比Hadoop等要轻量得多，适合企业单位人数薪资计算，财务系统月底一次性结算等常规数据批量处理。

　　Spring Batch是一个用于创建健壮的批处理应用程序的完整框架。您可以创建可重用的函数来处理大量数据或任务，通常称为批量处理。

如Spring Batch文档中所述，使用该框架的最常见方案如下：
•定期提交批处理
•并行处理作业的并发批处理
•分阶段，企业消息驱动处理
•大型并行批处理
•手动或故障后的计划重新启动
•依赖步骤的顺序处理（扩展到工作流程驱动的批处理）
•部分处理：跳过记录（例如，回滚时）
•整批事务：对于批量小或现有存储过程的情况/脚本

Spring Batch的特点有：

1. 事务管理，让您专注于业务处理，实现批处理机制，你可以引入平台事务机制或其他事务管理器机制
2. 基于块Chunk的处理，通过将一大段大量数据分成一段段小数据来处理，。
3. 启动/停止/重新启动/跳过/重试功能，以处理过程的非交互式管理。
4. 基于Web的管理界面（Spring Batch Admin），它提供了一个用于管理任务的API。
5. 基于Spring框架，因此它包括所有配置选项，包括依赖注入。
6. 符合JSR 352：Java平台的批处理应用程序。
7. 基于数据库管理的批处理，可与Spring Cloud Task结合，适合分布式集群下处理。
8. 能够进行多线程并行处理，分布式系统下并行处理，变成一种弹性Job分布式处理框架。

Spring批处理的基本单元是Job，你需要定义一个Job代表一次批处理工作，每个Job分很多步骤step，每个步骤里面有两种处理方式Tasklet(可重复执行的小任务)和Chunk(块)，掌握Spring Batch主要是将这几个核心概念搞清楚。

image.png
在SpringBoot架构下，我们只要做一个JobConfig组件作为JobLauncher，使用@Configuration配置，然后完成上图中Job和Step以及ItemReader，ItemProcessor和ItemWriter，后面这三个分别是存在一个步骤里，用于处理条目的输入读 、处理然后输出写出。至于图中JobRepository只要我们在Application.properties中配置上datasource，SpringBoot启动时会自动将batch需要的库表导入到数据库中。

下图是每个步骤内部的事务处理过程，在进行读入 处理和写出时，如果有任何一个步骤出错，将会事务回滚，也只有这三个步骤全部完成，才能提交事务机制，进而完成一个步骤。

image.png

下面我们看一个简单案例如何使用SpringBatch的，这个案例功能是从一个CSV文件中导入数据到数据库中。

首先导入pom.xml:

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-batch</artifactId>
</dependency>

<dependency>
    <groupId>mysql</groupId>
    <artifactId>mysql-connector-java</artifactId>
    <scope>runtime</scope>
</dependency>

这里使用MysSQL作为Job仓库，在Application.properties配置：

spring.batch.initialize-schema=always

spring.datasource.url=jdbc:mysql://localhost:3306/mytest
spring.datasource.username=banq
spring.datasource.password=XXX
spring.datasource.driver-class-name=com.mysql.jdbc.Driver

配置了spring.batch.initialize-schema为always这样能自动启动时导入批处理需要的数据库表。

下面我们实现批处理的关键类@Configuration:

首先定义一个Job：

@Bean
public Job importUserJob() {
   return jobBuilderFactory.get("importUserJob")
         .incrementer(new RunIdIncrementer())
         .flow(step1())
         .end()
         .build();
}

这个Job名称是importUserJob，其中使用了步骤step1:

@Bean
public Step step1() {
   return stepBuilderFactory.get("step1").<User, User> chunk(3)
         .reader(reader())
         .processor(processor())
         .writer(writer())
         .build();
}

这个步骤step1中使用了chunk，分块读取数据处理后输出。下面是依次看看输入 处理和输出的方法：

@Bean
public FlatFileItemReader<User> reader(){
   FlatFileItemReader<User> reader = new FlatFileItemReader<User>();
   reader.setResource(new ClassPathResource("users.csv"));
   reader.setLineMapper(new DefaultLineMapper<User>() {{
      setLineTokenizer(new DelimitedLineTokenizer() {{
         setNames(new String[] { "name" });
      }});
      setFieldSetMapper(new BeanWrapperFieldSetMapper<User>() {{
         setTargetType(User.class);
      }});

   }});

   return reader;
}

这是输入，读取classpath下的uers.csv文件：

testdata1
testdata2
testdata3

一次读入三行，提取一行中数据作为User这个对象的name输入其中：

@Entity
public class User {

   @Id
   @GeneratedValue(strategy = GenerationType.IDENTITY)
   private int id ;

   public int getId() {
      return id;
   }

   public void setId(int id) {
      this.id = id;
   }

   private String name;

   public String getName() {
      return name;
   }

   public void setName(String name) {
      this.name = name;
   }
}

User是我们的一个实体数据，其中ID使用数据库自增，name由user.csv导入，User对应的数据表schema.sql是：

CREATE TABLE  `user` (
  `id` int(11) NOT NULL auto_increment,
  `name` varchar(45) NOT NULL default '',
  PRIMARY KEY  (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

我们只要在pom.xml中导入JPA包：

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-jpa</artifactId>
</dependency>

并在application.properties中加入，就可以在SpringBoot启动时，自动使用datasource配置的数据库建立User表了。

spring.jpa.generate-ddl=true

下面我们回到批处理，前面定义了输入，下面依次是条目处理：

public class UserItemProcessor implements ItemProcessor<User, User> {

   @Override
   public User process(User user) throws Exception {
      return user;
   }
}

这个条目处理就是对每个User对象进行处理，这时User对象已经包含了从CSV读取的数据，如果希望再进行加工处理就在这里进行。

下面是条目输出：

@Bean
public JdbcBatchItemWriter<User> writer(){
   JdbcBatchItemWriter<User> writer = new JdbcBatchItemWriter<User>();
   writer.setItemSqlParameterSourceProvider(new BeanPropertyItemSqlParameterSourceProvider<User>());
   writer.setSql("INSERT INTO user(name) VALUES (:name)");
   writer.setDataSource(dataSource);

   return writer;
}

每一行数据我们从CSV读出以后放入到User中，然后再插入数据表user保存。

至此，我们简单完成了一个批处理开发过程，具体代码见 Github

下面我们会展示更多Springbatch特性：

Spring scheduler调度计划 给批处理加上调用计划执行时间

Spring并行批处理 并行处理利用多线程或多流程并行处理

Spring批处理远程分块 实现主从计算的分布式批处理架构

Spring批处理分区 对数据进行分片sharding后分区用多线程或分布式系统处理

Trivadis银行的Spring Batch实践教训

批处理最佳实践