batch spring 重复执行_Spring Batch批处理

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：

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

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，。

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。

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。

基于Spring框架，因此它包括所有配置选项，包括依赖注入。

符合JSR 352：Java平台的批处理应用程序。

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。

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。

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。

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:

org.springframework.boot

spring-boot-starter-batch

mysql

mysql-connector-java

runtime

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”). 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 reader(){

FlatFileItemReader reader = new FlatFileItemReader();

reader.setResource(new ClassPathResource(“users.csv”));

reader.setLineMapper(new DefaultLineMapper() {
{

setLineTokenizer(new DelimitedLineTokenizer() {
{

setNames(new String[] { “name” });

}});

setFieldSetMapper(new BeanWrapperFieldSetMapper() {
{

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：

org.springframework.boot

spring-boot-starter-data-jpa

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 {

@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 writer(){

JdbcBatchItemWriter writer = new JdbcBatchItemWriter();

writer.setItemSqlParameterSourceProvider(new BeanPropertyItemSqlParameterSourceProvider());

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

其他专题