詳解批處理框架之Spring Batch
Spring Batch的分層架構(gòu)圖如下：
可以看到它分為三層，分別是：
Application應用層：包含了所有任務batch jobs和開發(fā)人員自定義的代碼，主要是根據(jù)項目需要開發(fā)的業(yè)務流程等。 Batch Core核心層：包含啟動和管理任務的運行環(huán)境類，如JobLauncher等。 Batch Infrastructure基礎(chǔ)層：上面兩層是建立在基礎(chǔ)層之上的，包含基礎(chǔ)的讀入reader和寫出writer、重試框架等。1.2、關(guān)鍵概念理解下圖所涉及的概念至關(guān)重要，不然很難進行后續(xù)開發(fā)和問題分析。
專門負責與數(shù)據(jù)庫打交道，對整個批處理的新增、更新、執(zhí)行進行記錄。所以Spring Batch是需要依賴數(shù)據(jù)庫來管理的。
1.2.2、任務啟動器JobLauncher負責啟動任務Job。
1.2.3、任務JobJob是封裝整個批處理過程的單位，跑一個批處理任務，就是跑一個Job所定義的內(nèi)容。
上圖介紹了Job的一些相關(guān)概念：
Job：封裝處理實體，定義過程邏輯。 JobInstance：Job的運行實例，不同的實例，參數(shù)不同，所以定義好一個Job后可以通過不同參數(shù)運行多次。 JobParameters：與JobInstance相關(guān)聯(lián)的參數(shù)。 JobExecution：代表Job的一次實際執(zhí)行，可能成功、可能失敗。所以，開發(fā)人員要做的事情，就是定義Job。
1.2.4、步驟StepStep是對Job某個過程的封裝，一個Job可以包含一個或多個Step，一步步的Step按特定邏輯執(zhí)行，才代表Job執(zhí)行完成。
通過定義Step來組裝Job可以更靈活地實現(xiàn)復雜的業(yè)務邏輯。
1.2.5、輸入——處理——輸出所以，定義一個Job關(guān)鍵是定義好一個或多個Step，然后把它們組裝好即可。而定義Step有多種方法，但有一種常用的模型就是輸入——處理——輸出，即Item Reader、Item Processor和Item Writer。比如通過Item Reader從文件輸入數(shù)據(jù)，然后通過Item Processor進行業(yè)務處理和數(shù)據(jù)轉(zhuǎn)換，最后通過Item Writer寫到數(shù)據(jù)庫中去。
Spring Batch為我們提供了許多開箱即用的Reader和Writer，非常方便。
二、代碼實例理解了基本概念后，就直接通過代碼來感受一下吧。整個項目的功能是從多個csv文件中讀數(shù)據(jù)，處理后輸出到一個csv文件。
2.1、基本框架添加依賴：
<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-batch</artifactId></dependency><dependency> <groupId>com.h2database</groupId> <artifactId>h2</artifactId> <scope>runtime</scope></dependency>
需要添加Spring Batch的依賴，同時使用H2作為內(nèi)存數(shù)據(jù)庫比較方便，實際生產(chǎn)肯定是要使用外部的數(shù)據(jù)庫，如Oracle、PostgreSQL。
入口主類：
@SpringBootApplication@EnableBatchProcessingpublic class PkslowBatchJobMain { public static void main(String[] args) {SpringApplication.run(PkslowBatchJobMain.class, args); }}
也很簡單，只是在Springboot的基礎(chǔ)上添加注解@EnableBatchProcessing。
領(lǐng)域?qū)嶓w類Employee：
package com.pkslow.batch.entity;public class Employee { String id; String firstName; String lastName;}
對應的csv文件內(nèi)容如下：
id,firstName,lastName
1,Lokesh,Gupta
2,Amit,Mishra
3,Pankaj,Kumar
4,David,Miller
2.2、輸入——處理——輸出2.2.1、讀取ItemReader因為有多個輸入文件，所以定義如下：
@Value('input/inputData*.csv')private Resource[] inputResources;@Beanpublic MultiResourceItemReader<Employee> multiResourceItemReader(){ MultiResourceItemReader<Employee> resourceItemReader = new MultiResourceItemReader<Employee>(); resourceItemReader.setResources(inputResources); resourceItemReader.setDelegate(reader()); return resourceItemReader;}@Beanpublic FlatFileItemReader<Employee> reader(){ FlatFileItemReader<Employee> reader = new FlatFileItemReader<Employee>(); //跳過csv文件第一行，為表頭 reader.setLinesToSkip(1); reader.setLineMapper(new DefaultLineMapper() { { setLineTokenizer(new DelimitedLineTokenizer() {{ //字段名 setNames(new String[] { 'id', 'firstName', 'lastName' });} }); setFieldSetMapper(new BeanWrapperFieldSetMapper<Employee>() {{ //轉(zhuǎn)換化后的目標類 setTargetType(Employee.class);} }); } }); return reader;}
這里使用了FlatFileItemReader，方便我們從文件讀取數(shù)據(jù)。
2.2.2、處理ItemProcessor為了簡單演示，處理很簡單，就是把最后一列轉(zhuǎn)為大寫：
public ItemProcessor<Employee, Employee> itemProcessor() { return employee -> { employee.setLastName(employee.getLastName().toUpperCase()); return employee; };}2.2.3、輸出ItremWriter
比較簡單，代碼及注釋如下：
private Resource outputResource = new FileSystemResource('output/outputData.csv');@Beanpublic FlatFileItemWriter<Employee> writer(){ FlatFileItemWriter<Employee> writer = new FlatFileItemWriter<>(); writer.setResource(outputResource); //是否為追加模式 writer.setAppendAllowed(true); writer.setLineAggregator(new DelimitedLineAggregator<Employee>() { { //設置分割符 setDelimiter(','); setFieldExtractor(new BeanWrapperFieldExtractor<Employee>() {{ //設置字段 setNames(new String[] { 'id', 'firstName', 'lastName' });} }); } }); return writer;}2.3、Step
有了Reader-Processor-Writer后，就可以定義Step了：
@Beanpublic Step csvStep() { return stepBuilderFactory.get('csvStep').<Employee, Employee>chunk(5) .reader(multiResourceItemReader()) .processor(itemProcessor()) .writer(writer()) .build();}
這里有一個chunk的設置，值為5，意思是5條記錄后再提交輸出，可以根據(jù)自己需求定義。
2.4、Job完成了Step的編碼，定義Job就容易了：
@Beanpublic Job pkslowCsvJob() { return jobBuilderFactory .get('pkslowCsvJob') .incrementer(new RunIdIncrementer()) .start(csvStep()) .build();}2.5、運行
完成以上編碼后，執(zhí)行程序，結(jié)果如下：
成功讀取數(shù)據(jù)，并將最后字段轉(zhuǎn)為大寫，并輸出到outputData.csv文件。
三、監(jiān)聽Listener可以通過Listener接口對特定事件進行監(jiān)聽，以實現(xiàn)更多業(yè)務功能。比如如果處理失敗，就記錄一條失敗日志；處理完成，就通知下游拿數(shù)據(jù)等。
我們分別對Read、Process和Write事件進行監(jiān)聽，對應分別要實現(xiàn)ItemReadListener接口、ItemProcessListener接口和ItemWriteListener接口。因為代碼比較簡單，就是打印一下日志，這里只貼出ItemWriteListener的實現(xiàn)代碼：
public class PkslowWriteListener implements ItemWriteListener<Employee> { private static final Log logger = LogFactory.getLog(PkslowWriteListener.class); @Override public void beforeWrite(List<? extends Employee> list) {logger.info('beforeWrite: ' + list); } @Override public void afterWrite(List<? extends Employee> list) {logger.info('afterWrite: ' + list); } @Override public void onWriteError(Exception e, List<? extends Employee> list) {logger.info('onWriteError: ' + list); }}
把實現(xiàn)的監(jiān)聽器listener整合到Step中去：
@Beanpublic Step csvStep() { return stepBuilderFactory.get('csvStep').<Employee, Employee>chunk(5) .reader(multiResourceItemReader()) .listener(new PkslowReadListener()) .processor(itemProcessor()) .listener(new PkslowProcessListener()) .writer(writer()) .listener(new PkslowWriteListener()) .build();}
執(zhí)行后看一下日志：
這里就能明顯看到之前設置的chunk的作用了。Writer每次是處理5條記錄，如果一條輸出一次，會對IO造成壓力。
以上就是詳解Spring Batch入門之優(yōu)秀的批處理框架的詳細內(nèi)容，更多關(guān)于Spring Batch 批處理框架的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章！
相關(guān)文章：
網(wǎng)公網(wǎng)安備