如何使用Spring Batch批處理框架

這篇文章主要講解了“如何使用Spring Batch批處理框架”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“如何使用Spring Batch批處理框架”吧！

1 前言

Spring Batch是一個輕量級的、完善的批處理框架，作為Spring體系中的一員，它擁有靈活、方便、生產可用的特點。在應對高效處理大量信息、定時處理大量數據等場景十分簡便。

結合調度框架能更大地發揮Spring Batch的作用。

2 Spring Batch的概念知識

2.1 分層架構

Spring Batch的分層架構圖如下：

通過例子講解Spring Batch入門，優秀的批處理框架

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和開發人員自定義的代碼，主要是根據項目需要開發的業務流程等。

•  Batch Core核心層：包含啟動和管理任務的運行環境類，如JobLauncher等。

•  Batch Infrastructure基礎層：上面兩層是建立在基礎層之上的，包含基礎的讀入reader和寫出writer、重試框架等。

2.2 關鍵概念

理解下圖所涉及的概念至關重要，不然很難進行后續開發和問題分析。

通過例子講解Spring Batch入門，優秀的批處理框架

2.2.1 JobRepository

專門負責與數據庫打交道，對整個批處理的新增、更新、執行進行記錄。所以Spring Batch是需要依賴數據庫來管理的。

2.2.2 任務啟動器JobLauncher

負責啟動任務Job。

2.2.3 任務Job

Job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所定義的內容。

通過例子講解Spring Batch入門，優秀的批處理框架

上圖介紹了Job的一些相關概念：

•  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，參數不同，所以定義好一個Job后可以通過不同參數運行多次。

•  JobParameters：與JobInstance相關聯的參數。

•  JobExecution：代表Job的一次實際執行，可能成功、可能失敗。

所以，開發人員要做的事情，就是定義Job。

2.2.4 步驟Step

Step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按特定邏輯執行，才代表Job執行完成。

通過例子講解Spring Batch入門，優秀的批處理框架

通過定義Step來組裝Job可以更靈活地實現復雜的業務邏輯。

2.2.5 輸入——處理——輸出

所以，定義一個Job關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從文件輸入數據，然后通過Item Processor進行業務處理和數據轉換，最后通過Item Writer寫到數據庫中去。

Spring Batch為我們提供了許多開箱即用的Reader和Writer，非常方便。

3 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文件中讀數據，處理后輸出到一個csv文件。

3.1 基本框架

添加依賴：

<dependency>    <groupId>org.springframework.boot</groupId>    <artifactId>spring-boot-starter-batch</artifactId>  </dependency>  <dependency>    <groupId>com.h3database</groupId>    <artifactId>h3</artifactId>    <scope>runtime</scope>  </dependency>

需要添加Spring Batch的依賴，同時使用H2作為內存數據庫比較方便，實際生產肯定是要使用外部的數據庫，如Oracle、PostgreSQL。

入口主類：

@SpringBootApplication  @EnableBatchProcessing  public class PkslowBatchJobMain {      public static void main(String[] args) {          SpringApplication.run(PkslowBatchJobMain.class, args);      }  }

也很簡單，只是在Springboot的基礎上添加注解@EnableBatchProcessing。

領域實體類Employee：

package com.pkslow.batch.entity;  public class Employee {      String id;      String firstName;      String lastName;  }

對應的csv文件內容如下：

id,firstName,lastName  1,Lokesh,Gupta  2,Amit,Mishra  3,Pankaj,Kumar  4,David,Miller

3.2 輸入——處理——輸出

3.2.1 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;  @Bean  public MultiResourceItemReader<Employee> multiResourceItemReader()  {   MultiResourceItemReader<Employee> resourceItemReader = new MultiResourceItemReader<Employee>();    resourceItemReader.setResources(inputResources);    resourceItemReader.setDelegate(reader());   return resourceItemReader;  }  @Bean public 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據。

3.2.2 處理ItemProcessor

為了簡單演示，處理很簡單，就是把最后一列轉為大寫：

public ItemProcessor<Employee, Employee> itemProcessor() {    return employee -> {      employee.setLastName(employee.getLastName().toUpperCase());      return employee;    };  }

3.2.3 輸出ItremWriter

比較簡單，代碼及注釋如下：

private Resource outputResource = new FileSystemResource("output/outputData.csv");  @Bean  public 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;  }

3.3 Step

有了Reader-Processor-Writer后，就可以定義Step了：

@Bean  public 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，可以根據自己需求定義。

3.4 Job

完成了Step的編碼，定義Job就容易了：

@Bean  public Job pkslowCsvJob() {    return jobBuilderFactory      .get("pkslowCsvJob")      .incrementer(new RunIdIncrementer())      .start(csvStep())      .build();  }

3.5 運行

完成以上編碼后，執行程序，結果如下：

通過例子講解Spring Batch入門，優秀的批處理框架

成功讀取數據，并將最后字段轉為大寫，并輸出到outputData.csv文件。

4 監聽Listener

可以通過Listener接口對特定事件進行監聽，以實現更多業務功能。比如如果處理失敗，就記錄一條失敗日志；處理完成，就通知下游拿數據等。

我們分別對Read、Process和Write事件進行監聽，對應分別要實現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);      }  }

把實現的監聽器listener整合到Step中去：

@Bean  public 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();  }

執行后看一下日志：

通過例子講解Spring Batch入門，優秀的批處理框架

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。

感謝各位的閱讀，以上就是“如何使用Spring Batch批處理框架”的內容了，經過本文的學習后，相信大家對如何使用Spring Batch批處理框架這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！