1 前言
Spring Batch是一个轻量级的、完善的批处理框架,作为Spring体系中的一员,它拥有灵活、方便、生产可用的特点。在应对高效处理大量信息、定时处理大量数据等场景十分简便。
结合调度框架能更大地发挥Spring Batch的作用。
2 Spring Batch的概念知识
2.1 分层架构
Spring Batch的分层架构图如下:
通过例子讲解Spring Batch入门,优秀的批处理框架
可以看到它分为三层,分别是:
- Application应用层:包含了所有任务batch jobs和开发人员自定义的代码,主要是根据项目需要开发的业务流程等。
- Batch Core核心层:包含启动和管理任务的运行环境类,如JobLauncher等。
- Batch Infrastructure基础层:上面两层是建立在基础层之上的,包含基础的读入reader和写出writer、重试框架等。
2.2 关键概念
理解下图所涉及的概念至关重要,不然很难进行后续开发和问题分析。
通过例子讲解Spring Batch入门,优秀的批处理框架
2.2.1 JobRepository
专门负责与数据库打交道,对整个批处理的新增、更新、执行进行记录。所以Spring Batch是需要依赖数据库来管理的。
2.2.2 任务启动器JobLauncher
负责启动任务Job。
2.2.3 任务Job
Job是封装整个批处理过程的单位,跑一个批处理任务,就是跑一个Job所定义的内容。
通过例子讲解Spring Batch入门,优秀的批处理框架
上图介绍了Job的一些相关概念:
- Job:封装处理实体,定义过程逻辑。
- JobInstance:Job的运行实例,不同的实例,参数不同,所以定义好一个Job后可以通过不同参数运行多次。
- JobParameters:与JobInstance相关联的参数。
- JobExecution:代表Job的一次实际执行,可能成功、可能失败。
所以,开发人员要做的事情,就是定义Job。
2.2.4 步骤Step
Step是对Job某个过程的封装,一个Job可以包含一个或多个Step,一步步的Step按特定逻辑执行,才代表Job执行完成。
通过例子讲解Spring Batch入门,优秀的批处理框架
通过定义Step来组装Job可以更灵活地实现复杂的业务逻辑。
2.2.5 输入——处理——输出
所以,定义一个Job关键是定义好一个或多个Step,然后把它们组装好即可。而定义Step有多种方法,但有一种常用的模型就是输入——处理——输出,即Item Reader、Item Processor和Item Writer。比如通过Item Reader从文件输入数据,然后通过Item Processor进行业务处理和数据转换,最后通过Item Writer写到数据库中去。
Spring Batch为我们提供了许多开箱即用的Reader和Writer,非常方便。
3 代码实例
理解了基本概念后,就直接通过代码来感受一下吧。整个项目的功能是从多个csv文件中读数据,处理后输出到一个csv文件。
3.1 基本框架
添加依赖:
- <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的依赖,同时使用H2作为内存数据库比较方便,实际生产肯定是要使用外部的数据库,如Oracle、PostgreSQL。
入口主类:
- @SpringBootApplication
- @EnableBatchProcessing
- public class PkslowBatchJobMain {
- public static void main(String[] args) {
- SpringApplication.run(PkslowBatchJobMain.class, args);
- }
- }
也很简单,只是在Springboot的基础上添加注解@EnableBatchProcessing。
领域实体类Employee:
- package com.pkslow.batch.entity;
- public class Employee {
- String id;
- String firstName;
- String lastName;
- }
对应的csv文件内容如下:
- id,firstName,lastName
- 1,Lokesh,Gupta
- 2,Amit,Mishra
- 3,Pankaj,Kumar
- 4,David,Miller
3.2 输入——处理——输出
3.2.1 读取ItemReader
因为有多个输入文件,所以定义如下:
- @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>();
- //跳过csv文件第一行,为表头
- reader.setLinesToSkip(1);
- reader.setLineMapper(new DefaultLineMapper() {
- {
- setLineTokenizer(new DelimitedLineTokenizer() {
- {
- //字段名
- setNames(new String[] { "id", "firstName", "lastName" });
- }
- });
- setFieldSetMapper(new BeanWrapperFieldSetMapper<Employee>() {
- {
- //转换化后的目标类
- setTargetType(Employee.class);
- }
- });
- }
- });
- return reader;
- }
这里使用了FlatFileItemReader,方便我们从文件读取数据。
3.2.2 处理ItemProcessor
为了简单演示,处理很简单,就是把最后一列转为大写:
- public ItemProcessor<Employee, Employee> itemProcessor() {
- return employee -> {
- employee.setLastName(employee.getLastName().toUpperCase());
- return employee;
- };
- }
3.2.3 输出ItremWriter
比较简单,代码及注释如下:
- private Resource outputResource = new FileSystemResource("output/outputData.csv");
- @Bean
- public FlatFileItemWriter<Employee> writer()
- {
- FlatFileItemWriter<Employee> writer = new FlatFileItemWriter<>();
- writer.setResource(outputResource);
- //是否为追加模式
- writer.setAppendAllowed(true);
- writer.setLineAggregator(new DelimitedLineAggregator<Employee>() {
- {
- //设置分割符
- setDelimiter(",");
- setFieldExtractor(new BeanWrapperFieldExtractor<Employee>() {
- {
- //设置字段
- setNames(new String[] { "id", "firstName", "lastName" });
- }
- });
- }
- });
- return writer;
- }
3.3 Step
有了Reader-Processor-Writer后,就可以定义Step了:
- @Bean
- public Step csvStep() {
- return stepBuilderFactory.get("csvStep").<Employee, Employee>chunk(5)
- .reader(multiResourceItemReader())
- .processor(itemProcessor())
- .writer(writer())
- .build();
- }
这里有一个chunk的设置,值为5,意思是5条记录后再提交输出,可以根据自己需求定义。
3.4 Job
完成了Step的编码,定义Job就容易了:
- @Bean
- public Job pkslowCsvJob() {
- return jobBuilderFactory
- .get("pkslowCsvJob")
- .incrementer(new RunIdIncrementer())
- .start(csvStep())
- .build();
- }
3.5 运行
完成以上编码后,执行程序,结果如下:
通过例子讲解Spring Batch入门,优秀的批处理框架
成功读取数据,并将最后字段转为大写,并输出到outputData.csv文件。
4 监听Listener
可以通过Listener接口对特定事件进行监听,以实现更多业务功能。比如如果处理失败,就记录一条失败日志;处理完成,就通知下游拿数据等。
我们分别对Read、Process和Write事件进行监听,对应分别要实现ItemReadListener接口、ItemProcessListener接口和ItemWriteListener接口。因为代码比较简单,就是打印一下日志,这里只贴出ItemWriteListener的实现代码:
- 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);
- }
- }
把实现的监听器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();
- }
执行后看一下日志:
通过例子讲解Spring Batch入门,优秀的批处理框架
这里就能明显看到之前设置的chunk的作用了。Writer每次是处理5条记录,如果一条输出一次,会对IO造成压力。
5 总结
Spring Batch还有许多优秀的特性,如面对大量数据时的并行处理。本文主要入门介绍为主,不一一介绍,后续会专门讲解。