基于SpringBoot使用Spring Batch批处理框架，处理大数据新方案

环境：Springboot2.4.12 + Spring Batch4.2.7

Spring Batch是一个轻量级的，完全面向Spring的批处理框架，可以应用于企业级大量的数据处理系统。Spring Batch以POJO和大家熟知的Spring框架为基础，使开发者更容易的访问和利用企业级服务。Spring Batch可以提供大量的，可重复的数据处理功能，包括日志记录/跟踪，事务管理，作业处理统计工作重新启动、跳过，和资源管理等重要功能。

业务场景：

技术目标：

• 批处理开发人员使用Spring编程模型：专注于业务逻辑，让框架负责基础设施。
• 基础架构、批处理执行环境和批处理应用程序之间的关注点清晰分离。
• 提供通用的核心执行服务，作为所有项目都可以实现的接口。
• 提供可“开箱即用”的核心执行接口的简单和默认实现。
• 通过在所有层中利用spring框架，可以轻松配置、定制和扩展服务。
• 所有现有的核心服务都应该易于替换或扩展，而不会对基础架构层造成任何影响。
• 提供一个简单的部署模型，使用Maven构建的架构JAR与应用程序完全分离。

Spring Batch的结构：

图片

此分层体系结构突出了三个主要的高级组件：应用程序、核心和基础架构。该应用程序包含开发人员使用SpringBatch编写的所有批处理作业和自定义代码。批处理核心包含启动和控制批处理作业所需的核心运行时类。它包括JobLauncher、Job和Step的实现。应用程序和核心都构建在公共基础架构之上。此基础结构包含公共读写器和服务（如RetryTemplate），应用程序开发人员（读写器，如ItemReader和ItemWriter）和核心框架本身（retry，它是自己的库）都使用这些服务。

下面介绍开发流程

本例完成 读取文件内容，经过处理后，将数据保存到数据库中

引入依赖

 
  org.springframework.boot
  spring-boot-starter-batch
 
 
  org.springframework.boot
  spring-boot-starter-web
 
 
  org.springframework.boot
  spring-boot-starter-data-jpa
 
 
  mysql
  mysql-connector-java
 
 
  org.hibernate
  hibernate-validator
  6.0.7.Final

应用配置文件

spring:
  datasource:
    driverClassName: com.mysql.cj.jdbc.Driver
    url: jdbc:mysql://localhost:3306/batch?serverTimeznotallow=GMT%2B8
    username: root
    password: *******
    type: com.zaxxer.hikari.HikariDataSource
    hikari:
      minimumIdle: 10
      maximumPoolSize: 200
      autoCommit: true
      idleTimeout: 30000
      poolName: MasterDatabookHikariCP
      maxLifetime: 1800000
      connectionTimeout: 30000
      connectionTestQuery: SELECT 1
---
spring:
  jpa:
    generateDdl: false
    hibernate:
      ddlAuto: update
    openInView: true
    show-sql: true
---
spring:
  batch:
    job:
      enabled: false #是否自动执行任务
    initialize-schema: always  #自动为我们创建数据库脚本

开启批处理功能

@Configuration
@EnableBatchProcessing
public class BatchConfig extends DefaultBatchConfigurer{
}

任务启动器

接着上一步的配置类BatchConfig重写对应方法

@Override
protected JobLauncher createJobLauncher() throws Exception {
  SimpleJobLauncher jobLauncher = new SimpleJobLauncher();
  jobLauncher.setJobRepository(createJobRepository());
  jobLauncher.afterPropertiesSet();
  return jobLauncher;
}

任务存储

接着上一步的配置类BatchConfig重写对应方法

@Resource
private PlatformTransactionManager transactionManager ;
@Override
protected JobRepository createJobRepository() throws Exception {
  JobRepositoryFactoryBean factory = new JobRepositoryFactoryBean();
  factory.setDatabaseType("mysql");
  factory.setTransactionManager(transactionManager);
  factory.setDataSource(dataSource);
  factory.afterPropertiesSet();
  return factory.getObject();
}

定义JOB

@Bean
public Job myJob(JobBuilderFactory builder, @Qualifier("myStep")Step step){
  return builder.get("myJob")
      .incrementer(new RunIdIncrementer())
      .flow(step)
      .end()
      .listener(jobExecutionListener)
      .build();
}

定义ItemReader读取器

@Bean
public ItemReader reader(){
  FlatFileItemReader reader = new FlatFileItemReader();
  reader.setResource(new ClassPathResource("cvs/persons.cvs"));
  reader.setLineMapper(new DefaultLineMapper() {
    // 代码块
    {
      setLineTokenizer(new DelimitedLineTokenizer(",") {
        {
          setNames("id", "name");
        }
      }) ;
      setFieldSetMapper(new BeanWrapperFieldSetMapper() {
        {
          setTargetType(Person.class) ;
        }
      });
    }
  });
  return reader;
}

定义ItemProcessor处理器

@Bean
public ItemProcessor processorPerson(){
  return new ItemProcessor() {
      @Override
      public Person2 process(Person item) throws Exception {
        Person2 p = new Person2() ;
        p.setId(item.getId()) ;
        p.setName(item.getName() + ", pk");
        return p ;
      }
  } ;
}

定义ItemWriter写数据

@Resource
private Validator validator ;
@Resource
private EntityManagerFactory entityManagerFactory ;
@Bean
public ItemWriter writerPerson(){
  JpaItemWriter writer = null ;
  JpaItemWriterBuilder builder = new JpaItemWriterBuilder() ;
  builder.entityManagerFactory(entityManagerFactory) ;
  writer = builder.build() ;
  return writer;
}

定义Step

@Bean
public Step myStep(StepBuilderFactory stepBuilderFactory, ItemReader reader, ItemWriter writer, ItemProcessor processor){
  return stepBuilderFactory
          .get("myStep")
          .chunk(2) // Chunk的机制(即每次读取一条数据，再处理一条数据，累积到一定数量后再一次性交给writer进行写入操作)
          .reader(reader).faultTolerant().retryLimit(3).retry(Exception.class).skip(Exception.class).skipLimit(2)
          .listener(new MyReadListener())
          .processor(processor)
          .writer(writer).faultTolerant().skip(Exception.class).skipLimit(2)
          .listener(new MyWriteListener())
          .build();
}

定义相应的监听器

public class MyReadListener implements ItemReadListener {
 
 
  private Logger logger = LoggerFactory.getLogger(MyReadListener.class);
 
 
  @Override
  public void beforeRead() {
  }
 
 
  @Override
  public void afterRead(Person item) {
    System.out.println("reader after: " + Thread.currentThread().getName()) ;
  }
 
 
  @Override
  public void onReadError(Exception ex) {
    logger.info("读取数据错误：{}", ex);
  }
}

@Component
public class MyWriteListener implements ItemWriteListener {
    private Logger logger = LoggerFactory.getLogger(MyWriteListener.class);
    @Override
    public void beforeWrite(List