Spring Batch(4)——Item概念及使用代码

时间  2019-11-06
标签 spring batch item 概念 使用 代码 栏目 Spring 繁體版
原文   原文链接

在 批处理概念 中介绍一个标准的批处理分为 Job 和 Step。本文将结合代码介绍在Step中Reader、Processor、Writer的实际使用。css

Reader

Reader是指从各类各样的外部输入中获取数据，框架为获取各类类型的文件已经预约义了常规的Reader实现类。Reader经过ItemReader接口实现：git

public interface ItemReader<T> {
    T read() throws Exception, UnexpectedInputException, ParseException, NonTransientResourceException;
}

read方法的做用就是读取一条数据，数据以泛型T的实体结构返回，当read返回null时表示全部数据读取完毕。返回的数据能够是任何结构，好比文件中的一行字符串，数据库的一行数据，或者xml文件中的一系列元素，只要是一个Java对象便可。github

Writer

Writer经过ItemWriter接口实现：spring

public interface ItemWriter<T> {
    void write(List<? extends T> items) throws Exception;
}

Writer是Reader的反向操做，是将数据写入到特定的数据源中。在Step控制一文已经介绍Writer是根据chunk属性设定的值按列表进行操做的，因此传入的是一个List结构。chunk用于表示批处理的事物分片，所以须要注意的是，在writer方法中进行完整数据写入事物操做。例如向数据库写入List中的数据，在写入完成以后再提交事物。数据库

读写的组合模式

不管是读仍是写，有时会须要从多个不一样的来源获取文件，或者写入到不一样的数据源，或者是须要在读和写之间处理一些业务。可使用组合模式来实现这个目的：框架

public class CompositeItemWriter<T> implements ItemWriter<T> {
    ItemWriter<T> itemWriter;
    public CompositeItemWriter(ItemWriter<T> itemWriter) {
        this.itemWriter = itemWriter;
    }

    public void write(List<? extends T> items) throws Exception {
        //Add business logic here
       itemWriter.write(items);
    }

    public void setDelegate(ItemWriter<T> itemWriter){
        this.itemWriter = itemWriter;
    }
}

Processor

除了使用组合模式，直接使用Processor是一种更优雅的方法。Processor是Step中的可选项，可是批处理大部分时候都须要对数据进行处理，所以框架提供了ItemProcessor接口来知足Processor过程：ide

public interface ItemProcessor<I, O> {
    O process(I item) throws Exception;
}

Processor的结构很是简单也是否易于理解。传入一个类型I，而后由Processor处理成为O。测试

Processor链

在一个Step中可使用多个Processor来按照顺序处理业务，此时一样可使用CompositeItem模式来实现：优化

@Bean
public CompositeItemProcessor compositeProcessor() {
    //建立 CompositeItemProcessor
    CompositeItemProcessor<Foo,Foobar> compositeProcessor = new CompositeItemProcessor<Foo,Foobar>();
    List itemProcessors = new ArrayList();
    //添加第一个 Processor
    itemProcessors.add(new FooTransformer());
    //添加第二个 Processor
    itemProcessors.add(new BarTransformer());
    //添加链表
    compositeProcessor.setDelegates(itemProcessors);
    return processor;
}

过滤记录

在Reader读取数据的过程当中，并非全部的数据均可以使用，此时Processor还能够用于过滤非必要的数据，同时不会影响Step的处理过程。只要ItemProcesspr的实现类在procss方法中返回null即表示改行数据被过滤掉了。ui

ItemStream

在Step控制一文中已经提到了ItemStream。在数据批处理概念中提到过，Spring Batch的每一步都是无状态的，进而Reader和Writer也是无状态的，这种方式可以很好的隔离每行数据的处理，也能将容错的范围收窄到能够空子的范围。可是这并不意味着整个批处理的过程当中并不须要控制状态。例如从数据库持续读入或写入数据，每次Reader和Writer都单独去申请数据源的连接、维护数据源的状态（打开、关闭等）。所以框架提供了ItemStream接口来完善这些操做：

public interface ItemStream {
    void open(ExecutionContext executionContext) throws ItemStreamException;
    void update(ExecutionContext executionContext) throws ItemStreamException;
    void close() throws ItemStreamException;
}

持久化数据

在使用Spring Batch以前须要初始化他的元数据存储（Meta-Data Schema）,也就是要将须要用到的表导入到对应的数据库中。固然，Spring Batch支持不使用任何持久化数据库，仅仅将数据放到内存中，不设置DataSource便可。

初始化序列

Spring Batch相关的工做须要使用序列SEQUENCE：

CREATE SEQUENCE BATCH_STEP_EXECUTION_SEQ;
CREATE SEQUENCE BATCH_JOB_EXECUTION_SEQ;
CREATE SEQUENCE BATCH_JOB_SEQ;

有些数据库不支持SEQUENCE，能够经过表代理，好比在MySql（InnoDB数据库）中：

CREATE TABLE BATCH_STEP_EXECUTION_SEQ (ID BIGINT NOT NULL);
INSERT INTO BATCH_STEP_EXECUTION_SEQ values(0);
CREATE TABLE BATCH_JOB_EXECUTION_SEQ (ID BIGINT NOT NULL);
INSERT INTO BATCH_JOB_EXECUTION_SEQ values(0);
CREATE TABLE BATCH_JOB_SEQ (ID BIGINT NOT NULL);
INSERT INTO BATCH_JOB_SEQ values(0);

关于Version字段

某些表中都有Version字段。由于Spring的更新策略是乐观锁，所以在进行数据更新以后都会对表的Version字段进行+1处理。在内存与数据库交互的过程当中，会使用采用getVersion、increaseVersion（+1）、updateDataAndVersion的过程，若是在update的时候发现Version不是预计的数值（+1），则会抛出OptimisticLockingFailureException的异常。当同一个Job在进群中不一样服务上执行时，须要注意这个问题。

BATCH_JOB_INSTANCE

BATCH_JOB_INSTANCE用于记录JobInstance，在数据批处理概念中介绍了他的工做方式，其结构为：

CREATE TABLE BATCH_JOB_INSTANCE  (
  JOB_INSTANCE_ID BIGINT  PRIMARY KEY ,
  VERSION BIGINT,
  JOB_NAME VARCHAR(100) NOT NULL ,
  JOB_KEY VARCHAR(2500)
);
字段 说明
JOB_INSTANCE_ID 主键，主键与单个JobInstance相关。当获取到某个JobInstance实例后，经过getId方法能够获取到此数据
VERSION
JOB_NAME Job的名称，用于标记运行的Job，在建立Job时候指定
JOB_KEY JobParameters的序列化数值。在数据批处理概念中介绍了一个JobInstance至关于Job+JobParameters。他用于标记同一个Job不一样的实例

BATCH_JOB_EXECUTION_PARAMS

BATCH_JOB_EXECUTION_PARAMS对应的是JobParameters对象。其核心功能是存储Key-Value结构的各类状态数值。字段中IDENTIFYING=true用于标记那些运行过程当中必须的数据（能够理解是框架须要用到的数据），为了存储key-value结构该表一个列数据格式：

CREATE TABLE BATCH_JOB_EXECUTION_PARAMS  (
	JOB_EXECUTION_ID BIGINT NOT NULL ,
	TYPE_CD VARCHAR(6) NOT NULL ,
	KEY_NAME VARCHAR(100) NOT NULL ,
	STRING_VAL VARCHAR(250) ,
	DATE_VAL DATETIME DEFAULT NULL ,
	LONG_VAL BIGINT ,
	DOUBLE_VAL DOUBLE PRECISION ,
	IDENTIFYING CHAR(1) NOT NULL ,
	constraint JOB_EXEC_PARAMS_FK foreign key (JOB_EXECUTION_ID)
	references BATCH_JOB_EXECUTION(JOB_EXECUTION_ID)
);
字段 说明
JOB_EXECUTION_ID 与BATCH_JOB_EXECUTION表关联的外键，详见数据批处理概念中Job、JobInstance、JobExecute的关系
TYPE_CD 用于标记数据的对象类型，例如 string、date、long、double，非空
KEY_NAME key的值
STRING_VAL string类型的数值
DATE_VAL date类型的数值
LONG_VAL long类型的数值
DOUBLE_VAL double类型的数值
IDENTIFYING 标记这对key-valuse是否来自于JobInstace自身

BATCH_JOB_EXECUTION

关联JobExecution，每当运行一个Job都会产生一个新的JobExecution，对应的在表中都会新增一行数据。

CREATE TABLE BATCH_JOB_EXECUTION  (
  JOB_EXECUTION_ID BIGINT  PRIMARY KEY ,
  VERSION BIGINT,
  JOB_INSTANCE_ID BIGINT NOT NULL,
  CREATE_TIME TIMESTAMP NOT NULL,
  START_TIME TIMESTAMP DEFAULT NULL,
  END_TIME TIMESTAMP DEFAULT NULL,
  STATUS VARCHAR(10),
  EXIT_CODE VARCHAR(20),
  EXIT_MESSAGE VARCHAR(2500),
  LAST_UPDATED TIMESTAMP,
  JOB_CONFIGURATION_LOCATION VARCHAR(2500) NULL,
  constraint JOB_INSTANCE_EXECUTION_FK foreign key (JOB_INSTANCE_ID)
  references BATCH_JOB_INSTANCE(JOB_INSTANCE_ID)
) ;
字段 说明
JOB_EXECUTION_ID JobExecution的主键，JobExecution::getId方法能够获取到该值
VERSION
JOB_INSTANCE_ID 关联到JobInstace的外键，详见数据批处理概念中Job、JobInstance、JobExecute的关系
CREATE_TIME 建立时间戳
START_TIME 开始时间戳
END_TIME 结束时间戳，不管成功或失败都会更新这一项数据。若是某行数据该值为空表示运行期间出现错误，而且框架没法更新该值
STATUS JobExecute的运行状态:COMPLETED、STARTED或者其余状态。此数值对应Java中BatchStatus枚举值
EXIT_CODE JobExecute执行完毕以后的退出返回值
EXIT_MESSAGE JobExecute退出的详细内容，若是是异常退出可能会包括异常堆栈的内容
LAST_UPDATED 最后一次更新的时间戳

BATCH_STEP_EXECUTION

该表对应的是StepExecution，其结构和BATCH_JOB_EXECUTION基本类似，只是对应的对象是Step，增长了与之相对的一些字段数值：

CREATE TABLE BATCH_STEP_EXECUTION  (
  STEP_EXECUTION_ID BIGINT  PRIMARY KEY ,
  VERSION BIGINT NOT NULL,
  STEP_NAME VARCHAR(100) NOT NULL,
  JOB_EXECUTION_ID BIGINT NOT NULL,
  START_TIME TIMESTAMP NOT NULL ,
  END_TIME TIMESTAMP DEFAULT NULL,
  STATUS VARCHAR(10),
  COMMIT_COUNT BIGINT ,
  READ_COUNT BIGINT ,
  FILTER_COUNT BIGINT ,
  WRITE_COUNT BIGINT ,
  READ_SKIP_COUNT BIGINT ,
  WRITE_SKIP_COUNT BIGINT ,
  PROCESS_SKIP_COUNT BIGINT ,
  ROLLBACK_COUNT BIGINT ,
  EXIT_CODE VARCHAR(20) ,
  EXIT_MESSAGE VARCHAR(2500) ,
  LAST_UPDATED TIMESTAMP,
  constraint JOB_EXECUTION_STEP_FK foreign key (JOB_EXECUTION_ID)
  references BATCH_JOB_EXECUTION(JOB_EXECUTION_ID)
) ;

未填入内容部分见BATCH_JOB_EXECUTION说明。

字段 说明
STEP_EXECUTION_ID StepExecute对应的主键
VERSION
STEP_NAME Step名称
JOB_EXECUTION_ID 关联到BATCH_JOB_EXECUTION表的外键，标记该StepExecute所属的JobExecute
START_TIME
END_TIME
STATUS
COMMIT_COUNT 执行过程当中，事物提交的次数，该值与数据的规模以及chunk的设置有关
READ_COUNT 读取数据的次数
FILTER_COUNT Processor中过滤记录的次数
WRITE_COUNT 吸入数据的次数
READ_SKIP_COUNT 读数据的跳过次数
WRITE_SKIP_COUNT 写数据的跳过次数
PROCESS_SKIP_COUNT Processor跳过的次数
ROLLBACK_COUNT 回滚的次数
EXIT_CODE
EXIT_MESSAGE
LAST_UPDATED

BATCH_JOB_EXECUTION_CONTEXT

该表会记录全部与Job相关的ExecutionContext信息。每一个ExecutionContext都对应一个JobExecution，在运行的过程当中它包含了全部Job范畴的状态数据，这些数据在执行失败后对于后续处理有中重大意义。

CREATE TABLE BATCH_JOB_EXECUTION_CONTEXT  (
  JOB_EXECUTION_ID BIGINT PRIMARY KEY,
  SHORT_CONTEXT VARCHAR(2500) NOT NULL,
  SERIALIZED_CONTEXT CLOB,
  constraint JOB_EXEC_CTX_FK foreign key (JOB_EXECUTION_ID)
  references BATCH_JOB_EXECUTION(JOB_EXECUTION_ID)
) ;
字段 说明
JOB_EXECUTION_ID 关联到JobExecution的外键，创建JobExecution和ExecutionContext的关系。
SHORT_CONTEXT 标记SERIALIZED_CONTEXT的版本号
SERIALIZED_CONTEXT 序列化的ExecutionContext

BATCH_STEP_EXECUTION_CONTEXT

Step中ExecutionContext相关的数据表，结构与BATCH_JOB_EXECUTION_CONTEXT彻底同样。

表索引建议

上面的全部建表语句都没有提供索引，可是并不表明索引没有价值。当感受到SQL语句的执行有效率问题时候，能够增长索引。

索引带来的价值取决于SQL查询的频率以及关联关系，下面是Spring Batch框架在运行过程当中会用到的一些查询条件语句，用于参考优化索引：

表 Where条件 执行频率
BATCH_JOB_INSTANCE JOB_NAME = ? and JOB_KEY = ? 每次Job启动执时
BATCH_JOB_EXECUTION JOB_INSTANCE_ID = ? 每次Job重启时
BATCH_EXECUTION_CONTEXT EXECUTION_ID = ? and KEY_NAME = ? 视chunk的大小而定
BATCH_STEP_EXECUTION VERSION = ? 视chunk的大小而定
BATCH_STEP_EXECUTION STEP_NAME = ? and JOB_EXECUTION_ID = ? 每个Step执行以前

使用案例

下面是Spring Batch一些简单的应用，源码在下列地址的simple工程：

Spring Batch提供了2种执行方式：命令行方式或Java内嵌方式。命令行方式是直到须要执行批处理任务的时候才启动程序，内嵌方式是结合Web工程或其余外部化框架来使用。2者最大的差异就是是否直接向IoCs注入一个Job实例。

通用基本配置

两种方式的基本配置都是同样的，经过Reader、Processor、Writer来组装一个Step。代码中Item并不涉及文件或数据库的操做，只是简单的模拟数据读取、处理、写入的过程。实体Record和Msg用于模拟数据转换，基本配置以下：

public class BatchDefaultConfig {
	@Bean
	//配置Step
	public Step simpleStep(StepBuilderFactory builder, ItemReader<Record> reader, ItemProcessor<Record, Msg> processor,
			ItemWriter<Msg> writer) {
		return builder.get("SimpleStep").<Record, Msg>chunk(10).reader(reader).processor(processor).writer(writer)
				.build();
	}

	@Bean
	//配置 Reader
	public ItemReader<Record> reader() {
		return new ItemReader<Record>() {
			private int count = 0;
			public Record read()
					throws Exception, UnexpectedInputException, ParseException, NonTransientResourceException {
				return ++this.count < 100 ? new Record().setId(this.count).setMsg("Read Number:" + this.count) : null;
			}
		};
	}

	@Bean
	//配置 Processor
	public ItemProcessor<Record, Msg> processor() {
		return new ItemProcessor<Record, Msg>() {
			public Msg process(Record item) throws Exception {
				return new Msg("MSG GET INFO = " + item.getMsg());
			}
		};
	}

	@Bean
	//配置 Writer
	public ItemWriter<Msg> writer() {
		return new ItemWriter<Msg>() {
			private int batchCount = 0;
			public void write(List<? extends Msg> items) throws Exception {
				System.out.println("Batch Count : " + ++batchCount + ". Data:");
				for (Msg msg : items) {
					System.out.println(msg.getInfo());
				}
			}
		};
	}
}

命令行方式运行

有了基本配置以后，命令行运行的方式仅仅是向容器添加一个Job：

@Configuration
//导入依赖配置
@Import({ BatchDefaultConfig.class })
public class BatchCommondConfig {
	@Bean
	public Job simpleJob(Step step, JobBuilderFactory builder) {
		return builder.get("SimpleJob").start(step).build(); //向容器返回一个Job的Bean
	}
}

而后启动Spring Framework则会自动启用Command Runner运行方式运行——先调用SpringApplication::callRunner方法，而后使用JobLauncherCommandLineRunner::execute运行：

public class CommondSample {
	public static void main(String[] args) throws DuplicateJobException {
		//模拟测试参数, 这些参数值在执行Java时从外部传入的，好比-Dkey=value
		String[] argsExt = new String[2];
		argsExt[0] = "BuilderParam1=Value1";
		argsExt[1] = "BuilderParam2=Value2";
		//运行Spring Framework
		SpringApplication.run(CommondSample.class, argsExt);
	}
}

启用以后观察数据库已经发生了变动。使用命令行须要经过 Java运行参数（-Dkey=value）传递JobParameters的数据，上面的代码模拟实现了相关的过程。

Java内嵌运行

Java内嵌的方式主要是用于搭配外部工程化使用，好比使用Web框架或则统一调度平台管之类的结构化框架来统一管理批处理任务。与命令行执行最大的区别就是不向容器注入Job：

@Configuration
//导入进出配置 
@Import({BatchDefaultConfig.class})
public class BatchOperatoConfig {
	@Bean
	//返回JobFactory
	public JobFactory simpleJob(Step step, JobBuilderFactory builder) {
		SimpleJobFactory sampleJobFactory = new SimpleJobFactory();
		sampleJobFactory.setJob(builder.get("SimpleJob").start(step).build());
		return sampleJobFactory;
	}
}

配置代码向容器添加了一个JobFactory的实现类，JobFactory的两个接口一个是获取Job一个是获取Job的名称，SimpleJobFactory实现了JobFactory：

public class SimpleJobFactory implements JobFactory {
	private Job job;
	public void setJob(Job job) {
		this.job = job;
	}
	@Override
	public Job createJob() {
		return job;
	}
	@Override
	public String getJobName() {
		return job.getName();
	}
}

最后经过SimpleJobFactory来启动一个Job：

@SpringBootApplication
@EnableBatchProcessing
@EnableScheduling
public class OperatorSample {
	public static void main(String[] args) throws DuplicateJobException {
		new SuspendThread().run(); //挂起系统一直运行
		ConfigurableApplicationContext ctx = SpringApplication.run(OperatorSample.class);
		Cron cron = ctx.getBean(Cron.class);
		cron.register(); //注册JobFactory
		cron.runJobLaunch();
	}
}

@Service
class Cron {
	@Autowired
	JobLauncher jobLauncher;

	@Autowired
	private JobOperator jobOperator;

	@Autowired
	private JobRegistry jobRegistry;

	@Autowired
	private JobFactory jobFactory;

	//注册JobFactory
	void register() throws DuplicateJobException {
		jobRegistry.register(jobFactory);
	}

	//使用JobLaunch执行
	void runJobLaunch() {
		Map<String, JobParameter> map = new HashMap<>();
		map.put("Builder", new JobParameter("1"));
		map.put("Timer", new JobParameter("2"));
		jobLauncher.run(jobFactory.createJob(), new JobParameters(map));
	}

	@Scheduled(cron = "30 * * * * ? ")
	void task1() {
		System.out.println("1");
		runOperator();
	}

	//定时任务使用 JobOperator执行
	private void runOperator() {
		jobOperator.start("SimpleJob", "Builder=1,Timer=2");
	}
}

这里使用了2种执行方式：JobLauncher和JobOperator。JobLauncher简单明了的启动一个批处理任务。而JobOperator扩展了一些用于Job管理的接口方法，观察JobOperator的源码能够发现它提供了获取ExecuteContext、检查JobInstance等功能，若是须要定制开发一个基于Web或者JMX管理批处理任务的系统，JobOperator更合适。JobOperator的第二个参数用于传递JobParameters，等号两端分别是key和value，逗号用于分割多行数据。

在Job配置与运行说起过一个JobInstance至关于Job+JobParameters，所以虽然上面的代码使用了两种不一样的运行方式，可是Job和JobParameters是同样的。在运行被定时任务包裹的runOperator方法时，会一直抛出JobInstanceAlreadyExistsException异常，由于同一个实例不能运行2次。若是运行失败可使用对应的restart方法。

后续会介绍各类Reader和Writer的使用。

相关文章
相关标签/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公众号
   欢迎关注本站公众号,获取更多信息
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程