目錄一、Spring Batch的概念知識1.1、分層架構1.2、關鍵概念1.2.1、JobRepository1.2.2、任務啟動器JobLauncher1.2.3、任務Job1.2.4、步驟Step1.2.5、輸入——處理——輸出二、代碼實例2.1、基本框架2.2、輸入——處理——輸出2.2.1、讀取ItemReader2.2.2、處理ItemProcessor2.2.3、輸出ItremWriter2.3、Step2.4、Job2.5、運行三、監聽Listener一、Spring Batch的概念知識1.1、分層架構

Spring Batch的分層架構圖如下：

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。1.2、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。

1.2.1、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。

1.2.2、任務啟動器JobLauncher

負責啟動任務Job。

1.2.3、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。

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。

1.2.4、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。

通過定義Step來組裝Job可以更靈活地實現復雜的業務邏輯。

1.2.5、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。

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文件中讀數據，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@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

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。

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，執行程序，結果如下：

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

三、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：

@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入門之優秀的批處理框架的詳細內容，更多關于Spring Batch 批處理框架的資料請關注好吧啦網其它相關文章！