1 前言

Spring Batch遠(yuǎn)程分區(qū)對(duì)于大量數(shù)據(jù)的處理非常擅長(zhǎng)，它的實(shí)現(xiàn)有多種方式，如本地Jar包模式、MQ模式、Kubernetes模式。這三種模式的如下：

（1）本地Jar包模式：分區(qū)處理的worker為一個(gè)Java進(jìn)程，從jar包啟動(dòng)，通過(guò)jvm參數(shù)和數(shù)據(jù)庫(kù)傳遞參數(shù)；官方提供示例代碼。

（2）MQ模式：worker是一個(gè)常駐進(jìn)程，Manager和Worker通過(guò)消息隊(duì)列來(lái)傳遞參數(shù)；網(wǎng)上有不少相關(guān)示例代碼。

（3）Kubernetes模式：worker為K8s中的Pod，Manager直接啟動(dòng)Pod來(lái)處理；網(wǎng)上并沒(méi)有找到任何示例代碼。

本文將通過(guò)代碼來(lái)講解第一種模式（本地Jar包模式），其它后續(xù)再介紹。

建議先看下面文章了解一下：

Spring Batch入門(mén)：Spring Batch入門(mén)教程篇

Spring Batch并行處理介紹：詳解SpringBoot和SpringBatch 使用

2 代碼講解

本文代碼中，Manager和Worker是放在一起的，在同一個(gè)項(xiàng)目里，也只會(huì)打一個(gè)jar包而已；我們通過(guò)profile來(lái)區(qū)別是manager還是worker，也就是通過(guò)Spring Profile實(shí)現(xiàn)一份代碼，兩份邏輯。實(shí)際上也可以拆成兩份代碼，但放一起更方便測(cè)試，而且代碼量不大，就沒(méi)有必要了。

2.1 項(xiàng)目準(zhǔn)備

2.1.1 數(shù)據(jù)庫(kù)

首先我們需要準(zhǔn)備一個(gè)數(shù)據(jù)庫(kù)，因?yàn)镸anager和Worker都需要同步狀態(tài)到DB上，不能直接使用嵌入式的內(nèi)存數(shù)據(jù)庫(kù)了，需要一個(gè)外部可共同訪問(wèn)的數(shù)據(jù)庫(kù)。這里我使用的是H2 Database，安裝可參考：把H2數(shù)據(jù)庫(kù)從jar包部署到Kubernetes，并解決Ingress不支持TCP的問(wèn)題。

2.1.2 引入依賴

maven引入依賴如下所示：

<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-batch</artifactId></dependency><dependency> <groupId>org.springframework.cloud</groupId> <artifactId>spring-cloud-starter-task</artifactId></dependency><dependency> <groupId>com.h2database</groupId> <artifactId>h2</artifactId> <scope>runtime</scope></dependency><dependency> <groupId>org.springframework.cloud</groupId> <artifactId>spring-cloud-deployer-local</artifactId> <version>2.4.1</version></dependency><dependency> <groupId>org.springframework.batch</groupId> <artifactId>spring-batch-integration</artifactId></dependency>

spring-cloud-deployer-local用于部署和啟動(dòng)worker，非常關(guān)鍵；其它就是Spring Batch和Task相關(guān)的依賴；以及數(shù)據(jù)庫(kù)連接。

2.1.3 主類(lèi)入口

Springboot的主類(lèi)入口如下：

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

在Springboot的基礎(chǔ)上，添加了Spring Batch和Spring Cloud Task的支持。

2.2 關(guān)鍵代碼編寫(xiě)

前面的數(shù)據(jù)庫(kù)搭建和其它代碼沒(méi)有太多可講的，接下來(lái)就開(kāi)始關(guān)鍵代碼的編寫(xiě)。

2.2.1 分區(qū)管理Partitioner

Partitioner是遠(yuǎn)程分區(qū)中的核心bean，它定義了分成多少個(gè)區(qū)、怎么分區(qū)，要把什么變量傳遞給worker。它會(huì)返回一組<分區(qū)名，執(zhí)行上下文>的鍵值對(duì)，即返回Map<String, ExecutionContext>。把要傳遞給worker的變量放在ExecutionContext中去，支持多種類(lèi)型的變量，如String、int、long等。實(shí)際上，我們不建議通過(guò)ExecutionContext來(lái)傳遞太多數(shù)據(jù)；可以傳遞一些標(biāo)識(shí)或主鍵，然后worker自己去拿數(shù)據(jù)即可。

具體代碼如下：

private static final int GRID_SIZE = 4;@Beanpublic Partitioner partitioner() { return new Partitioner() { @Override public Map<String, ExecutionContext> partition(int gridSize) { Map<String, ExecutionContext> partitions = new HashMap<>(gridSize); for (int i = 0; i < GRID_SIZE; i++) { ExecutionContext executionContext = new ExecutionContext(); executionContext.put('partitionNumber', i); partitions.put('partition' + i, executionContext); } return partitions; } };}

上面分成4個(gè)區(qū)，程序會(huì)啟動(dòng)4個(gè)worker來(lái)處理；給worker傳遞的參數(shù)是partitionNumber。

2.2.2 分區(qū)處理器PartitionHandler

PartitionHandler也是核心的bean，它決定了怎么去啟動(dòng)worker，給它們傳遞什么jvm參數(shù)（跟之前的ExecutionContext傳遞不一樣）。

@Beanpublic PartitionHandler partitionHandler(TaskLauncher taskLauncher, JobExplorer jobExplorer, TaskRepository taskRepository) throws Exception { Resource resource = this.resourceLoader.getResource(workerResource); DeployerPartitionHandler partitionHandler = new DeployerPartitionHandler(taskLauncher, jobExplorer, resource, 'workerStep', taskRepository); List<String> commandLineArgs = new ArrayList<>(3); commandLineArgs.add('--spring.profiles.active=worker'); commandLineArgs.add('--spring.cloud.task.initialize-enabled=false'); commandLineArgs.add('--spring.batch.initializer.enabled=false'); partitionHandler .setCommandLineArgsProvider(new PassThroughCommandLineArgsProvider(commandLineArgs)); partitionHandler .setEnvironmentVariablesProvider(new SimpleEnvironmentVariablesProvider(this.environment)); partitionHandler.setMaxWorkers(2); partitionHandler.setApplicationName('PkslowWorkerJob'); return partitionHandler;}

上面代碼中：

resource是worker的jar包地址，表示將啟動(dòng)該程序；

workerStep是worker將要執(zhí)行的step；

commandLineArgs定義了啟動(dòng)worker的jvm參數(shù)，如--spring.profiles.active=worker；

environment是manager的系統(tǒng)環(huán)境變量，可以傳遞給worker，當(dāng)然也可以選擇不傳遞；

MaxWorkers是最多能同時(shí)啟動(dòng)多少個(gè)worker，類(lèi)似于線程池大小；設(shè)置為2，表示最多同時(shí)有2個(gè)worker來(lái)處理4個(gè)分區(qū)。

2.2.3 Manager和Worker的Batch定義

完成了分區(qū)相關(guān)的代碼，剩下的就只是如何定義Manager和Worker的業(yè)務(wù)代碼了。

Manager作為管理者，不用太多業(yè)務(wù)邏輯，代碼如下：

@Bean@Profile('!worker')public Job partitionedJob(PartitionHandler partitionHandler) throws Exception { Random random = new Random(); return this.jobBuilderFactory.get('partitionedJob' + random.nextInt()) .start(step1(partitionHandler)) .build();}@Beanpublic Step step1(PartitionHandler partitionHandler) throws Exception { return this.stepBuilderFactory.get('step1') .partitioner(workerStep().getName(), partitioner()) .step(workerStep()) .partitionHandler(partitionHandler) .build();}

Worker主要作用是處理數(shù)據(jù)，是我們的業(yè)務(wù)代碼，這里就演示一下如何獲取Manager傳遞過(guò)來(lái)的partitionNumber：

@Beanpublic Step workerStep() { return this.stepBuilderFactory.get('workerStep') .tasklet(workerTasklet(null, null)) .build();}@Bean@StepScopepublic Tasklet workerTasklet(final @Value('#{stepExecutionContext[’partitionNumber’]}') Integer partitionNumber) { return new Tasklet() { @Override public RepeatStatus execute(StepContribution contribution, ChunkContext chunkContext) throws Exception { Thread.sleep(6000); //增加延時(shí)，查看效果，通過(guò)jps：在jar情況下會(huì)新起java進(jìn)程 System.out.println('This tasklet ran partition: ' + partitionNumber); return RepeatStatus.FINISHED; } };}

通過(guò)表達(dá)式@Value('#{stepExecutionContext[’partitionNumber’]}') 獲取Manager傳遞過(guò)來(lái)的變量；注意要加注解@StepScope。

3 程序運(yùn)行

因?yàn)槲覀兎譃镸anager和Worker，但都是同一份代碼，所以我們先打包一個(gè)jar出來(lái)，不然manager無(wú)法啟動(dòng)。配置數(shù)據(jù)庫(kù)和Worker的jar包地址如下：

spring.datasource.url=jdbc:h2:tcp://localhost:9092/testspring.datasource.username=pkslowspring.datasource.password=pkslowspring.datasource.driver-class-name=org.h2.Driverpkslow.worker.resource=file://pkslow/target/remote-partitioning-jar-1.0-SNAPSHOT.jar

執(zhí)行程序如下：

可以看到啟動(dòng)了4次Java程序，還給出日志路徑。

通過(guò)jps命令查看，能看到一個(gè)Manager進(jìn)程，還有兩個(gè)worker進(jìn)程：

4 復(fù)雜變量傳遞

前面講了Manager可以通過(guò)ExecutionContext傳遞變量，如簡(jiǎn)單的String、long等。但其實(shí)它也是可以傳遞復(fù)雜的Java對(duì)象的，但對(duì)應(yīng)的類(lèi)需要可序列化，如：

import java.io.Serializable;public class Person implements Serializable { private Integer age; private String name; private String webSite; //getter and setter}

Manager傳遞：

executionContext.put('person', new Person(0, 'pkslow', 'www.pkslow.com'));

Worker接收：

@Value('#{stepExecutionContext[’person’]}') Person person

5 總結(jié)

本文介紹了Spring Batch遠(yuǎn)程分區(qū)的本地Jar包模式，只能在一臺(tái)機(jī)器上運(yùn)行，所以也是無(wú)法真正發(fā)揮出遠(yuǎn)程分區(qū)的作用。但它對(duì)我們后續(xù)理解更復(fù)雜的模式是有很大幫助的；同時(shí)，我們也可以使用本地模式進(jìn)行開(kāi)發(fā)測(cè)試，畢竟它只需要一個(gè)數(shù)據(jù)庫(kù)就行了，依賴很少。