Spring Batch遠端分割槽的本地Jar包模式的程式碼詳解
1 前言
Spring Batch遠端分割槽對於大量資料的處理非常擅長，它的實現有多種方式，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：分割槽處理的worker為一個Java程序，從jar包啟動，通過jvm引數和資料庫傳遞引數；官方提供示例程式碼。
（2）MQ模式：worker是一個常駐程序，Manager和Worker通過訊息佇列來傳遞引數；網上有不少相關示例程式碼。
（3）Kubernetes模式：worker為K8s中的Pod，Manager直接啟動Pod來處理；網上並沒有找到任何示例程式碼。
本文將通過程式碼來講解第一種模式（本地Jar包模式
建議先看下面文章瞭解一下：
Spring Batch入門：Spring Batch入門教程篇
Spring Batch並行處理介紹：詳解SpringBoot和SpringBatch 使用
2 程式碼講解
本文程式碼中，Manager和Worker是放在一起的，在同一個專案裡，也只會打一個jar包而已；我們通過profile來區別是manager還是worker，也就是通過Spring Profile實現一份程式碼，兩份邏輯。實際上也可以拆成兩份程式碼，但放一起更方便測試，而且程式碼量不大，就沒有必要了。
2.1 專案準備
2.1.1 資料庫
首先我們需要準備一個數據庫，因為Manager
Worker都需要同步狀態到DB上，不能直接使用嵌入式的記憶體資料庫了，需要一個外部可共同訪問的資料庫。這裡我使用的是H2 Database，安裝可參考：把H2資料庫從jar包部署到Kubernetes，並解決Ingress不支援TCP的問題。
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用於部署和啟動worker，非常關鍵；其它就是Spring Batch和Task相關的依賴；以及資料庫連線。
2.1.3 主類入口
Springboot的主類入口如下：
@EnableTask
@SpringBootApplication
@EnableBatchProcessing
public class PkslowRemotePartitionJar {
public static void main(String[] args) {
SpringApplication.run(PkslowRemotePartitionJar.class,args);
}
}
在Springboot的基礎上，添加了Spring Batch和Spring Cloud Task的支援。
2.2 關鍵程式碼編寫
前面的資料庫搭建和其它程式碼沒有太多可講的，接下來就開始關鍵程式碼的編寫。
2.2.1 分割槽管理Partitioner
Partitioner是遠端分割槽中的核心bean，它定義了分成多少個區、怎麼分割槽，要把什麼變數傳遞給worker。它會返回一組<分割槽名，執行上下文>的鍵值對，即返回Map<String,ExecutionContext>。把要傳遞給worker的變數放在ExecutionContext中去，支援多種型別的變數，如String、int、long等。實際上，我們不建議通過ExecutionContext來傳遞太多資料；可以傳遞一些標識或主鍵，然後worker自己去拿資料即可。
具體程式碼如下：
private static final int GRID_SIZE = 4;
@Bean
public 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個區，程式會啟動4個worker來處理；給worker傳遞的引數是partitionNumber。
2.2.2 分割槽處理器PartitionHandler
PartitionHandler也是核心的bean，它決定了怎麼去啟動worker，給它們傳遞什麼jvm引數（跟之前的ExecutionContext傳遞不一樣）。
@Bean
public 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;
}
上面程式碼中：
resource是worker的jar包地址，表示將啟動該程式；
workerStep是worker將要執行的step；
commandLineArgs定義了啟動worker的jvm引數，如--spring.profiles.active=worker；
environment是manager的系統環境變數，可以傳遞給worker，當然也可以選擇不傳遞；
MaxWorkers是最多能同時啟動多少個worker，類似於執行緒池大小；設定為2，表示最多同時有2個worker來處理4個分割槽。
2.2.3 Manager和Worker的Batch定義
完成了分割槽相關的程式碼，剩下的就只是如何定義Manager和Worker的業務程式碼了。
Manager作為管理者，不用太多業務邏輯，程式碼如下：
@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();
}
@Bean
public Step step1(PartitionHandler partitionHandler) throws Exception {
return this.stepBuilderFactory.get("step1")
.partitioner(workerStep().getName(),partitioner())
.step(workerStep())
.partitionHandler(partitionHandler)
.build();
}
Worker主要作用是處理資料，是我們的業務程式碼，這裡就演示一下如何獲取Manager傳遞過來的partitionNumber：
@Bean
public Step workerStep() {
return this.stepBuilderFactory.get("workerStep")
.tasklet(workerTasklet(null,null))
.build();
}
@Bean
@StepScope
public 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，檢視效果，通過jps：在jar情況下會新起java程序
System.out.println("This tasklet ran partition: " + partitionNumber);
return RepeatStatus.FINISHED;
}
};
}
通過表示式@Value("#{stepExecutionContext['partitionNumber']}") 獲取Manager傳遞過來的變數；注意要加註解@StepScope。
3 程式執行
因為我們分為Manager和Worker，但都是同一份程式碼，所以我們先打包一個jar出來，不然manager無法啟動。配置資料庫和Worker的jar包地址如下：
spring.datasource.url=jdbc:h2:tcp://localhost:9092/test spring.datasource.username=pkslow spring.datasource.password=pkslow spring.datasource.driver-class-name=org.h2.Driver pkslow.worker.resource=file://pkslow/target/remote-partitioning-jar-1.0-SNAPSHOT.jar
執行程式如下：
可以看到啟動了4次Java程式，還給出日誌路徑。
通過jps命令檢視，能看到一個Manager程序，還有兩個worker程序：
4 複雜變數傳遞
前面講了Manager可以通過ExecutionContext傳遞變數，如簡單的String、long等。但其實它也是可以傳遞複雜的Java物件的，但對應的類需要可序列化，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
本文介紹了Spring Batch遠端分割槽的本地Jar包模式，只能在一臺機器上執行，所以也是無法真正發揮出遠端分割槽的作用。但它對我們後續理解更復雜的模式是有很大幫助的；同時，我們也可以使用本地模式進行開發測試，畢竟它只需要一個數據庫就行了，依賴很少。