大量数据也不在话下，Spring Batch并行处理四种模式初探

1 前言

欢迎访问南瓜慢说 www.pkslow.com获取更多精彩文章！

Spring相关文章：Springboot-Cloud

前面写了一篇文章《通过例子讲解Spring Batch入门，优秀的批处理框架》讲解Spring Batch入门，但要发挥它的作用，并行处理不能不了解。

2 四种模式

大多数情况下，单线程、单进程的Spring Batch已经能满足你的需求。在我们走向更复杂的特性之前，先看看简单的能不能用，Keep it Simple and Stupid。

不过，当你确定要使用并行处理时，Spring Batch也提供了多种选择。整体上分为两大类：

• （1）单进程、多线程
• （2）多进程

细分如下：

• （1）多线程的Step（单进程）
• （2）并行的Steps（单进程）
• （3）远程分块（多进程）
• （4）远程分区（多进程）

光从名字看，很难理解它们之间的差别，我们来一一介绍吧。

2.1 多线程的Step

通过提供一个TaskExecutor来执行，而TaskExecutor是可以自定义的，我们可以提供一个基于线程池的TaskExecutor，则可以实现多线程处理。

@Bean
public TaskExecutor taskExecutor(){
  return new SimpleAsyncTaskExecutor("spring_batch");
}

@Bean
public Step sampleStep(TaskExecutor taskExecutor) {
  return this.stepBuilderFactory.get("sampleStep")
    .chunk(10)
    .reader(itemReader())
    .writer(itemWriter())
    .taskExecutor(taskExecutor)
    .build();
}

2.2 并行Steps

这个看起来跟第一个很像，其实完全不一样。它是多个steps之间来并行处理。所以job应该是可以分解为独立的step，不是按一步一步的顺序处理，这样才可以并行执行。比如下面的例子，step1和step2合并成一个flow1，而step3为flow2，flow1与flow2之间可以并行处理。

代码如下：

@Bean
public Job job() {
  return jobBuilderFactory.get("job")
    .start(splitFlow())
    .next(step4())
    .build()        //builds FlowJobBuilder instance
    .build();       //builds Job instance
}

@Bean
public Flow splitFlow() {
  return new FlowBuilder("splitFlow")
    .split(taskExecutor())
    .add(flow1(), flow2())
    .build();
}

@Bean
public Flow flow1() {
  return new FlowBuilder("flow1")
    .start(step1())
    .next(step2())
    .build();
}

@Bean
public Flow flow2() {
  return new FlowBuilder("flow2")
    .start(step3())
    .build();
}

@Bean
public TaskExecutor taskExecutor(){
  return new SimpleAsyncTaskExecutor("spring_batch");
}

2.3 远程分块

在这种模式下，step会被拆成多个Java进程来处理，主程序与分块执行程序之间通过中间件来通信。如下图所示：

由上图可以看出，读取只有一个进程Manager，而处理进程Worker则可以多个，所以适用于易读而难处理的场景。

2.4 远程分区

远程分区跟远程分块容易混淆，但其实它们是不同的。前面讲解的远程分块是一个进程读，多个进程处理；而远程分区是多个进程读，多个进程处理，多个进程写：

所以，远程分区适用于容易有IO瓶颈的系统，因为它将读与写都拆到多个worker进程中去了。远程分区可以使用中间件，如消息队列，也可以不用。它通过PartitionHandler来进行分区处理，而Partitioner则定义了如何进行分区。

3 总结

本文介绍了Spring Batch并行处理的四种模式，分别是多线程Step、并行Steps、远程分块、远程分区。前两种比较简单，给出代码例子；而后两种则复杂得多，特别是远程分区模式，把IO压力和业务处理压力都分解了，能大大提高整个流程的处理效率。后续我们再专门讲解一下远程分区吧。

---

欢迎关注微信公众号<南瓜慢说>，将持续为你更新...

多读书，多分享；多写作，多整理。