1 前言

Spring Batch遠程分區對于大量數據的處理非常擅長，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：分區處理的worker為一個Java進程，從jar包啟動，通過jvm參數和數據庫傳遞參數；官方提供示例代碼。

（2）MQ模式：worker是一個常駐進程，Manager和Worker通過消息隊列來傳遞參數；網上有不少相關示例代碼。

（3）Kubernetes模式：worker為K8s中的Pod，Manager直接啟動Pod來處理；網上并沒有找到任何示例代碼。

本文將通過代碼來講解第一種模式（本地Jar包模式），其它后續再介紹。

建議先看下面文章了解一下：

Spring Batch入門：Spring Batch入門教程篇

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，在同一個項目里，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實現一份代碼，兩份邏輯。實際上也可以拆成兩份代碼，但放一起更方便測試，而且代碼量不大，就沒有必要了。

2.1 項目準備

2.1.1 數據庫

首先我們需要準備一個數據庫，因為Manager和Worker都需要同步狀態到DB上，不能直接使用嵌入式的內存數據庫了，需要一個外部可共同訪問的數據庫。這里我使用的是H2 Database，安裝可參考：把H2數據庫從jar包部署到Kubernetes，并解決Ingress不支持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用于部署和啟動worker，非常關鍵；其它就是Spring Batch和Task相關的依賴；以及數據庫連接。

2.1.3 主類入口

Springboot的主類入口如下：

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

在Springboot的基礎上，添加了Spring Batch和Spring Cloud Task的支持。

2.2 關鍵代碼編寫

前面的數據庫搭建和其它代碼沒有太多可講的，接下來就開始關鍵代碼的編寫。

2.2.1 分區管理Partitioner

Partitioner是遠程分區中的核心bean，它定義了分成多少個區、怎么分區，要把什么變量傳遞給worker。它會返回一組<分區名，執行上下文>的鍵值對，即返回Map<String, ExecutionContext>。把要傳遞給worker的變量放在ExecutionContext中去，支持多種類型的變量，如String、int、long等。實際上，我們不建議通過ExecutionContext來傳遞太多數據；可以傳遞一些標識或主鍵，然后worker自己去拿數據即可。

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個區，程序會啟動4個worker來處理；給worker傳遞的參數是partitionNumber。

2.2.2 分區處理器PartitionHandler

PartitionHandler也是核心的bean，它決定了怎么去啟動worker，給它們傳遞什么jvm參數（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，表示將啟動該程序；

workerStep是worker將要執行的step；

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

environment是manager的系統環境變量，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，類似于線程池大小；設置為2，表示最多同時有2個worker來處理4個分區。

2.2.3 Manager和Worker的Batch定義

完成了分區相關的代碼，剩下的就只是如何定義Manager和Worker的業務代碼了。

Manager作為管理者，不用太多業務邏輯，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主要作用是處理數據，是我們的業務代碼，這里就演示一下如何獲取Manager傳遞過來的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，查看效果，通過jps：在jar情況下會新起java進程 System.out.println('This tasklet ran partition: ' + partitionNumber); return RepeatStatus.FINISHED; } };}

通過表達式@Value('#{stepExecutionContext[’partitionNumber’]}') 獲取Manager傳遞過來的變量；注意要加注解@StepScope。

3 程序運行

因為我們分為Manager和Worker，但都是同一份代碼，所以我們先打包一個jar出來，不然manager無法啟動。配置數據庫和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

執行程序如下：

可以看到啟動了4次Java程序，還給出日志路徑。

通過jps命令查看，能看到一個Manager進程，還有兩個worker進程：

4 復雜變量傳遞

前面講了Manager可以通過ExecutionContext傳遞變量，如簡單的String、long等。但其實它也是可以傳遞復雜的Java對象的，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遠程分區的本地Jar包模式，只能在一臺機器上運行，所以也是無法真正發揮出遠程分區的作用。但它對我們后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。