缩放和并行处理

扩展和并行处理

spring-doc.cn

spring-doc.cn

许多批处理问题可以通过单线程、单进程作业来解决。 因此，在考虑之前正确检查这是否满足您的需求总是一个好主意 关于更复杂的实现。衡量实际作业的性能，并查看 最简单的实现首先满足您的需求。您可以读取和写入 几百兆字节的存储时间远远超过一分钟，即使使用标准硬件也是如此。spring-doc.cn

当您准备好开始通过一些并行处理实现作业时， Spring Batch 提供了一系列选项，本章将介绍这些选项，尽管一些 功能详见其他专题。在高层次上，有两种并行模式 加工：spring-doc.cn

这些也分为以下几类：spring-doc.cn

首先，我们回顾一下单进程选项。然后，我们回顾一下多进程选项。spring-doc.cn

多线程步骤

开始并行处理的最简单方法是将 a 添加到您的 Step 配置。TaskExecutorspring-doc.cn

例如，您可以添加 的属性 ，如下所示：taskletspring-doc.cn

<step id="loading">
    <tasklet task-executor="taskExecutor">...</tasklet>
</step>

使用 java 配置时，可以在步骤中添加 a， 如以下示例所示：TaskExecutorspring-doc.cn

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

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

在此示例中，this 是对另一个 bean 定义的引用，该 实现接口。TaskExecutor 是一个标准的 Spring 接口，因此请查阅 Spring 用户指南以了解可用的详细信息 实现。最简单的多线程是 .taskExecutorTaskExecutorTaskExecutorSimpleAsyncTaskExecutorspring-doc.cn

上述配置的结果是 execute 通过读取、处理、 并在单独的执行线程中写入每个项目块（每个提交间隔）。 请注意，这意味着要处理的项目没有固定的顺序，并且 chunk 可能包含与单线程大小写相比不连续的项目。在 除了任务执行程序设置的任何限制（例如，它是否由 thread pool），tasklet 配置中有一个限制，默认为 4。 您可能需要增加此值以确保线程池得到充分利用。Stepspring-doc.cn

例如，您可以增加 throttle-limit，如以下示例所示：spring-doc.cn

<step id="loading"> <tasklet
    task-executor="taskExecutor"
    throttle-limit="20">...</tasklet>
</step>

使用 Java 配置时，构建器提供对限制的访问，如下所示 在以下示例中：spring-doc.cn

Java 配置
@Bean
public Step sampleStep(TaskExecutor taskExecutor) {
	return this.stepBuilderFactory.get("sampleStep")
				.<String, String>chunk(10)
				.reader(itemReader())
				.writer(itemWriter())
				.taskExecutor(taskExecutor)
				.throttleLimit(20)
				.build();
}

另请注意，在 您的步骤，例如 .请确保至少在这些资源中创建池 与步骤中所需的并发线程数一样大。DataSourcespring-doc.cn

使用多线程实现存在一些实际限制 一些常见的 Batch 使用案例。a 中的许多参与者（如读取器和写入者） 是有状态的。如果状态不是按线程隔离的，那么这些组件不是 在多线程 .特别是，大多数现成的 Reader 和 Spring Batch 中的写入器不是为多线程使用而设计的。然而， 可以使用无状态或线程安全的读取器和写入器，并且有一个示例 （称为 ） 在春季 显示使用进程指示器进行跟踪的 Batch Samples（请参阅防止状态持久性） 数据库输入表中已处理的项目数。StepStepStepparallelJobspring-doc.cn

Spring Batch 提供了 和 的一些实现。通常 他们在 Javadoc 中说明了它们是否是线程安全的，或者您必须做些什么来避免 并发环境中的问题。如果 Javadoc 中没有信息，则可以 检查 implementation 以查看是否有任何状态。如果读取器不是线程安全的， 您可以使用提供的装饰它或自行使用 同步委托人。您可以将调用同步到 处理和写入是 chunk 中最昂贵的部分，您的步骤可能仍会 完成速度比在单线程配置中快得多。ItemWriterItemReaderSynchronizedItemStreamReaderread()spring-doc.cn

并行步骤

只要需要并行化的应用程序逻辑可以拆分为不同的 职责并分配给各个步骤，则可以在 单个进程。并行步骤执行易于配置和使用。spring-doc.cn

例如，并行执行步骤非常简单。 如以下示例所示：(step1,step2)step3spring-doc.cn

<job id="job1">
    <split id="split1" task-executor="taskExecutor" next="step4">
        <flow>
            <step id="step1" parent="s1" next="step2"/>
            <step id="step2" parent="s2"/>
        </flow>
        <flow>
            <step id="step3" parent="s3"/>
        </flow>
    </split>
    <step id="step4" parent="s4"/>
</job>

<beans:bean id="taskExecutor" class="org.spr...SimpleAsyncTaskExecutor"/>

使用 Java 配置时，并行执行步骤非常简单，如以下示例所示：(step1,step2)step3spring-doc.cn

Java 配置
@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<SimpleFlow>("splitFlow")
        .split(taskExecutor())
        .add(flow1(), flow2())
        .build();
}

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

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

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

可配置的任务执行程序用于指定应使用哪个实施来执行各个流。默认值为 ，但需要异步才能运行 平行。请注意，该作业可确保拆分中的每个流在 聚合退出状态并进行转换。TaskExecutorSyncTaskExecutorTaskExecutorspring-doc.cn

请参阅 拆分流 以了解更多详细信息。spring-doc.cn

远程分块

在远程分块中，处理被拆分到多个进程中。 通过一些中间件相互通信。下图显示了 模式：Stepspring-doc.cn

远程分块
图 1.远程分块

管理器组件是单个进程，而 worker 是多个远程进程。 如果管理器不是瓶颈，则此模式效果最佳，因此处理必须更多 比读取项目更昂贵（在实践中经常出现这种情况）。spring-doc.cn

管理器是 Spring Batch 的实现，其中替换了 通过知道如何将项目块发送到中间件的通用版本作为 消息。worker 是正在使用的任何中间件的标准侦听器（对于 例如，对于 JMS，它们将是实现），它们的角色是 以使用标准或加号处理项目块。使用它的好处之一 模式是 reader、processor 和 writer 组件是现成的（相同的 将用于 Step 的本地执行）。项目是动态划分的 并且工作是通过中间件共享的，因此，如果侦听器都渴望 consumer 的 Consumers，则负载平衡是自动的。StepItemWriterMessageListenerItemWriterItemProcessorItemWriterChunkProcessorspring-doc.cn

中间件必须是持久的，有保证的交付，并且每个中间件都有一个使用者 消息。JMS 是显而易见的候选者，但其他选项（例如 JavaSpaces）存在于 网格计算和共享内存产品空间。spring-doc.cn

有关更多详细信息，请参见 Spring Batch 集成 - 远程分块 部分。spring-doc.cn

分区

Spring Batch 还提供了一个 SPI 用于对执行进行分区并执行它 远程。在这种情况下，远程参与者是可以 易于配置并用于本地处理。下图显示了 模式：StepStepspring-doc.cn

分区概述
图 2.分区

在左侧作为实例序列运行，其中一个实例被标记为 manager。这张图片中的工人都是相同的 实例，它实际上可以代替管理器，从而导致 的结果相同。worker 通常是远程服务，但 也可以是本地执行线程。Manager 发送给 worker 的消息 在这种模式中，不需要持久或有保证的交付。Spring Batch metadata 确保每个 worker 执行一次，并且只执行一次 每次执行。JobStepStepStepJobJobRepositoryJobspring-doc.cn

Spring Batch 中的 SPI 由一个特殊的实现（称为）和两个策略接口组成，这些接口需要为特定的 环境。策略接口是 和 ， 它们的作用如下面的序列图所示：StepPartitionStepPartitionHandlerStepExecutionSplitterspring-doc.cn

对 SPI 进行分区
图 3.对 SPI 进行分区

在这种情况下，右侧是 “remote” worker，因此，可能有 许多对象和/或进程扮演这个角色，并且 显示为驱动 执行。StepPartitionStepspring-doc.cn

以下示例显示了使用 XML 时的配置 配置：PartitionStepspring-doc.cn

<step id="step1.manager">
    <partition step="step1" partitioner="partitioner">
        <handler grid-size="10" task-executor="taskExecutor"/>
    </partition>
</step>

以下示例显示了使用 Java 时的配置 配置：PartitionStepspring-doc.cn

Java 配置
@Bean
public Step step1Manager() {
    return stepBuilderFactory.get("step1.manager")
        .<String, String>partitioner("step1", partitioner())
        .step(step1())
        .gridSize(10)
        .taskExecutor(taskExecutor())
        .build();
}

与多线程步骤的属性类似，该属性可以防止任务执行程序被来自单个 步。throttle-limitgrid-sizespring-doc.cn

有一个简单的示例可以在 Spring 的单元测试套件中复制和扩展 Batch Samples （请参阅 配置）。partition*Job.xmlspring-doc.cn

Spring Batch 为名为“step1：partition0”的分区创建步骤执行，因此 上。许多人更喜欢将管理器步骤称为 “step1：manager” 以保持一致性。您可以 为步骤使用别名（通过指定 attribute 而不是 attribute）。nameidspring-doc.cn

PartitionHandler （分区处理程序）

是了解远程处理结构的组件，或者 grid 环境。它能够向远程实例发送请求，并以某种特定于结构的格式（如 DTO）包装。它不必知道 如何拆分输入数据或如何聚合多次执行的结果。 一般来说，它可能也不需要了解弹性或故障转移。 因为在许多情况下，这些是 Fabric 的特征。无论如何，Spring Batch 始终 提供独立于结构的可重启性。失败的 A 总是可以重新启动 并且只有失败的才会重新执行。PartitionHandlerStepExecutionStepStepJobStepsspring-doc.cn

该接口可以具有各种 结构类型，包括简单的 RMI 远程处理、EJB 远程处理、自定义 Web 服务、JMS、Java 空间、共享内存网格（如 Terracotta 或 Coherence）和网格执行结构 （如 GridGain）。Spring Batch 不包含任何专有网格的实现 或远程处理结构。PartitionHandlerspring-doc.cn

但是，Spring Batch 确实提供了该 使用 Spring 中的策略在单独的执行线程中本地执行实例。该实现称为 。PartitionHandlerStepTaskExecutorTaskExecutorPartitionHandlerspring-doc.cn

这是使用 XML 配置的步骤 命名空间。它也可以显式配置，如 以下示例：TaskExecutorPartitionHandlerspring-doc.cn

<step id="step1.manager">
    <partition step="step1" handler="handler"/>
</step>

<bean class="org.spr...TaskExecutorPartitionHandler">
    <property name="taskExecutor" ref="taskExecutor"/>
    <property name="step" ref="step1" />
    <property name="gridSize" value="10" />
</bean>

可以在 java 配置中显式配置， 如以下示例所示：TaskExecutorPartitionHandlerspring-doc.cn

Java 配置
@Bean
public Step step1Manager() {
    return stepBuilderFactory.get("step1.manager")
        .partitioner("step1", partitioner())
        .partitionHandler(partitionHandler())
        .build();
}

@Bean
public PartitionHandler partitionHandler() {
    TaskExecutorPartitionHandler retVal = new TaskExecutorPartitionHandler();
    retVal.setTaskExecutor(taskExecutor());
    retVal.setStep(step1());
    retVal.setGridSize(10);
    return retVal;
}

该属性确定要创建的单独步骤执行的数量，因此 它可以与 .或者，它 可以设置为大于可用线程数，这使得 工作更小。gridSizeTaskExecutorspring-doc.cn

这对于 IO 密集型实例非常有用，例如 将大量文件拷贝或将文件系统复制到 Content Management 中 系统。它还可以通过提供 implementation 来用于远程执行 这是远程调用的代理（例如使用 Spring Remoting）。TaskExecutorPartitionHandlerStepStepspring-doc.cn

分区程序

它有一个更简单的职责：生成执行上下文作为 input 参数仅用于新步骤执行（无需担心重启）。它有一个 single 方法，如以下接口定义所示：Partitionerspring-doc.cn

public interface Partitioner {
    Map<String, ExecutionContext> partition(int gridSize);
}

此方法的返回值将每个步骤执行 （the ） 的唯一名称与 .名称显示 稍后在 Batch 元数据中作为分区 .这只是一个名称-值对的袋子，因此它可能包含一系列 主键、行号或输入文件的位置。远程 然后 通常使用占位符绑定到上下文输入（步骤 中的后期绑定 范围），如下一节所示。StringExecutionContextStepExecutionsExecutionContextStep#{…​}spring-doc.cn

步骤执行的名称（返回者 中的键 ）需要 在 a 的步骤执行中是唯一的，但没有任何其他特定的 要求。执行此操作（并使名称对用户有意义）的最简单方法是 使用 prefix+suffix 命名约定，其中 prefix 是 正在执行（它本身在 中是唯一的），后缀只是一个 计数器。框架中有一个使用此约定。MapPartitionerJobJobSimplePartitionerspring-doc.cn

一个称为 available for the optional interface called can be available to provide the partition name 与 partition 本身分开。如果 a 实现了这个 接口，则在重新启动时，仅查询名称。如果分区成本高昂， 这可能是一个有用的优化。必须提供的名称 匹配 .PartitionNameProviderPartitionerPartitionNameProviderPartitionerspring-doc.cn

将输入数据绑定到步骤

执行的步骤具有 相同的配置，并且它们的输入参数在运行时从 .使用 Spring Batch 的 StepScope 功能很容易做到这一点 （在 Late Binding 一节中有更详细的介绍）。为 例如，如果 create 实例具有属性键 called ，为每个步骤调用指向不同的文件（或目录）， 输出可能类似于下表的内容：PartitionHandlerExecutionContextPartitionerExecutionContextfileNamePartitionerspring-doc.cn

表 1.目标目录处理提供的执行上下文的步骤执行名称示例Partitioner

Step Execution Name （key） （步骤执行名称 （key））spring-doc.cn

ExecutionContext （值）spring-doc.cn

文件复制：分区 0spring-doc.cn

文件名=/home/data/onespring-doc.cn

文件复制：partition1spring-doc.cn

文件名=/home/data/twospring-doc.cn

文件复制：partition2spring-doc.cn

文件名=/home/data/threespring-doc.cn

然后，可以使用到执行上下文的后期绑定将文件名绑定到步骤。spring-doc.cn

下面的示例演示如何在 XML 中定义后期绑定：spring-doc.cn

XML 配置
<bean id="itemReader" scope="step"
      class="org.spr...MultiResourceItemReader">
    <property name="resources" value="#{stepExecutionContext[fileName]}/*"/>
</bean>

以下示例演示如何在 Java 中定义后期绑定：spring-doc.cn

Java 配置
@Bean
public MultiResourceItemReader itemReader(
	@Value("#{stepExecutionContext['fileName']}/*") Resource [] resources) {
	return new MultiResourceItemReaderBuilder<String>()
			.delegate(fileReader())
			.name("itemReader")
			.resources(resources)
			.build();
}