基于SPring Batch數(shù)據(jù)遷移處理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

金石聲　李玨

[摘要]本省自動(dòng)氣象觀測系統(tǒng)根據(jù)觀測要素的不同分為單雨量系統(tǒng)、兩要素系統(tǒng)和六要素系統(tǒng)。三類觀測系統(tǒng)分別接收各自站點(diǎn)采集的報(bào)文進(jìn)行解碼入庫，同時(shí)通過FTP將數(shù)據(jù)報(bào)文發(fā)送到綜合處理系統(tǒng)再次進(jìn)行解碼入庫。這樣的處理流程不僅增加網(wǎng)絡(luò)負(fù)擔(dān)，還進(jìn)行了重復(fù)的解碼工作，資源利用率低。為此本文采用基于Spring Batch的框架，定時(shí)對三個(gè)不同觀測系統(tǒng)的后臺數(shù)據(jù)庫的實(shí)時(shí)數(shù)據(jù)向綜合處理系統(tǒng)的數(shù)據(jù)庫進(jìn)行遷移。該流程采用數(shù)據(jù)分區(qū)技術(shù)，多線程并行處理，在減少了對網(wǎng)絡(luò)帶寬的占用量的同時(shí)，降低了各個(gè)系統(tǒng)CPU使用量，提高了工作效率。

[關(guān)鍵詞]Spring Batch 數(shù)據(jù)遷移 數(shù)據(jù)分區(qū) 多線程

引言

本省的氣象自動(dòng)站綜合系統(tǒng)需要對已經(jīng)進(jìn)行過解碼入庫的單雨量、兩要素和六要素觀測報(bào)文進(jìn)行集中，再次進(jìn)行解碼后插入綜合數(shù)據(jù)庫，并以此對外提供服務(wù)。這樣的處理流程不僅在資源利用、網(wǎng)絡(luò)帶寬的占用都產(chǎn)生了很大的浪費(fèi)。

通過分別讀取單雨量、兩要素和六要素的數(shù)據(jù)庫，對已經(jīng)入庫的數(shù)據(jù)進(jìn)行準(zhǔn)實(shí)時(shí)的遷移，在降低網(wǎng)絡(luò)帶寬占用的同時(shí)，也能降低綜合處理系統(tǒng)的資源占用。但是基于大量的數(shù)據(jù)讀寫，且重復(fù)性高工作，傳統(tǒng)的編程方式處理不僅繁瑣，且維護(hù)性低。已經(jīng)Spring Batch的出現(xiàn)無疑是解決這種問題的一種有效工具。由于目前已經(jīng)有比較成熟的開源框架支持批處理的需求，所以本方案擬選用開源框架Spring Batch。這樣可以借助開源框架比較成熟的代碼，減少研究的難度，加強(qiáng)框架擴(kuò)展性，減少研發(fā)周期，加快實(shí)際應(yīng)用進(jìn)度，并且保證程序的穩(wěn)定性。

一、Spring Batch簡介

Spring batch是Spring的一個(gè)子項(xiàng)目，由Spring Source與Accenture（埃森哲）合作開發(fā)的批處理框架。Springhatch對編寫批處理程序本身的特性進(jìn)行了抽象。將批處理程序分為Job和Job Step兩個(gè)部分，將處理環(huán)節(jié)定義為數(shù)據(jù)讀、數(shù)據(jù)處理和數(shù)據(jù)寫三個(gè)步驟。提供Job Repository來存儲Job執(zhí)行期間的元數(shù)據(jù)，可以在處理大量的數(shù)據(jù)時(shí)，提供日志記錄/跟蹤，事務(wù)管理，處理統(tǒng)計(jì)，資源管理等特性。此外，還提供了分區(qū)技術(shù)采用多線程方式并行處理作業(yè)。

二、系統(tǒng)總體架構(gòu)設(shè)計(jì)

考慮到系統(tǒng)可能出現(xiàn)的單店故障，為減少處理這類故障的開發(fā)難度。開發(fā)三個(gè)獨(dú)立的程序分別對單雨量、兩要素和六要素三個(gè)數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行遷移。本文以遷移兩要素?cái)?shù)據(jù)為例進(jìn)行介紹。

Spring bath的核心思想是將讀取到的數(shù)據(jù)轉(zhuǎn)化為Java對象，然后對對象進(jìn)行操作。首先需要根據(jù)表中的字段建立相應(yīng)的實(shí)體類，然后Spring Batch把從源數(shù)據(jù)庫中讀取的每條數(shù)據(jù)映射為對應(yīng)的Java對象，由于本文只是對數(shù)據(jù)進(jìn)行遷移，不需要對對象進(jìn)行處理，所以將Java對象的值通過寫步驟寫入目標(biāo)數(shù)據(jù)庫。實(shí)際應(yīng)用中只關(guān)注兩張表中存儲的數(shù)據(jù)：小時(shí)數(shù)據(jù)表（tabHourData）和分鐘數(shù)據(jù)表（tabMinuteData），由于遷移這兩張表沒有具體的先后順序，將這兩部分工作并行處理。

Spring batch提供了XML方式進(jìn)行業(yè)務(wù)流程配置，通過spht元素來提供并行作業(yè)流的定義，通過task-execution屬性來定義執(zhí)行的線程池，從而提高Job的執(zhí)行效率。其中要定義兩個(gè)不同的作業(yè)步（transferHottrTab_step和transferMinuteTab_step），每個(gè)作業(yè)步下定義了兩個(gè)具體的子Job分別來完成對兩張數(shù)據(jù)表的數(shù)據(jù)遷移。子Job中又分別定義了讀、寫兩個(gè)過程來完成數(shù)據(jù)的遷移。其中為了保證執(zhí)行效率定義了commit-interval，指定了從數(shù)據(jù)庫讀入1000條數(shù)據(jù)后進(jìn)行一次寫操作，這樣既減少了10的訪問，也提高了寫入效率。關(guān)鍵配置如下（以transferHottrTab_Job為例）：

數(shù)據(jù)遷移中讀取的數(shù)據(jù)量較大，為了高時(shí)效的完成讀取作業(yè)，讀取數(shù)據(jù)的任務(wù)進(jìn)行分區(qū)，每個(gè)分區(qū)交給不同的線程處理。該模式的優(yōu)點(diǎn)在于分區(qū)中每一個(gè)元素的處理都能像一個(gè)普通Spring Batch任務(wù)的單步一樣運(yùn)行。具體關(guān)系圖如3-1，將需要讀取的目標(biāo)數(shù)據(jù)分為了3個(gè)分區(qū)，每一個(gè)分區(qū)都有一個(gè)執(zhí)行上下文Execution Context，StepExecutionSplitter根據(jù)不同的上下文生成作業(yè)步執(zhí)行器，然后交給PartitionHandler來處理。應(yīng)為Spring Batch默認(rèn)實(shí)現(xiàn)了StepExecutionSplitter以及PartitionHandler。開發(fā)過程中原則上只需要實(shí)現(xiàn)自己分區(qū)邏輯partitioner即可。

小時(shí)表和分鐘表都含有對數(shù)據(jù)觀測時(shí)間的字段，因此對該字段進(jìn)行分區(qū)，可以實(shí)現(xiàn)分區(qū)策略的共享。具體配置如下：

class=”com.xxzx.partition.DBpartition”>

作業(yè)中用于對數(shù)據(jù)庫進(jìn)行分區(qū)的DBpartition了實(shí)現(xiàn)了Spring Btach的Partitioner接口，定義具體的分區(qū)策略，將數(shù)據(jù)查詢的時(shí)間進(jìn)行切片，然后寫入Step的執(zhí)行上下文，關(guān)鍵代碼如下：

while（start<=max）{

ExecutionContext context=new ExecutionContext（）；

if（end>=max）{

end=max；

}

context.putInt（_STARTTIME，start）；

context.putInt（_ENDTIME，end）；

start+=targetSize；

end+=targetSize；

resultMap.put（“partition”+（number++），context）；

通過把每次任務(wù)中需要查詢的時(shí)間段根據(jù)targetSize的值進(jìn)行切片，意味著數(shù)據(jù)片段分配到不同的作業(yè)步中。并將_ENDTIME和_STARTYIME寫入Step的執(zhí)行上下文（ExecutionContext）。然后在讀取數(shù)據(jù)的階段通過讀取Step執(zhí)行上下文獲取每個(gè)片段的統(tǒng)計(jì)時(shí)段。

3.2定時(shí)調(diào)度

由于Spring Batch本身并不是一個(gè)定時(shí)的調(diào)度框架。本文采用Spring本身提供的一個(gè)輕量級的調(diào)度框架SpringScheduler來實(shí)現(xiàn)定時(shí)調(diào)度任務(wù)。關(guān)鍵配置如下：

其中采用cron表達(dá)式實(shí)現(xiàn)每5分鐘調(diào)度一次作業(yè)，并且在schedulerLauncher中完成對啟動(dòng)具體作業(yè)的配置。這樣便將Spring Scheduler和Spring Batch結(jié)合起來完成數(shù)據(jù)遷移任務(wù)。

四、結(jié)論

本文基于Spring Batch框架采用數(shù)據(jù)分區(qū)技術(shù)、多線程并行處理的方法開發(fā)了一個(gè)數(shù)據(jù)庫遷移系統(tǒng)完成批量數(shù)據(jù)的遷移工作，并結(jié)合Spring Scheduler實(shí)現(xiàn)了批處理任務(wù)的定時(shí)調(diào)度。在實(shí)際工作中優(yōu)化了本省自動(dòng)站數(shù)據(jù)處理系統(tǒng)中帶寬占用率高、系統(tǒng)資源浪費(fèi)的現(xiàn)狀。實(shí)際工作中對本省自動(dòng)站數(shù)量兩要素自動(dòng)站進(jìn)行了測試，完成3260條數(shù)據(jù)的遷移的時(shí)間不超過30秒。完全滿足實(shí)際業(yè)務(wù)中的需求。