2

我正在使用 Spring Batch 从使用 RepositoryItemReader 的 postgresql DB 读取记录，然后将其写入主题。我看到大约有 100 万条记录需要处理，但它没有处理所有记录。我已将阅读器的 pageSize 设置为 10,000 并且与提交间隔（块大小）相同

@Bean
public TaskletStep broadcastProductsStep(){
    return stepBuilderFactory.get("broadcastProducts")
            .<Product, Product> chunk(10000)
            .reader(productsReader.repositoryItemReader())
            .processor(productsProcessor)
            .writer(compositeItemWriter)                    
            .faultTolerant()
            .skip(Exception.class)                              
            .skipLimit(100000)
            .processorNonTransactional()                        
            .listener(new SkipListenerProducts())               
            .listener(productsChunkListener)
            .build();
}


@Bean
public RepositoryItemReader repositoryItemReader() {

    RepositoryItemReader<Product> repositoryReader = new RepositoryItemReader<>();

    try {
        repositoryReader.setRepository(skuRepository);
        repositoryReader.setMethodName("findByIsUpdatedAndStatusCodeIn");
        repositoryReader.setPageSize(10000);
        repositoryReader.setSaveState(false);

        List<List<String>> arguments = new ArrayList<>();
        arguments.add(Stream.of(SkuStatus.RELEASED.getValue().toString(), SkuStatus.BLOCKED.getValue().toString(),
                SkuStatus.DISCONTINUED.getValue().toString())
                  .collect(Collectors.toList()));
        repositoryReader.setArguments(arguments);

        Map sorts = new HashMap();
        sorts.put("catalog_number", Sort.Direction.ASC);

        repositoryReader.setSort(sorts);
        repositoryReader.afterPropertiesSet();

    } catch (Exception exception){
        exception.printStackTrace();
    }

    return repositoryReader;
}

@Query(value = "SELECT * FROM CATALOG.PRODUCTS WHERE IS_UPDATED = 'true' AND STATUS_CODE IN (:statusCode)",
       countQuery = "SELECT COUNT(*) FROM CATALOG.PRODUCTS WHERE IS_UPDATED = 'true' AND STATUS_CODE IN (:statusCode)",
       nativeQuery = true)
public Page<Product> findByIsUpdatedAndStatusCodeIn(@Param(value = "statusCode") List<String> statusCode, 
        Pageable pageable);
4

1 回答 1

2

问题可能是您在阅读器查询（IS_UPDATED）的标准上混合了分页和更新。

db 中页面大小 = 2 和 6 行的示例

  • 一个 IS_UPDATED=true
  • B IS_UPDATED=真
  • C IS_UPDATED=真
  • D IS_UPDATED=真
  • E IS_UPDATED=真
  • F IS_UPDATED=真

首读页 = 1 返回行 A 和 B

在编写器执行后（将 A & B 的 IS_UPDATED 设置为 false），我们在 db 中有：

  • C IS_UPDATED=真
  • D IS_UPDATED=真
  • E IS_UPDATED=真
  • F IS_UPDATED=真

第二次阅读将移至第 2 页，因此它将占用 E & F 行而不是 C & D

任何一个 ：

  1. 您不应该更新 IS_UPDATED 列。
  2. 或者您创建一个子类RepositoryItemReader并在其中覆盖 getPage
    @Override
    public int getPage() {
        return 0;
    }

选项 2 对批量崩溃/错误更具弹性，但您必须确保 IS_UPDATED 在您的编写器中始终设置为 false ，否则阅读器将无限期循环。

如果您使用多线程步骤，选项 2 还需要更多调整。

于 2019-10-18T07:27:08.247 回答