时间戳

首页 > 解决方案 > Spring Batch - 如何以更快的方式读取 500 万条记录？

spring - Spring Batch - 如何以更快的方式读取 500 万条记录？

问题描述

我正在开发 Spring Boot v2.2.5.RELEASE 和 Spring Batch 示例。在此示例中，我使用来自一个数据中心的系统读取 500 万条记录JdbcPagingItemReader并将Postgres其写入MongoDB另一个数据中心。

这个迁移太慢了，需要让这个批处理作业的性能更好。我不确定如何使用分区，因为我在那个表中有一个 PK 保存 UUID 值，所以我想不出使用ColumnRangePartitioner. 有没有最好的方法来实现这个？

方法一：

@Bean
public JdbcPagingItemReader<Customer> customerPagingItemReader(){
    // reading database records using JDBC in a paging fashion
    JdbcPagingItemReader<Customer> reader = new JdbcPagingItemReader<>();
    reader.setDataSource(this.dataSource);
    reader.setFetchSize(1000);
    reader.setRowMapper(new CustomerRowMapper());

    // Sort Keys
    Map<String, Order> sortKeys = new HashMap<>();
    sortKeys.put("cust_id", Order.ASCENDING);

    // POSTGRES implementation of a PagingQueryProvider using database specific features.
    PostgresPagingQueryProvider queryProvider = new PostgresPagingQueryProvider();
    queryProvider.setSelectClause("*");
    queryProvider.setFromClause("from customer");
    queryProvider.setSortKeys(sortKeys);

    reader.setQueryProvider(queryProvider);

    return reader;
}

然后是 Mongo writer，我使用 Spring Data Mongo 作为自定义 writer：

工作详情

@Bean
    public Job multithreadedJob() {
        return this.jobBuilderFactory.get("multithreadedJob")
                .start(step1())
                .build();
    }

    @Bean
    public Step step1() {
        ThreadPoolTaskExecutor taskExecutor = new ThreadPoolTaskExecutor();
        taskExecutor.setCorePoolSize(4);
        taskExecutor.setMaxPoolSize(4);
        taskExecutor.afterPropertiesSet();

        return this.stepBuilderFactory.get("step1")
                .<Transaction, Transaction>chunk(100)
                .reader(fileTransactionReader(null))
                .writer(writer(null))
                .taskExecutor(taskExecutor)
                .build();
    }

方法 2：AsyncItemProcessor 和 AsyncItemWriter 将是更好的选择，因为我仍然必须使用相同的 JdbcPagingItemReader 阅读？

方法3：分区，如何在我PK为UUID的地方使用它？

标签： springspring-batch

解决方案

分区（方法 3）是 IMO 的最佳选择。如果您的主键是字符串，您可以尝试创建一个复合键（也就是组成唯一键的列组合）。

推荐阅读