概述

本篇博客是記錄使用spring batch做數(shù)據(jù)遷移時時遇到的一個關鍵問題：數(shù)據(jù)遷移量大時如何保證內(nèi)存。當我們在使用spring batch時，我們必須配置三個東西: reader，processor，和writer。其中，reader用于從數(shù)據(jù)庫中讀數(shù)據(jù)，當數(shù)據(jù)量較小時，reader的邏輯不會對內(nèi)存帶來太多壓力，但是當我們要去讀的數(shù)據(jù)量非常大的時候，我們就不得不考慮內(nèi)存等方面的問題，因為若數(shù)據(jù)量非常大，內(nèi)存，執(zhí)行時間等等都會受到影響。關于spring batch的基礎知識和介紹請參考這篇博客：批處理框架spring batch介紹及使用。

問題是什么

在上面的內(nèi)容當中我們已經(jīng)提到了,我們面臨的問題是數(shù)據(jù)遷移量大時的內(nèi)存問題。但是這樣的描述非常籠統(tǒng)，因此博主決定將這一部分單獨拎出來說。

在學習了spring batch的知識之后我們應該很清楚的一點是，每一個spring batch的step都包含如下的部分:

即讀數(shù)據(jù)，處理數(shù)據(jù)，寫數(shù)據(jù)。這三個步驟里面最可能會導致內(nèi)存變大問題的無疑是讀數(shù)據(jù)環(huán)節(jié)。讀數(shù)據(jù)作為spring batch的數(shù)據(jù)輸入，是整個spring batch job的開頭邏輯。

若我們的數(shù)據(jù)量不大，如只有幾十萬條，那我們無疑不會面臨內(nèi)存問題，即便一次將所有數(shù)據(jù)加載到內(nèi)存當中，占的內(nèi)存也不會非常多，且spring batch數(shù)據(jù)遷移的速度非常之快，幾十萬條的數(shù)據(jù)往往是幾十秒的時間就可以遷移完成。但是當數(shù)據(jù)量變大之后，問題就不一樣了。當我們的數(shù)據(jù)量達到數(shù)百萬或上千萬時，若一次性將所有數(shù)據(jù)全部讀到內(nèi)存當中，則會占據(jù)遠遠超出正常范圍的非常大的內(nèi)存。該問題示意圖如下所示:

我們寫的任何程序都會有一個運行內(nèi)存,假設這個內(nèi)存的總容量現(xiàn)在只有4g，而我們數(shù)據(jù)庫里需要操作的數(shù)據(jù)有8g，那么無疑，一次性的將數(shù)據(jù)讀出來就會出錯。這便是需要考慮得問題。

Spring提供的reader實現(xiàn)

spring提供了非常豐富的Reader實現(xiàn)，其中比較常用的從數(shù)據(jù)庫讀數(shù)據(jù)的有JdbcCursorItemReader,JdbcPagingItemReader等。

JdbcCursorItemReader

使用JdbcCursorItemReader的示例代碼如下：

@Bean
public JdbcCursorItemReader<CustomerCredit> itemReader() {
 return new JdbcCursorItemReaderBuilder<CustomerCredit>()
   .dataSource(this.dataSource)
   .name("creditReader")
   .sql("select ID, NAME, CREDIT from CUSTOMER")
   .rowMapper(new CustomerCreditRowMapper())
   .build();
 
}

JdbcCursorItemReader的好處在于使用簡單，但是我們從它的sql就能發(fā)現(xiàn)，JdbcCursorItemReader會一次把所有的數(shù)據(jù)全部拿回來，當數(shù)據(jù)量過大而服務器內(nèi)存不夠時，就會遇到下面無法分配內(nèi)存的問題：

報錯信息為:Resource exhaustion event:The JVM was unable to allocate memory from the heap. 意思就是需要分配內(nèi)存的數(shù)據(jù)太多，但是無法找到足夠的內(nèi)存了。

反映在內(nèi)存里，堆內(nèi)存會呈現(xiàn)出如下的情況:

隨著每一次數(shù)據(jù)讀入，堆內(nèi)存都會增大，原因就在于JdbcCursorItemReader一次性讀回了所有的數(shù)據(jù)，返回之后就會存在一個對象里面，而這個對象的尺寸過大，因此直接進入了老年代。在數(shù)據(jù)遷移完成之前，這些數(shù)據(jù)都不會被回收。如下圖所示:

毫無疑問，當我們的數(shù)據(jù)量大時不應該使用這種類型的reader來讀取數(shù)據(jù)。

JdbcPagingItemReader

JdbcPagingItemReader的作用和它的名字一樣，它可以分頁讀取數(shù)據(jù)，但是使用起來相比于JdbcCursorItemReader更加復雜，示例代碼如下:

@Bean
public JdbcPagingItemReader itemReader(DataSource dataSource, PagingQueryProvider queryProvider) {
 Map<String, Object> parameterValues = new HashMap<>();
 parameterValues.put("status", "NEW");
 
 return new JdbcPagingItemReaderBuilder<CustomerCredit>()
      .name("creditReader")
      .dataSource(dataSource)
      .queryProvider(queryProvider)
      .parameterValues(parameterValues)
      .rowMapper(customerCreditMapper())
      .pageSize(1000)
      .build();
}
 
@Bean
public SqlPagingQueryProviderFactoryBean queryProvider() {
 SqlPagingQueryProviderFactoryBean provider = new SqlPagingQueryProviderFactoryBean();
 
 provider.setSelectClause("select id, name, credit");
 provider.setFromClause("from customer");
 provider.setWhereClause("where status=:status");
 provider.setSortKey("id");
 
 return provider;
}

可以看到我們能夠設置page的大小，JdbcPagingItemReader將根據(jù)這個頁的大小，每次讀取這么多的數(shù)據(jù)，因此這些數(shù)據(jù)返回保存的對象，就只會是小對象，因此他們不會直接在老年代里分配，而是先分配在年輕代，隨著年輕代不斷變大，minor gc也不斷進行，回收掉已經(jīng)處理完的數(shù)據(jù)，老年代的內(nèi)存使用量不會有任何增大，類似下圖：

老年代內(nèi)存不會有任何變化，年輕帶會隨著服務器數(shù)據(jù)遷移進行而增大同時被回收。

在使用JdbcPagingItemReader時，有一個必須注意的地方就是排序關鍵字是必須指定的，原因在于排序是分頁實現(xiàn)原理的技術基礎。sortKey和我們指定的其他字句一起構建出SQL語句出來。在sortKey上必須使用unique key constraint約束，因為只有這樣才能得以確保執(zhí)行之間不會丟失任何數(shù)據(jù)。這也可以說是JdbcCursorItemReader相對便利的一點優(yōu)勢。

總結

數(shù)據(jù)量小時選擇的方案差別不會很大，當數(shù)據(jù)量大時，為了有好的內(nèi)存表現(xiàn)則使用分頁的reader是必要的。但同時，因為要實現(xiàn)分頁，也會帶來一些不可避免的限制。

到此這篇關于spring batch使用reader讀數(shù)據(jù)的內(nèi)存容量問題詳解的文章就介紹到這了,更多相關spring batch使用reader讀數(shù)據(jù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論