使用 Spring Batch 集成为 AWS S3 中的每个新文件启动 JobLaunchRequest

Question

我正在关注文档：Spring Batch Integration 与 Integration AWS 结合使用以汇集 AWS S3。

但在某些情况下，每个文件的批处理执行不起作用。

AWS S3 池工作正常，所以当我放置一个新文件或启动应用程序并且存储桶中有文件时，应用程序会与本地目录同步：

    @Bean
    public S3SessionFactory s3SessionFactory(AmazonS3 pAmazonS3) {
        return new S3SessionFactory(pAmazonS3);
    }

    @Bean
    public S3InboundFileSynchronizer s3InboundFileSynchronizer(S3SessionFactory pS3SessionFactory) {
        S3InboundFileSynchronizer synchronizer = new S3InboundFileSynchronizer(pS3SessionFactory);
        synchronizer.setPreserveTimestamp(true);
        synchronizer.setDeleteRemoteFiles(false);
        synchronizer.setRemoteDirectory("remote-bucket");
        //synchronizer.setFilter(new S3PersistentAcceptOnceFileListFilter(new SimpleMetadataStore(), "simpleMetadataStore"));
        return synchronizer;
    }

    @Bean
    @InboundChannelAdapter(value = IN_CHANNEL_NAME, poller = @Poller(fixedDelay = "30"))
    public S3InboundFileSynchronizingMessageSource s3InboundFileSynchronizingMessageSource(
            S3InboundFileSynchronizer pS3InboundFileSynchronizer) {
        S3InboundFileSynchronizingMessageSource messageSource = new S3InboundFileSynchronizingMessageSource(pS3InboundFileSynchronizer);
        messageSource.setAutoCreateLocalDirectory(true);
        messageSource.setLocalDirectory(new FileSystemResource("files").getFile());
        //messageSource.setLocalFilter(new FileSystemPersistentAcceptOnceFileListFilter(new SimpleMetadataStore(), "fsSimpleMetadataStore"));
        return messageSource;
    }

    @Bean("s3filesChannel")
    public PollableChannel s3FilesChannel() {
        return new QueueChannel();
    }

我按照教程创建了FileMessageToJobRequest 我不会把代码放在这里，因为它与文档相同

所以我创建了 bean IntegrationFlow 和 FileMessageToJobRequest：

    @Bean
    public IntegrationFlow integrationFlow(
            S3InboundFileSynchronizingMessageSource pS3InboundFileSynchronizingMessageSource) {
        return IntegrationFlows.from(pS3InboundFileSynchronizingMessageSource, 
                         c -> c.poller(Pollers.fixedRate(1000).maxMessagesPerPoll(1)))
                .transform(fileMessageToJobRequest())
                .handle(jobLaunchingGateway())
                .log(LoggingHandler.Level.WARN, "headers.id + ': ' + payload")
                .get();
    }

    @Bean
    public FileMessageToJobRequest fileMessageToJobRequest() {
        FileMessageToJobRequest fileMessageToJobRequest = new FileMessageToJobRequest();
        fileMessageToJobRequest.setFileParameterName("input.file.name");
        fileMessageToJobRequest.setJob(delimitedFileJob);
        return fileMessageToJobRequest;
    }

所以在 JobLaunchingGateway 我认为是问题所在：

如果我这样创建：

    @Bean
    public JobLaunchingGateway jobLaunchingGateway() {
        SimpleJobLauncher simpleJobLauncher = new SimpleJobLauncher();
        simpleJobLauncher.setJobRepository(jobRepository);
        simpleJobLauncher.setTaskExecutor(new SyncTaskExecutor());
        JobLaunchingGateway jobLaunchingGateway = new JobLaunchingGateway(simpleJobLauncher);

        return jobLaunchingGateway;
    }

案例1（应用启动时Bucket为空）：

• 我在 AWS S3 中上传了一个新文件；
• 池化工作，文件出现在本地目录中；
• 但是转换/作业没有被触发；

案例2（应用启动时Bucket已经有一个文件）：

• 作业已启动：

2021-01-12 13:32:34.451  INFO 1955 --- [ask-scheduler-1] o.s.b.c.l.support.SimpleJobLauncher      : Job: [SimpleJob: [name=arquivoDelimitadoJob]] launched with the following parameters: [{input.file.name=files/FILE1.csv}]
2021-01-12 13:32:34.524  INFO 1955 --- [ask-scheduler-1] o.s.batch.core.job.SimpleStepHandler     : Executing step: [delimitedFileJob]

• 如果我在 S3 中添加第二个文件，则不会像案例 1 那样启动作业。

案例 3（Bucket 有多个文件）：

• 文件在本地目录中正确同步
• 但作业只针对最后一个文件执行一次。

---

所以按照docs，我将网关更改为：

    @Bean
    @ServiceActivator(inputChannel = IN_CHANNEL_NAME, poller = @Poller(fixedRate="1000"))
    public JobLaunchingGateway jobLaunchingGateway() {
        SimpleJobLauncher simpleJobLauncher = new SimpleJobLauncher();
        simpleJobLauncher.setJobRepository(jobRepository);
        simpleJobLauncher.setTaskExecutor(new SyncTaskExecutor());

        //JobLaunchingGateway jobLaunchingGateway = new JobLaunchingGateway(jobLauncher());
        JobLaunchingGateway jobLaunchingGateway = new JobLaunchingGateway(simpleJobLauncher);
        //jobLaunchingGateway.setOutputChannel(replyChannel());
        jobLaunchingGateway.setOutputChannel(s3FilesChannel());
        return jobLaunchingGateway;
    }

使用这个新的网关实现，如果我在 S3 中放置一个新文件，应用程序会做出反应，但没有转换并给出错误：

Caused by: java.lang.IllegalArgumentException: The payload must be of type JobLaunchRequest. Object of class [java.io.File] must be an instance of class org.springframework.batch.integration.launch.JobLaunchRequest

如果存储桶中有两个文件（应用程序启动时）FILE1.csv 和 FILE2.csv，则 FILE1.csv 的作业正确运行，但 FILE2.csv 出现上述错误。

实现这样的事情的正确方法是什么？

为了清楚起见，我想在这个存储桶中接收数千个 csv 文件，使用 Spring Batch 读取和处理，但我还需要尽快从 S3 获取每个新文件。

提前致谢。

Answer 1

JobLaunchingGateway 确实只期望我们将JobLaunchRequest 作为有效负载。

既然您在 S3InboundFileSynchronizingMessageSource bean 定义上拥有 @InboundChannelAdapter(value = IN_CHANNEL_NAME, poller = @Poller(fixedDelay = "30"))，那么在没有 FileMessageToJobRequest 之间的变压器的情况下为 JobLaunchingGateway 拥有 @ServiceActivator(inputChannel = IN_CHANNEL_NAME 确实是错误的。

您的 integrationFlow 对我来说看起来不错，但是您确实需要从 S3InboundFileSynchronizingMessageSource bean 中删除 @InboundChannelAdapter 并完全依赖 c.poller() 配置。

另一种方法是离开 @InboundChannelAdapter，然后从 IN_CHANNEL_NAME 而不是 MessageSource 开始 IntegrationFlow。

由于您有多个轮询器针对同一个 S3 源，而且两者都基于同一个本地目录，所以看到这么多意外情况也就不足为奇了。