本文详解 Spring Batch 中 ItemProcessor 不应维护跨 chunk 的状态，而应专注于单条记录转换；ItemWriter 通过 Chunk 自动接收当前批次的全部处理结果，无需在处理器中手动聚合列表。
本文详解 spring batch 中 `itemprocessor` 不应维护跨 chunk 的状态，而应专注于单条记录转换；`itemwriter` 通过 `chunk` 自动接收当前批次的全部处理结果，无需在处理器中手动聚合列表。
在 Spring Batch 的典型 chunk-oriented 处理流程中，数据流严格遵循 Reader → Processor → Writer 的职责分离原则。其中，ItemProcessor 的核心契约是：对单个输入项（InputObject）执行转换、增强或校验，并返回单个输出项（ProcessedObject）。它不应持有任何实例变量来累积或缓存多个 item 的状态——尤其不能使用类级别 List
你当前的实现存在两个关键问题：
-
违反处理器语义：process(InputObject) 方法签名表明其输入/输出均为单 item，但你却返回 List
，导致 Spring Batch 将整个 List 视为一个逻辑 item，最终传入 ItemWriter 的 Chunk 变为 Chunk - >，而非预期的 Chunk
； - 状态污染：processedList 是类成员变量，在多线程或多次 chunk 执行中持续累积，造成前一批次数据“泄漏”至后续 writer 调用，严重破坏数据隔离性与可重现性。
✅ 正确做法是让 ItemProcessor 回归单一职责：
@Override
public ProcessedObject process(InputObject input) throws Exception {
ProcessedObject o = new ProcessedObject();
try {
// ✅ 正确：仅基于当前 input 构建并填充 o
o.setId(input.getId());
o.setProcessedTime(Instant.now());
o.setBusinessResult(calculateResult(input));
} catch (Exception ex) {
o.setErrorFlag(true);
o.setErrorMessage(ex.getMessage());
}
return o; // ← 始终返回单个对象
}此时，你的 Step 配置也需同步调整，移除泛型中的 List
ImageMagick 批处理处理器
下载
使用 ImageMagick 的 convert 和 mogrify 命令进行批量图像处理，支持调整大小、裁剪、水印和格式转换。与 libvips 集成以实现高性能缩略图生成。
@Bean
public Step step1(StepBuilderFactory stepBuilderFactory,
ItemProcessor<InputObject, ProcessedObject> myProcessor,
ItemWriter<ProcessedObject> myWriter) {
return stepBuilderFactory.get("step1")
.<InputObject, ProcessedObject>chunk(15) // ← 泛型明确：输入 InputObject，输出 ProcessedObject
.reader(myReader())
.processor(myProcessor)
.writer(myWriter)
.build();
}在 ItemWriter 中，你将自然接收到类型为 List
@Override
public void write(Chunk<? extends ProcessedObject> chunk) throws Exception {
List<ProcessedObject> items = chunk.getItems(); // ← 这就是本 chunk 的全部处理结果
// 按 error flag 分组写入
List<ProcessedObject> successes = items.stream()
.filter(o -> !o.isErrorFlag())
.collect(Collectors.toList());
List<ProcessedObject> failures = items.stream()
.filter(ProcessedObject::isErrorFlag)
.collect(Collectors.toList());
writeSuccessFile(successes);
writeErrorFile(failures);
}⚠️ 重要注意事项：
- ItemProcessor 必须是无状态（stateless）或作用域受限（如 @StepScope） 的 Bean；若需临时上下文（如计数器、缓存），应使用 StepExecution 属性或 @StepScope + @Value 注入运行时参数；
- 切勿在 processor 中操作共享集合、静态变量或外部存储，否则将引发并发安全问题与 chunk 边界失效；
- 若业务逻辑确需“批内关联处理”（如计算 batch 内统计值），应将该逻辑下沉至 ItemWriter 或自定义 ChunkListener，而非污染 processor。
总结：Spring Batch 的 chunk 机制已为你封装了批量聚合逻辑。信任框架，聚焦单一职责——processor 负责“转化每一条”，writer 负责“处理整一批”。这是保障批处理健壮性、可测试性与可扩展性的基石设计。
