本文介绍如何在 Spring Batch 中将原始数据按指定大小（如每 10 条）分块，使 ItemProcessor 接收整个列表而非单个对象，从而合并调用外部 API，显著降低请求频次并提升批处理效率。
本文介绍如何在 spring batch 中将原始数据按指定大小（如每 10 条）分块，使 `itemprocessor` 接收整个列表而非单个对象，从而合并调用外部 api，显著降低请求频次并提升批处理效率。
在标准 Spring Batch 流程中，chunk(10) 表示每次读取 10 条记录、逐条经 ItemProcessor 处理、再批量写入。但若业务逻辑需对整批数据统一调用一次外部服务（例如批量校验、批量同步或批量推送），逐条处理不仅低效，还可能触发限流或增加网络开销。
核心思路是：将“分块逻辑”前移至 ItemReader 层——让 Reader 直接返回 List<item></item> 类型的“数据块”，而非单个 Item；相应地，将 chunk size 设为 1（因为每个“项”现在就是一个 chunk 列表），从而驱动 Processor 和 Writer 基于整批数据工作。
以下是关键实现步骤：
✅ 1. 配置 Job：使用 chunk(1) 并声明泛型为 List<item></item>
@Bean
public Job job(JobBuilderFactory jobs, StepBuilderFactory steps) {
return jobs.get("batchJob")
.start(steps.get("processChunkStep")
.<List<Item>, List<Item>>chunk(1) // 每次处理一个「块」（即 List<Item>）
.reader(itemReader())
.processor(itemProcessor())
.writer(itemWriter())
.build())
.build();
}✅ 2. 自定义 ItemReader<list>></list> 实现分块读取
@Bean
@StepScope
public ItemReader<List<Item>> itemReader() {
List<Item> allItems = fetchDataFromSource(); // 替换为你的实际数据源（DB、文件、API等）
int chunkSize = 10;
return new ChunkItemReader<>(allItems, chunkSize);
}✅ 3. 编写 ChunkItemReader —— 按需切片返回
public class ChunkItemReader<T> implements ItemReader<List<T>> {
private final List<T> items;
private final int chunkSize;
private int currentIndex = 0;
public ChunkItemReader(List<T> items, int chunkSize) {
this.items = Collections.unmodifiableList(items);
this.chunkSize = chunkSize;
}
@Override
public List<T> read() {
if (currentIndex >= items.size()) {
return null; // 数据耗尽
}
int endIndex = Math.min(currentIndex + chunkSize, items.size());
List<T> chunk = items.subList(currentIndex, endIndex);
currentIndex = endIndex;
return new ArrayList<>(chunk); // 返回新实例，避免后续修改影响
}
}⚠️ 注意事项：
subList()返回的是原列表的视图，务必通过new ArrayList(...)包装，防止在 Processor 或 Writer 中意外修改原始数据；- 若数据源极大（如百万级），不建议一次性加载全部
items到内存，应改用分页查询 + 游标式ItemReader（如JdbcPagingItemReader）配合自定义分块逻辑；ItemProcessor签名需同步更新为ItemProcessor<list>, List<item>></item></list>，可在此完成批量 API 调用与结果映射；- Writer 同理应适配
ItemWriter<list>></list>，支持批量入库或响应处理。
通过该设计，你真正实现了「以 chunk 为单位的端到端批量处理」，既符合 Spring Batch 的扩展模型，又兼顾了高性能与可维护性。
