ItemWriter 详解

本章定位：深入理解 ItemWriter——Spring Batch 数据出口的核心抽象，掌握批量写入机制、事务保证和内置实现选型。

定义与作用

ItemWriter<T> 是 Spring Batch 中的核心写接口，负责将 Chunk 中的一组数据批量写出到目标系统（数据库、文件、消息队列）。

@FunctionalInterface
public interface ItemWriter&lt;T&gt; {
    void write(Chunk&lt;? extends T&gt; chunk) throws Exception;
}

关键设计：write() 接收的是 Chunk（一组数据），不是单条——这保证了一次事务提交对应一次数据批量写出。

飞翔科技架构师白歌的比喻：

"Writer 是仓库管理员。Reader 一件一件搬进来，Processor 加工好堆在托盘上，等托盘堆满（Chunk Size 达标），Writer 一次性把一整个托盘入库。入库成功 → 事务提交。"

核心原理

Writer 在 Chunk 循环中的位置

内置 Writer 选型

Writer	数据目标	关键特性
`JdbcBatchItemWriter`	数据库	使用 `PreparedStatement.addBatch()` 批量执行
`FlatFileItemWriter`	文件	逐行写入，支持定长/分隔符格式
`CompositeItemWriter`	多目标	同时写入多个 Writer
`StaxEventItemWriter`	XML 文件	基于 StAX
`JsonFileItemWriter`	JSON 文件	流式 JSON 生成
`JpaItemWriter`	JPA 数据库	`entityManager.merge()` 逐条
`KafkaItemWriter`	Kafka	批量发送消息

完整示例

场景一：飞翔科技——JdbcBatchItemWriter 批量写入学生数据

@Bean
public JdbcBatchItemWriter&lt;StudentEntity&gt; studentWriter(DataSource dataSource) {
    return new JdbcBatchItemWriterBuilder&lt;StudentEntity&gt;()
            .dataSource(dataSource)
            .sql("INSERT INTO students (student_id, name, email, age, import_time) "
               + "VALUES (:studentId, :name, :email, :age, :importTime)")
            .itemSqlParameterSourceProvider(new BeanPropertyItemSqlParameterSourceProvider<>())
            .assertUpdates(true)       // 断言每次更新的行数
            .build();
}

运行结果（Chunk Size=50）：

Chunk 1: 50 items → PreparedStatement.addBatch() × 50 → executeBatch() → 50 rows inserted → COMMIT
Chunk 2: 50 items → ... → 50 rows → COMMIT
...
Chunk 100: 50 items → ... → 50 rows → COMMIT
Step 完成: writeCount=5000

场景二：FlatFileItemWriter 生成导出文件

@Bean
public FlatFileItemWriter&lt;StudentEntity&gt; studentExportWriter() {
    return new FlatFileItemWriterBuilder&lt;StudentEntity&gt;()
            .name("studentExportWriter")
            .resource(new FileSystemResource("export_students.csv"))
            .delimited()
            .delimiter(",")
            .names("studentId", "name", "email", "age")
            .headerCallback(writer -> writer.write("student_id,name,email,age"))
            .footerCallback(writer -> writer.write("# Generated by Spring Batch"))
            .encoding("UTF-8")
            .build();
}

操作前后对比：

操作前（手动 JDBC）：
  for (Student s : list) {
      PreparedStatement ps = conn.prepareStatement("INSERT ...");
      ps.setString(1, s.getId());
      // ... 逐个设置、执行
  }
  conn.commit();
  问题：每条一条 SQL，100 万条 = 100 万次网络往返

操作后（JdbcBatchItemWriter）：
  Chunk size 500 → 每 500 条 addBatch() → executeBatch() → 1 次网络往返
  100 万条 = 2000 次网络往返（减少 500 倍）

易错场景与避坑

反例一：JdbcBatchItemWriter 使用错误的 Provider

// ❌ 使用 MapItemSqlParameterSourceProvider 但 SQL 用 :propertyName
return new JdbcBatchItemWriterBuilder&lt;StudentEntity&gt;()
        .dataSource(dataSource)
        .sql("INSERT INTO students VALUES (:studentId, :name, :email)")
        .itemSqlParameterSourceProvider(
            new MapItemSqlParameterSourceProvider())  // ❌ 需要 Map 但实体是 POJO
        .build();

正确做法：POJO 实体用 BeanPropertyItemSqlParameterSourceProvider，Map 用 MapItemSqlParameterSourceProvider。

反例二：Writer 的 write() 中逐条提交

// ❌ 在 write() 内部逐条 commit → 破坏事务一致性
public void write(Chunk<? extends Student> chunk) {
    for (Student s : chunk.getItems()) {
        jdbcTemplate.update("INSERT ...", s.getId(), s.getName());
        // ❌ 不要在这里手动提交！
    }
}

面试高频考点

Q1：ItemWriter.write() 为什么接收 Chunk 而不是单条？

为了批量写入优化。JDBC 的 executeBatch()、文件的 BufferedWriter.flush() 都是批量操作。如果逐条写入，性能会极度下降。Chunk 机制保证了一次事务内尽可能多的数据被一次性写入。

Q2：JpaItemWriter 和 JdbcBatchItemWriter 的性能差异？

JpaItemWriter 逐条调用 entityManager.merge()，适合小数据量和需要 JPA 级联操作的场景。JdbcBatchItemWriter 使用 JDBC Batch API 批量写入，性能高 5-10 倍，适合大规模 ETL。

上一章：ItemProcessor 详解下一章：FlatFileItemWriter 详解