#Spring Batch

배치 처리를 Spring 프레임워크 기반에서 안정적으로 개발할 수 있게 해주는 엔터프라이즈급 프레임워크.

배치 처리란? 대량의 데이터를 사용자 개입 없이 일괄적으로 자동 처리하는 방식.

#1. 개요

#1.1 필요 상황

• 대량 데이터 정제 및 가공
• 정기적인 야간 정산 작업
• 대규모 리포트 생성 및 통계 집계
• 시스템 간 데이터 마이그레이션

#1.2 이점

• 강력한 트랜잭션 관리 및 커밋 지점 설정
• Skip / Retry 정책을 통한 예외 처리
• 작업 상태 모니터링 및 로깅 자동화
• 실패 지점부터의 안전한 재실행(Restart)

#1.3 단순 Scheduled와의 차이

Spring Batch는 단순 실행을 넘어, 실패 지점부터의 재처리나 대용량 데이터를 효율적으로 다루기 위한 청크 단위 커밋 같은 전문 기능을 완성된 형태로 제공한다는 점이 가장 큰 차이다.

#2. 아키텍처

#2.1 핵심 3계층

상위 계층은 하위 계층의 서비스를 활용하여 동작한다.

계층	역할
Application Layer	사용자 작성 batch Job 및 커스텀 비즈니스 로직
Batch Core Layer	Job, Step, JobLauncher 등 런타임 제어 API
Infrastructure Layer	Reader, Writer, Retry 등 기술적 공통 서비스

#2.2 도메인 구조

개념	설명
Job	전체 배치 프로세스의 설계도. 무엇을 수행할지 정의
JobParameters	Job과 함께 결합되어 실행되는 파라미터
JobInstance	JobParameters가 조금이라도 다르면 완전히 새로운 인스턴스가 생성됨
JobExecution	하나의 JobInstance가 실제로 실행될 때마다 생성되는 객체. 성공/실패, 시작 시간 등 상태 정보를 담음

예: 어제 배치가 실패해 오늘 다시 실행하면, 같은 JobInstance 내에 두 개의 JobExecution이 생긴다.

#2.3 Step

• Job을 구성하는 개별 처리 단계
• 비즈니스 로직을 캡슐화
• 독립적인 실행 제어가 가능

StepExecution (Step 실행 시 생성되는 메타데이터)

• Read / Write / Skip Count 기록
• StartTime, EndTime, Status 저장

Step 종류

종류	용도	흐름
Chunk Step	대용량 처리	ItemReader → ItemProcessor → ItemWriter
Tasklet Step	단일 작업	단일 태스크 수행 (파일 삭제, DB 프로시저 호출 등)

Step 흐름 제어 유형: Sequential / Conditional / Flow / Split / Partitioning

#3. Chunk 지향 처리 (Chunk-oriented Processing)

데이터를 한 건씩 읽고 처리한 후 바로 쓰는 게 아니라, commit-interval 설정 값만큼 모아서 한 번에 커밋한다. 이 단위를 Chunk라고 부른다.

컴포넌트	동작
ItemReader	데이터 소스에서 1건씩 읽기 반복
ItemProcessor	읽은 데이터를 비즈니스 로직으로 변환
ItemWriter	Chunk 단위로 모인 데이터를 일괄 저장

• Chunk Size = commit-interval
• 처리 중간에 오류가 발생하면 해당 Chunk 전체가 롤백(rollback) 된다.

예외 처리

• 예외 발생 시 Skip으로 해당 데이터만 건너뛰거나, Retry로 다시 시도할 수 있다.
• Skip된 데이터는 ItemProcessListener나 ItemWriteListener를 통해 별도 로그를 남기거나 DB에 기록하는 게 일반적이다.
• 전용 테이블(Dead Letter Table)에 일단 모아두고, 나중에 운영팀이 수동으로 재처리하거나 원인을 분석한다.

#4. Tasklet Step

• 단일 태스크 수행을 위한 인터페이스
• execute() 메서드 하나만 구현
• 복잡한 로직이 없는 단발성 작업

활용 예시

• 파일 삭제, 디렉토리 생성 등 작업
• 알림 발송 (Email, Slack 등)
• DB 초기화 및 데이터 사전 검증

#5. 메타데이터 / 파라미터

#5.1 JobParameters

• JobInstance 식별 및 파라미터 전달

#5.2 ExecutionContext

• 실행 상태 저장 (Map 구조)
• 데이터 공유: Job ↔ Step, Step ↔ Step
• 직렬화(Serializable) 필수

DB에 저장되므로 불필요하게 큰 객체 저장은 지양한다.

#6. 예외 처리 메커니즘

#6.1 Skip 메커니즘

• 특정 예외 시 해당 아이템 건너뛰기
• skip-limit: 최대 허용 횟수 설정
• skippable-exception: 예외 클래스 등록
• no-skip-exception: 제외할 예외 설정

#6.2 Retry 메커니즘

• 일시적 오류 시 동일 작업 재시도
• retry-limit: 최대 재시도 횟수
• backoff-policy: 재시도 간격 제어
• 네트워크 지연, DB 데드락 처리에 유용