应用崩溃或数据库重启后如何优雅终止Spring Batch作业

核心思路 #

要精准区分真僵死作业（应用/数据库重启后进程已消失，但元数据状态仍为STARTED/UNKNOWN）和正常运行的作业，避免误更新引发乐观锁异常，以下是三种可落地的方案：

方案一：心跳机制识别僵死作业 #

通过给作业执行记录添加心跳字段，判断作业是否存活：

• 扩展batch_job_execution表，新增last_heartbeat_time DATETIME字段，默认值设为NULL。
• 自定义JobExecutionListener或StepExecutionListener，在作业运行期间定时更新last_heartbeat_time为当前时间（比如每30秒更新一次，可通过Spring Scheduler或步骤回调实现）。
• 应用启动时执行以下逻辑：
  1. 查询所有状态为STARTED/UNKNOWN且last_heartbeat_time距离当前时间超过阈值（比如2分钟，需大于心跳间隔）的作业执行记录。
  2. 用行级锁锁定目标记录（避免与正常作业冲突），再更新状态：

     -- 锁定符合条件的僵死作业，跳过已被锁定的正常作业
     SELECT job_execution_id FROM batch_job_execution 
     WHERE status IN ('STARTED', 'UNKNOWN') 
       AND last_heartbeat_time < DATE_SUB(NOW(), INTERVAL 2 MINUTE)
     FOR UPDATE SKIP LOCKED;
     
     -- 更新作业状态
     UPDATE batch_job_execution 
     SET status = 'STOPPED', end_time = NOW(), last_updated = NOW()
     WHERE job_execution_id IN (/* 上述查询的ID列表 */);
     
     -- 同步更新对应步骤的状态
     UPDATE batch_step_execution 
     SET status = 'STOPPED', end_time = NOW(), last_updated = NOW()
     WHERE job_execution_id IN (/* 上述查询的ID列表 */)
       AND status IN ('STARTED', 'UNKNOWN');
     

方案二：利用元数据版本号做乐观锁校验 #

Spring Batch元数据表自带version字段（用于乐观锁），正常运行的作业会持续更新该字段，僵死作业的version不会变化：

• 应用启动时，先查询所有状态为STARTED/UNKNOWN的作业记录，保存job_execution_id和对应的version值。
• 对每条记录执行带版本条件的更新语句：

  -- 仅当version未变化时更新作业状态，避免误改正常运行的作业
  UPDATE batch_job_execution 
  SET status = 'STOPPED', end_time = NOW(), last_updated = NOW(), version = version + 1
  WHERE job_execution_id = ? 
    AND version = ? 
    AND status IN ('STARTED', 'UNKNOWN');
  
  -- 同步更新步骤状态
  UPDATE batch_step_execution 
  SET status = 'STOPPED', end_time = NOW(), last_updated = NOW(), version = version + 1
  WHERE job_execution_id = ? 
    AND status IN ('STARTED', 'UNKNOWN');
  

• 如果更新行数为0，说明该作业仍在运行（version已被修改），直接跳过；更新行数为1则确认是僵死作业，更新成功。

方案三：分布式锁控制单节点清理 #

避免多节点同时执行清理操作引发冲突：

• 基于Redis或数据库实现分布式锁（比如用Redis的SETNX命令，或数据库排他锁），锁的有效期设为5分钟（足够完成清理操作）。
• 应用启动时，仅获取到锁的节点执行僵死作业的扫描和更新逻辑，其他节点直接跳过。
• 清理完成后主动释放锁，或等待锁自动过期。

注意事项 #

• 更新作业状态时必须同步更新对应的步骤执行记录，保证元数据一致性。
• 心跳超时时间、锁有效期等阈值需根据实际作业的运行节奏调整，避免误判。
• 可将清理逻辑封装为Spring Boot的ApplicationRunner或CommandLineRunner，实现应用启动时自动执行。

内容的提问来源于stack exchange，提问作者Galet