如何通过Swagger UI向Cloud Foundry上的Spring Batch传CSV文件演示

我来帮你梳理下实现「CSV文件→Swagger UI→Rest Controller→Spring Batch」这个流程的具体步骤，亲测可行，你可以一步步落地：

首先要确保Spring Boot能处理文件上传请求，默认的文件大小限制可能偏小，建议在配置文件（application.yml或application.properties）里调整参数：

spring:
  servlet:
    multipart:
      max-file-size: 10MB  # 单个文件最大大小，根据你的需求调整
      max-request-size: 10MB  # 整个请求的最大大小

创建一个Controller，负责接收Swagger上传的CSV文件，临时保存后触发Spring Batch作业，同时把文件路径作为作业参数传递：

@RestController
@RequestMapping("/batch")
public class BatchJobController {

    private final JobLauncher jobLauncher;
    private final Job csvProcessingJob;

    // 构造注入JobLauncher和自定义的Batch作业
    public BatchJobController(JobLauncher jobLauncher, Job csvProcessingJob) {
        this.jobLauncher = jobLauncher;
        this.csvProcessingJob = csvProcessingJob;
    }

    @PostMapping("/upload-and-run")
    public ResponseEntity<String> uploadAndRunJob(@RequestParam("file") MultipartFile file) throws Exception {
        if (file.isEmpty()) {
            return ResponseEntity.badRequest().body("请上传非空的CSV文件");
        }

        // 将上传的文件保存到临时目录，作业完成后自动删除
        File tempFile = File.createTempFile("batch-upload-", ".csv");
        file.transferTo(tempFile);
        tempFile.deleteOnExit();

        // 构建作业参数：传递临时文件路径，加timestamp确保每次作业参数唯一（避免重复执行）
        JobParameters jobParameters = new JobParametersBuilder()
                .addString("inputFilePath", tempFile.getAbsolutePath())
                .addLong("timestamp", System.currentTimeMillis())
                .toJobParameters();

        // 触发批处理作业
        jobLauncher.run(csvProcessingJob, jobParameters);

        return ResponseEntity.ok("批处理作业已启动，正在处理你的CSV文件");
    }
}

原来的ItemReader是固定读取类路径下的文件，现在要改成从作业参数里获取文件路径，这里需要用到@StepScope注解，让Reader能在Step级别动态获取参数：

@Bean
@StepScope  // 关键：让Bean能访问JobParameters
public FlatFileItemReader<YourDataModel> csvItemReader(
        @Value("#{jobParameters['inputFilePath']}") String inputFilePath) {
    
    FlatFileItemReader<YourDataModel> reader = new FlatFileItemReader<>();
    // 替换原来的ClassPathResource，改用FileSystemResource读取临时文件
    reader.setResource(new FileSystemResource(inputFilePath));
    
    // 下面的lineMapper、fieldSetMapper等原有配置保持不变
    reader.setLineMapper(new DefaultLineMapper<>() {{
        setLineTokenizer(new DelimitedLineTokenizer() {{
            setNames("field1", "field2", "field3"); // 你的CSV字段名
        }});
        setFieldSetMapper(new BeanWrapperFieldSetMapper<>() {{
            setTargetType(YourDataModel.class); // 你的数据模型类
        }});
    }});
    
    return reader;
}

如果用的是springdoc-openapi（Spring Boot 3.x推荐），只需在Controller方法上添加注解，让Swagger UI识别文件上传参数：

@PostMapping("/upload-and-run")
@Operation(summary = "上传CSV文件并启动批处理作业", 
           description = "上传本地CSV文件，系统将自动触发Spring Batch作业处理该文件")
@ApiResponses(value = {
        @ApiResponse(responseCode = "200", description = "作业已成功启动"),
        @ApiResponse(responseCode = "400", description = "上传的文件为空，请重新选择")
})
public ResponseEntity<String> uploadAndRunJob(
        @Parameter(description = "要上传的CSV文件", required = true)
        @RequestParam("file") MultipartFile file) throws Exception {
    // 方法体不变
}

启动应用后访问/swagger-ui.html，就能看到带文件上传表单的接口了，直接选择本地CSV文件即可测试。

• 临时文件处理：Cloud Foundry的临时目录是可读可写的，上面的deleteOnExit()能在JVM退出时删除临时文件，但如果你的作业是异步执行的，建议在JobExecutionListener里手动删除文件：

@Bean
public JobExecutionListener tempFileCleanupListener() {
    return new JobExecutionListener() {
        @Override
        public void afterJob(JobExecution jobExecution) {
            String filePath = jobExecution.getJobParameters().getString("inputFilePath");
            if (filePath != null) {
                new File(filePath).delete();
            }
        }
    };
}

然后把这个Listener加到你的Job配置里：

@Bean
public Job csvProcessingJob(Step csvProcessingStep, JobExecutionListener tempFileCleanupListener) {
    return jobBuilderFactory.get("csvProcessingJob")
            .incrementer(new RunIdIncrementer())
            .listener(tempFileCleanupListener)
            .flow(csvProcessingStep)
            .end()
            .build();
}

• 资源配额：确保你的Cloud Foundry应用有足够的磁盘配额（至少大于你要上传的最大文件大小），避免因磁盘不足导致文件保存失败。

内容的提问来源于stack exchange，提问作者Santosh Kashyap