Spring Batch für Enterprise-Massenverarbeitung

Viele Enterprise-Systeme haben Nachtläufe, Abrechnungen, Imports, Exports, Datenkorrekturen oder regulatorische Reports. Spring Batch modelliert diese Abläufe explizit als Job, Step und Chunk. Der Status landet im Job Repository und ermöglicht Restart, Monitoring und Nachvollziehbarkeit.

Ein Batchjob ist kein verstecktes @Scheduled mit einer 500-Zeilen-Schleife. Robustheit entsteht durch definierte Commit-Größen, fehlerhafte Datensätze, Wiederholungen, Restart und fachliche Kontrollsummen.

@Configuration
class BillingBatchJobConfig {
    @Bean
    Step invoiceExportStep(JobRepository jobs,
                           PlatformTransactionManager tx,
                           ItemReader<Invoice> reader,
                           ItemProcessor<Invoice, InvoiceExportRow> processor,
                           ItemWriter<InvoiceExportRow> writer) {
        return new StepBuilder("invoiceExportStep", jobs)
            .<Invoice, InvoiceExportRow>chunk(500, tx)
            .reader(reader)
            .processor(processor)
            .writer(writer)
            .faultTolerant()
            .skip(InvalidInvoiceException.class)
            .skipLimit(25)
            .build();
    }
}

Job-Parameter definieren die Identität einer Ausführung. invoiceExport für 2026-07-07 ist fachlich ein anderer Lauf als für 2026-07-08. Ohne saubere Parameter werden Restarts und Audits unklar.

java -jar billing-batch.jar   --spring.batch.job.name=invoiceExportJob   billing.date=2026-07-07   output.file=/exports/invoices-2026-07-07.csv

Skip eignet sich für einzelne schlechte Datensätze. Retry eignet sich für temporäre technische Fehler. Ein fachlicher Fehler sollte nicht endlos wiederholt werden. Jeder übersprungene Satz braucht Bericht, Korrekturpfad und Verantwortlichkeit.