#2 spring batch 使用场景
spring batch 给出了如下几个使用场景
商用场景
Commit batch process periodically Concurrent batch processing: parallel processing of a job Staged, enterprise message-driven processing Massively parallel batch processing Manual or scheduled restart after failure Sequential processing of dependent steps (with extensions to workflow-driven batches) Partial processing: skip records (e.g. on rollback) Whole-batch transaction: for cases with a small batch size or existing stored procedures/scripts
我自己的想法来看的话，我觉得spring batch只是存在与一般的java程序与hadoop的模糊界限地带。spring batch所能做的，hadoop都能做。但是spring batch写了一个java batch job framework，它的作用就是帮你管理好你的job，各种监控，流程控制，重启等，也可以说是一个标准，免得你自己写一个frameword的时候，漏掉很多细节。
不过你要把spring batch的工作都放到hadoop里面做，可能hadoop有点大柴小用了，此外，还有以下几点考量
1. 学习梯度
学习梯度很重要，hadoop上手挺不容易的，写好一个M/R也不是那么简单的，如果你简单的new File()都可能让你的hadoop挂掉。spring batch 有与 spring 结合的很好，学习梯度小，例子也很多。spring batch 最好的还是job管理，这点的话hadoop有些东西还是得配置。此外你spring batch 配置Master/Slaver也比hadoop快捷的多。
2. 成本需求
成本除了机器成本之外，人力成本也是很重要的。与其搞一个team来弄hadoop，不如让程序员自己看看spring batch
3. 快速部署
spring batch最棒就是他的job管理，step的灵活配置，与spring的无缝结合，hadoop还要自己写一些处理逻辑
总结：
spring batch 对于处理批量任务还是挺棒的，hadoop更加有利于数据挖掘之类。spring batch适合规模不算太大的数据处理，hadoop那肯定是上规模的计算与处理了。spring batch应该是job的偏管理这块，而hadoop应该是偏计算这快。
以后发展方向可能要经常与spring batch，hadoop，data mining打交道了。
