并发处理业务
数据量大，并发度高，要支持事物，回滚，并发机制。事务、并发、监控、执行等，并不提供相应的调度功能。因此，如果我们希望批处理任务定期执行，可结合 Quartz 等成熟的调度框架实现。
业务场景：
///分布式下面的批处理系统有Hadoop，有时间可以研究一下，它需要特定的场景
================================================================================================
1.系统业务量很大的情况下，可以现将业务暂时存储下来，在系统不忙的情况下进行批量的处理(就是时候进行归档处理)，Spring Batch刚好就是这样的一个框架。
2.主要有基础层，核心层，应用层
3.设计
JobRepository：批处理的任务仓库-----所有提交待处理的批处理任务
JobLanucher:批处理的调度管理器------启动批处理服务，开始处理
Job：具体的批处理作业----------------具体的批处理作业 ？这个可以挂接我们自己的业务
Step：一个批处理作用的一个过程
ItemReader：读取---获取数据
ItemProcessor：处理数据
ItemWriter：写入持久化数据
上述就是批处理的一个处理流程，Spring Batch给我们统一管理，我们仅仅把自己的业务挂接在其组件上即可。
============================================================================================
1、commit-interval：批量进行提交(写入)--reader数目为commit-interval数目时，writer提交写入。
2、retry-limit：此步骤失败后重拾的最大次数，如果超过这个数目，就不会重试。
3、retryable-exception-classes：重试的条件(一般就是通过异常进行中断或者自定义策略)-include，exclude
4、retry-policy:自定义重试的策略----就是条件是什么就可以知道要重试了，有这个retryable-exception-classes不生效SkipPolicy
5、skip-limit：出错进行跳过
6、skippable-exception-classes：-include，exclude
7、skip-policy：自定义策略RetryPolicy
注：任务失败后，首先应该重试几次，如果不行的话，再采用Skip机制，采用Listeners机制记录Log记录（CheckPoint），之后进行任务重做，其次在进行任务的重新启动执行。
=============================================================================================
1.tasklet--实现Tasklet接口即可
2.tasklet-chunk---里面有reader，writer，processor
3.listeners-监听器
==============================================================================================
1、split并发--task-executor
2、decision
3、
=============================================================================================
截图来自网络。
可以作为ESB端的批处理组件