Batch Sequential

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

@Bean
public Job billJob(JobBuilderFactory jb, StepBuilderFactory sb, 
                   ItemReader<JsonUsage> reader,
                   ItemProcessor<JsonUsage, Bill> processor,
                   ItemWriter<Bill> writer) {
  Step step1 = sb.get("usageToBill")
    .<JsonUsage,Bill>chunk(1000)
    .reader(reader)
    .processor(processor)
    .writer(writer)
    .build();
  return jb.get("billJob")
    .incrementer(new RunIdIncrementer())
    .repository(jobRepository())
    .start(step1)
    .build();
}

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13

[원본 데이터]
   |
[추출 프로그램]
   |
[중간 파일 1]
   |
[변환 프로그램]
   |
[중간 파일 2]
   |
[적재 프로그램]
   |
[데이터 웨어하우스]

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

# 각 단계별로 독립적인 배치 프로그램을 작성하는 예시
# 1. 데이터 추출
def extract_data(input_path, output_path):
    with open(input_path, 'r') as infile, open(output_path, 'w') as outfile:
        for line in infile:
            # 데이터 전처리 및 필터링
            if '필요한 조건' in line:
                outfile.write(line)

# 2. 데이터 변환
def transform_data(input_path, output_path):
    with open(input_path, 'r') as infile, open(output_path, 'w') as outfile:
        for line in infile:
            # 데이터 변환 로직 적용
            transformed = line.replace('old', 'new')
            outfile.write(transformed)

# 3. 데이터 적재
def load_data(input_path, db_conn):
    with open(input_path, 'r') as infile:
        for line in infile:
            # 데이터베이스에 적재
            db_conn.insert(line)

# 각 단계는 배치 스케줄러로 순차적으로 실행

  1
  2
  3
  4
  5
  6
  7
  8
  9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381

import asyncio
import logging
from abc import ABC, abstractmethod
from dataclasses import dataclass
from datetime import datetime
from typing import List, Dict, Any, Optional
import pandas as pd
import json

# 로깅 설정
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

@dataclass
class BatchData:
    """배치 데이터 클래스 - 단계 간 전달되는 데이터 구조"""
    data: pd.DataFrame
    metadata: Dict[str, Any]
    batch_id: str
    timestamp: datetime
    
class ProcessingStage(ABC):
    """추상 처리 단계 클래스 - 모든 처리 단계의 기본 인터페이스"""
    
    def __init__(self, stage_name: str):
        self.stage_name = stage_name
        self.logger = logging.getLogger(f"Stage.{stage_name}")
    
    @abstractmethod
    async def process(self, batch_data: BatchData) -> BatchData:
        """실제 처리 로직을 구현하는 추상 메서드"""
        pass
    
    async def execute(self, batch_data: BatchData) -> BatchData:
        """단계 실행 래퍼 - 로깅 및 오류 처리 포함"""
        self.logger.info(f"Starting stage: {self.stage_name}")
        start_time = datetime.now()
        
        try:
            result = await self.process(batch_data)
            
            # 처리 시간 계산 및 메타데이터 업데이트
            processing_time = (datetime.now() - start_time).total_seconds()
            result.metadata[f"{self.stage_name}_processing_time"] = processing_time
            result.metadata[f"{self.stage_name}_completed_at"] = datetime.now().isoformat()
            
            self.logger.info(f"Completed stage: {self.stage_name} in {processing_time:f}s")
            return result
            
        except Exception as e:
            self.logger.error(f"Error in stage {self.stage_name}: {str(e)}")
            raise

class DataExtractionStage(ProcessingStage):
    """데이터 추출 단계 - 다양한 소스에서 데이터 추출"""
    
    def __init__(self):
        super().__init__("DataExtraction")
    
    async def process(self, batch_data: BatchData) -> BatchData:
        """시뮬레이션된 데이터 추출 - 실제로는 데이터베이스에서 추출"""
        
        # 시뮬레이션: 주문 데이터 생성
        sample_data = {
            'order_id': range(1, 10001),
            'customer_id': [f"CUST_{i%1000:04d}" for i in range(1, 10001)],
            'product_category': ['Electronics', 'Clothing', 'Books', 'Home'] * 2500,
            'order_amount': [100 + (i % 500) for i in range(1, 10001)],
            'order_date': ['2024-01-15'] * 10000,
            'payment_status': ['PAID', 'PENDING', 'FAILED'] * 3334
        }
        
        # 데이터 추출 시뮬레이션을 위한 지연
        await asyncio.sleep(1)
        
        extracted_df = pd.DataFrame(sample_data)
        
        # 메타데이터 업데이트
        batch_data.data = extracted_df
        batch_data.metadata.update({
            'extracted_records': len(extracted_df),
            'extraction_source': ['orders_db', 'payments_db', 'customers_db']
        })
        
        self.logger.info(f"Extracted {len(extracted_df)} records")
        return batch_data

class DataCleaningStage(ProcessingStage):
    """데이터 정제 단계 - 데이터 품질 향상"""
    
    def __init__(self):
        super().__init__("DataCleaning")
    
    async def process(self, batch_data: BatchData) -> BatchData:
        """데이터 정제 로직 수행"""
        
        df = batch_data.data.copy()
        
        # 데이터 정제 작업들
        original_count = len(df)
        
        # 1. 중복 제거
        df = df.drop_duplicates(subset=['order_id'])
        
        # 2. 잘못된 결제 상태 데이터 필터링
        df = df[df['payment_status'].isin(['PAID', 'PENDING'])]
        
        # 3. 음수 금액 제거
        df = df[df['order_amount'] > 0]
        
        # 4. 날짜 형식 정규화
        df['order_date'] = pd.to_datetime(df['order_date'])
        
        # 정제 시뮬레이션을 위한 지연
        await asyncio.sleep(0.5)
        
        cleaned_count = len(df)
        
        # 메타데이터 업데이트
        batch_data.data = df
        batch_data.metadata.update({
            'original_records': original_count,
            'cleaned_records': cleaned_count,
            'removed_records': original_count - cleaned_count,
            'cleaning_rules_applied': ['duplicate_removal', 'payment_validation', 'amount_validation']
        })
        
        self.logger.info(f"Cleaned data: {original_count} -> {cleaned_count} records")
        return batch_data

class BusinessLogicStage(ProcessingStage):
    """비즈니스 로직 적용 단계 - 도메인 특화 계산"""
    
    def __init__(self):
        super().__init__("BusinessLogic")
    
    async def process(self, batch_data: BatchData) -> BatchData:
        """비즈니스 로직 적용"""
        
        df = batch_data.data.copy()
        
        # 비즈니스 로직 적용
        # 1. 카테고리별 할인 적용
        discount_rates = {
            'Electronics': 0.1,
            'Clothing': 0.15,
            'Books': 0.05,
            'Home': 0.12
        }
        
        df['discount_rate'] = df['product_category'].map(discount_rates)
        df['discount_amount'] = df['order_amount'] * df['discount_rate']
        df['final_amount'] = df['order_amount'] - df['discount_amount']
        
        # 2. 세금 계산 (10%)
        df['tax_amount'] = df['final_amount'] * 0.1
        df['total_amount'] = df['final_amount'] + df['tax_amount']
        
        # 3. 고객 등급 계산
        customer_totals = df.groupby('customer_id')['total_amount'].sum()
        customer_tiers = pd.cut(customer_totals, 
                              bins=[0, 1000, 5000, float('inf')], 
                              labels=['Bronze', 'Silver', 'Gold'])
        
        df['customer_tier'] = df['customer_id'].map(customer_tiers.to_dict())
        
        # 비즈니스 로직 시뮬레이션을 위한 지연
        await asyncio.sleep(0.8)
        
        # 메타데이터 업데이트
        batch_data.data = df
        batch_data.metadata.update({
            'business_rules_applied': ['category_discount', 'tax_calculation', 'customer_tiering'],
            'total_revenue': df['total_amount'].sum(),
            'total_discount_given': df['discount_amount'].sum()
        })
        
        self.logger.info(f"Applied business logic. Total revenue: {df['total_amount'].sum():f}")
        return batch_data

class AggregationStage(ProcessingStage):
    """집계 단계 - 보고서용 집계 데이터 생성"""
    
    def __init__(self):
        super().__init__("Aggregation")
    
    async def process(self, batch_data: BatchData) -> BatchData:
        """데이터 집계 수행"""
        
        df = batch_data.data
        
        # 다양한 관점에서 집계
        aggregations = {}
        
        # 1. 카테고리별 집계
        category_agg = df.groupby('product_category').agg({
            'total_amount': ['sum', 'mean', 'count'],
            'discount_amount': 'sum'
        }).round(2)
        aggregations['by_category'] = category_agg
        
        # 2. 고객 등급별 집계
        tier_agg = df.groupby('customer_tier').agg({
            'total_amount': ['sum', 'mean'],
            'customer_id': 'nunique'
        }).round(2)
        aggregations['by_tier'] = tier_agg
        
        # 3. 결제 상태별 집계
        payment_agg = df.groupby('payment_status').agg({
            'total_amount': 'sum',
            'order_id': 'count'
        }).round(2)
        aggregations['by_payment_status'] = payment_agg
        
        # 집계 시뮬레이션을 위한 지연
        await asyncio.sleep(0.3)
        
        # 집계 결과를 새로운 DataFrame으로 저장
        summary_data = {
            'metric': ['total_orders', 'total_revenue', 'avg_order_value', 'total_customers'],
            'value': [
                len(df),
                df['total_amount'].sum(),
                df['total_amount'].mean(),
                df['customer_id'].nunique()
            ]
        }
        
        summary_df = pd.DataFrame(summary_data)
        
        # 메타데이터 업데이트
        batch_data.data = summary_df
        batch_data.metadata.update({
            'aggregations': aggregations,
            'summary_metrics': summary_data
        })
        
        self.logger.info(f"Generated aggregations for {len(df)} records")
        return batch_data

class ReportGenerationStage(ProcessingStage):
    """보고서 생성 단계 - 최종 보고서 작성"""
    
    def __init__(self):
        super().__init__("ReportGeneration")
    
    async def process(self, batch_data: BatchData) -> BatchData:
        """보고서 생성"""
        
        # 보고서 생성
        report = {
            'report_date': datetime.now().isoformat(),
            'batch_id': batch_data.batch_id,
            'processing_summary': {
                'total_processing_time': sum([
                    batch_data.metadata.get(f"{stage}_processing_time", 0)
                    for stage in ['DataExtraction', 'DataCleaning', 'BusinessLogic', 'Aggregation']
                ]),
                'records_processed': batch_data.metadata.get('extracted_records', 0),
                'data_quality_score': (
                    batch_data.metadata.get('cleaned_records', 0) / 
                    max(batch_data.metadata.get('original_records', 1), 1) * 100
                )
            },
            'business_metrics': batch_data.metadata.get('summary_metrics', {}),
            'aggregation_results': {
                k: v.to_dict() if hasattr(v, 'to_dict') else str(v)
                for k, v in batch_data.metadata.get('aggregations', {}).items()
            }
        }
        
        # 보고서 생성 시뮬레이션을 위한 지연
        await asyncio.sleep(0.2)
        
        # 보고서를 DataFrame으로 저장 (실제로는 파일이나 데이터베이스에 저장)
        report_df = pd.DataFrame([report])
        
        batch_data.data = report_df
        batch_data.metadata['final_report'] = report
        
        self.logger.info("Generated final report")
        return batch_data

class BatchSequentialController:
    """배치 순차 처리 컨트롤러 - 전체 파이프라인 제어"""
    
    def __init__(self):
        self.stages: List[ProcessingStage] = []
        self.logger = logging.getLogger("BatchController")
    
    def add_stage(self, stage: ProcessingStage):
        """처리 단계 추가"""
        self.stages.append(stage)
        self.logger.info(f"Added stage: {stage.stage_name}")
    
    async def execute_pipeline(self, initial_batch: Optional[BatchData] = None) -> BatchData:
        """전체 파이프라인 실행"""
        
        # 초기 배치 데이터 생성
        if initial_batch is None:
            initial_batch = BatchData(
                data=pd.DataFrame(),
                metadata={'pipeline_start': datetime.now().isoformat()},
                batch_id=f"BATCH_{datetime.now().strftime('%Y%m%d_%H%M%S')}",
                timestamp=datetime.now()
            )
        
        self.logger.info(f"Starting pipeline execution for batch: {initial_batch.batch_id}")
        pipeline_start = datetime.now()
        
        current_batch = initial_batch
        
        try:
            # 각 단계를 순차적으로 실행
            for i, stage in enumerate(self.stages):
                self.logger.info(f"Executing stage {i+1}/{len(self.stages)}: {stage.stage_name}")
                
                # 단계 실행
                current_batch = await stage.execute(current_batch)
                
                # 중간 체크포인트 로깅
                self.logger.info(f"Stage {stage.stage_name} completed successfully")
            
            # 파이프라인 완료
            pipeline_duration = (datetime.now() - pipeline_start).total_seconds()
            current_batch.metadata['pipeline_duration'] = pipeline_duration
            current_batch.metadata['pipeline_completed_at'] = datetime.now().isoformat()
            
            self.logger.info(f"Pipeline execution completed in {pipeline_duration:f}s")
            return current_batch
            
        except Exception as e:
            self.logger.error(f"Pipeline execution failed: {str(e)}")
            current_batch.metadata['pipeline_error'] = str(e)
            current_batch.metadata['pipeline_failed_at'] = datetime.now().isoformat()
            raise

# 메인 실행 함수
async def main():
    """메인 실행 함수 - 전체 시스템 데모"""
    
    print("=== 배치 순차 처리 시스템 시작 ===\n")
    
    # 배치 컨트롤러 생성
    controller = BatchSequentialController()
    
    # 처리 단계들을 순서대로 추가
    controller.add_stage(DataExtractionStage())      # 1. 데이터 추출
    controller.add_stage(DataCleaningStage())        # 2. 데이터 정제
    controller.add_stage(BusinessLogicStage())       # 3. 비즈니스 로직 적용
    controller.add_stage(AggregationStage())         # 4. 집계
    controller.add_stage(ReportGenerationStage())    # 5. 보고서 생성
    
    try:
        # 파이프라인 실행
        result = await controller.execute_pipeline()
        
        # 결과 출력
        print("\n=== 실행 결과 ===")
        print(f"배치 ID: {result.batch_id}")
        print(f"총 처리 시간: {result.metadata.get('pipeline_duration', 0):f}초")
        print(f"데이터 품질 점수: {result.metadata.get('final_report', {}).get('processing_summary', {}).get('data_quality_score', 0):f}%")
        
        # 최종 보고서 출력
        final_report = result.metadata.get('final_report', {})
        if final_report:
            print("\n=== 비즈니스 메트릭 ===")
            for metric in final_report.get('business_metrics', {}).get('metric', []):
                idx = final_report['business_metrics']['metric'].index(metric)
                value = final_report['business_metrics']['value'][idx]
                print(f"{metric}: {value:,f}" if isinstance(value, (int, float)) else f"{metric}: {value}")
        
        print("\n=== 배치 순차 처리 완료 ===")
        
    except Exception as e:
        print(f"\n❌ 파이프라인 실행 중 오류 발생: {e}")

# 비동기 실행
if __name__ == "__main__":
    asyncio.run(main())