Spring Batch 처리 방식 비교 - Tasklet vs Chunk

17 Mar 2025 in Web

이전 글 “Spring Batch - 배치 작업과 스케줄러 연동하기”에서 언급했듯이, Spring Batch는 대용량 데이터 처리를 위한 강력한 프레임워크이다. 이번 글에서는 Spring Batch의 두 가지 주요 처리 방식인 Tasklet과 Chunk 방식을 비교 분석하고자 한다.

---

• 1. 서론
• 2. Tasklet 방식 이해하기
  • 2.1. Tasklet 인터페이스 소개 및 기본 구조
    • Tasklet 실행 프로세스
    • Tasklet 인터페이스 구조
  • 2.2. Tasklet 구현 예시
    • 2.2.1. 단순 Tasklet 구현
    • 2.2.2. 반복 실행 Tasklet 구현
    • 2.2.3. 스프링 빈을 활용한 Tasklet 구현
  • 2.3. Tasklet 사용이 적합한 시나리오
• 3. Chunk 방식 이해하기
  • 3.1. Chunk 처리의 기본 개념
  • 3.2. Chunk 방식 구현의 핵심 컴포넌트
    • 3.2.1. ItemReader
      • JdbcCursorItemReader 예시
    • 3.2.2. ItemProcessor
      • ItemProcessor 구현 예시
    • 3.2.3. ItemWriter
      • ItemWriter 구현 예시
  • 3.3. 트랜잭션 경계와 Chunk Size의 의미
  • 3.4. 페이징 vs 커서 기반 처리 방식
    • 3.4.1. 커서 기반 처리 방식
      • 커서 기반 처리 방식의 장점
      • 커서 기반 처리 방식의 단점
    • 3.4.2. 페이징 기반 처리 방식
      • 페이징 기반 처리 방식의 장점
      • 페이징 기반 처리 방식의 단점
• 4. Tasklet vs Chunk: 상세 비교 분석
  • 4.1. 구현 복잡도
  • 4.2. 성능 특성
  • 4.3. 트랜잭션 관리
  • 4.4. 오류 처리 및 재시도
  • 4.5. 확장성
• 5. 주관적인 처리 방식 선택 기준
  • 5.1. 데이터 볼륨에 따른 선택
  • 5.2. 작업 특성에 따른 선택
  • 5.3. 트랜잭션 요구사항에 따른 선택
• 6. 결론
• Spring Batch 시리즈

1. 서론

Spring Batch에서 Step은 실제 배치 처리 로직이 실행되는 단위인데, 이 Step을 구현하는 방식으로 Tasklet과 Chunk 두 가지가 있다. 언뜻 보면 단순한 구현 방식의 차이로 보일 수 있지만, 실제로는 데이터 처리 패턴, 성능 특성, 사용 사례 등에서 중요한 차이점을 가지고 있다.

적절한 처리 방식을 선택하는 것은 애플리케이션의 성능 뿐만 아니라, 유지보수성, 확장성에 영향을 미칠 수 있기 때문에 매우 중요하다. 필자가 실무에서 겪은 경험을 토대로 두 방식의 특징과 적합한 상황을 자세히 설명하고자 한다.

2. Tasklet 방식 이해하기

2.1. Tasklet 인터페이스 소개 및 기본 구조

Tasklet 실행 프로세스

sequenceDiagram
    participant Client
    participant JobLauncher
    participant Job
    participant Business
    
    Client->>JobLauncher: run()
    JobLauncher->>Job: execute()
    Job->>Business: 비즈니스 로직 실행
    Business-->>Job: 결과 반환
    Job-->>JobLauncher: ExitStatus
    JobLauncher-->>Client: JobExecution (with ExitStatus.FINISHED or FAILED)

Tasklet 인터페이스 구조

Tasklet은 Spring Batch에서 가장 단순한 형태의 Step 구현 방식이다. 단일 메소드(execute)를 가진 인터페이스로, 해당 메소드는 배치 처리의 모든 로직을 포함한다.

public interface Tasklet {
    RepeatStatus execute(StepContribution contribution, ChunkContext chunkContext) throws Exception;
}

execute 메소드는 아래 두 개의 파라미터를 받는다.

• StepContribution: 현재 실행 중인 Step에 대한 정보와 업데이트를 위한 객체
• ChunkContext: Step 실행 관련 데이터를 포함하는 컨텍스트 정보

이 메소드는 RepeatStatus를 반환하는데, 주로 RepeatStatus.FINISHED(작업 완료) 또는 RepeatStatus.CONTINUABLE(재실행 필요)을 반환한다.

2.2. Tasklet 구현 예시

2.2.1. 단순 Tasklet 구현

아래의 예제 코드(가장 기본적인 형태)의 Tasklet 구현을 살펴보자.

@Component
public class SimpleTasklet implements Tasklet {
    
    private static final Logger logger = LoggerFactory.getLogger(SimpleTasklet.class);
    
    @Override
    public RepeatStatus execute(StepContribution contribution, ChunkContext chunkContext) throws Exception {
        logger.info("SimpleTasklet 실행");
        
        // 여기에 실제 배치 처리 로직 구현
        // 예: 파일 복사, 알림 전송, DB 프로시저 호출 등
        
        return RepeatStatus.FINISHED; // 작업 완료 표시
    }
}

2.2.2. 반복 실행 Tasklet 구현

sequenceDiagram
    participant JobLauncher
    participant Step
    participant Tasklet
    participant RepeatStatus
    
    JobLauncher->>Step: execute()
    activate Step
    
    loop until RepeatStatus.FINISHED
        Step->>Tasklet: execute(contribution, chunkContext)
        activate Tasklet
        Note right of Tasklet: 배치 처리 로직 실행
        
        alt 추가 실행 필요
            Tasklet-->>Step: RepeatStatus.CONTINUABLE
            Note over Step, Tasklet: 같은 Tasklet 재실행
        else 작업 완료
            Tasklet-->>Step: RepeatStatus.FINISHED
            Note over Step, Tasklet: Tasklet 실행 종료
        end
        deactivate Tasklet
    end
    
    Step-->>JobLauncher: 실행 결과 반환
    deactivate Step

아래와 같이 RepeatStatus.CONTINUABLE을 사용하여 반복 실행을 하는 Tasklet을 구현할 수 있다.

@Component
public class RepeatableTasklet implements Tasklet {
    
    private static final Logger logger = LoggerFactory.getLogger(RepeatableTasklet.class);
    private int maxAttempts = 5;
    private int currentAttempt = 0;
    
    @Override
    public RepeatStatus execute(StepContribution contribution, ChunkContext chunkContext) throws Exception {
        currentAttempt++;
        logger.info("RepeatableTasklet 실행 - 시도 {}/{}", currentAttempt, maxAttempts);
        
        // 배치 처리 로직
        
        if (currentAttempt < maxAttempts) {
            return RepeatStatus.CONTINUABLE; // 재실행 필요
        } else {
            return RepeatStatus.FINISHED; // 작업 완료
        }
    }
}

2.2.3. 스프링 빈을 활용한 Tasklet 구현

실제 프로젝트에서는 다른 서비스나 컴포넌트를 주입받아 사용하는 경우가 많다.

@Component
public class FileProcessingTasklet implements Tasklet {
    
    private final FileService fileService;
    private final NotificationService notificationService;
    
    @Autowired
    public FileProcessingTasklet(FileService fileService, NotificationService notificationService) {
        this.fileService = fileService;
        this.notificationService = notificationService;
    }
    
    @Override
    public RepeatStatus execute(StepContribution contribution, ChunkContext chunkContext) throws Exception {
        // ExecutionContext에서 Job 파라미터 접근
        Map<String, Object> jobParameters = chunkContext.getStepContext()
                                                       .getJobParameters();
        String filePath = (String) jobParameters.get("filePath");
        
        // 파일 처리
        int processedCount = fileService.processFile(filePath);
        
        // 처리 결과 저장
        contribution.incrementWriteCount(processedCount);
        
        // 처리 완료 알림
        notificationService.sendNotification("파일 처리 완료: " + processedCount + "건");
        
        return RepeatStatus.FINISHED;
    }
}

2.3. Tasklet 사용이 적합한 시나리오

위의 ‘구현 예시’에서 확인할 수 있듯, Tasklet은 구현이 상대적으로 쉽고 간단하다. 이러한 특성을 기반으로 하여 Tasklet 방식은 다음과 같은 경우에 특히 적합하다.

1. 단순 작업: 파일 삭제/이동, DB 프로시저 호출, 알림 전송 등 단순한 작업
2. 스크립트 실행: 외부 시스템 명령 또는 스크립트 실행이 필요한 경우
3. 전처리/후처리 작업: 주요 배치 처리 전후의 환경 설정이나 정리 작업
4. 트랜잭션이 단일 단위로 처리되어야 하는 경우: 모든 작업이 하나의 트랜잭션으로 처리되어야 할 때
5. 데이터 처리량이 적은 경우: 처리해야 할 데이터가 소량일 때

3. Chunk 방식 이해하기

3.1. Chunk 처리의 기본 개념

sequenceDiagram
    participant JobLauncher
    participant Step
    participant ItemReader
    participant ItemProcessor
    participant ItemWriter
    participant Transaction

    JobLauncher->>Step: execute()
    activate Step
    
    Note over Step: Chunk Size = N
    
    Step->>Transaction: begin transaction
    activate Transaction
    
    loop Read-Process-Write Cycle
        loop 1 to N items
            Step->>ItemReader: read()
            activate ItemReader
            ItemReader-->>Step: item
            deactivate ItemReader
            
            alt item != null
                Step->>ItemProcessor: process(item)
                activate ItemProcessor
                ItemProcessor-->>Step: processed item
                deactivate ItemProcessor
                
                Note over Step: Add to processed items list
            else item == null (end of data)
                Note over Step: Exit read loop
            end
        end
        
        Step->>ItemWriter: write(processed items)
        activate ItemWriter
        ItemWriter-->>Step: void
        deactivate ItemWriter
        
        Step->>Transaction: commit
        deactivate Transaction
        
        alt more data to process
            Step->>Transaction: begin new transaction
            activate Transaction
        else no more data
            Note over Step: Processing complete
        end
    end
    
    Step-->>JobLauncher: execution result
    deactivate Step

Chunk 방식은 대용량 데이터를 처리할 때 사용하는 방식으로, 일정 단위(Chunk)로 데이터를 나누어 처리한다. 기본적으로 세 단계로 진행된다:

1. 읽기(Read): ItemReader를 통해 데이터를 하나씩 읽는다.
2. 처리(Process): ItemProcessor를 통해 읽은 데이터를 가공한다. (선택적)
3. 쓰기(Write): ItemWriter를 통해 가공된 데이터를 일정 개수만큼(chunk size) 모아서 한 번에 저장한다.

위 과정을 모든 데이터가 처리될 때까지 반복한다.

3.2. Chunk 방식 구현의 핵심 컴포넌트

3.2.1. ItemReader

ItemReader는 데이터 소스(DB, 파일, 메시지 큐 등)에서 데이터를 읽어오는 역할을 한다.

public interface ItemReader<T> {
    T read() throws Exception;
}

Spring Batch는 다양한 ItemReader 구현체를 제공하고 있다.

• JdbcCursorItemReader: JDBC 커서를 사용하여 데이터베이스에서 데이터를 읽는다.
• JpaCursorItemReader: JPA를 사용하여 데이터를 읽는다.
• FlatFileItemReader: CSV나 고정 길이 파일과 같은 플랫 파일에서 데이터를 읽는다.
• JsonItemReader: JSON 파일에서 데이터를 읽는다.
• StaxEventItemReader: XML 파일에서 데이터를 읽는다.

JdbcCursorItemReader 예시

@Bean
public JdbcCursorItemReader<Customer> customerItemReader(DataSource dataSource) {
    return new JdbcCursorItemReaderBuilder<Customer>()
            .name("customerReader")
            .dataSource(dataSource)
            .sql("SELECT id, first_name, last_name, email FROM customers WHERE active = true")
            .rowMapper(new BeanPropertyRowMapper<>(Customer.class))
            .build();
}

3.2.2. ItemProcessor

ItemProcessor는 ItemReader에서 읽은 데이터를 가공하는 역할을 한다. 필수 컴포넌트는 아니며, 데이터 변환이나 필터링이 필요 없는 경우 생략할 수 있다.

public interface ItemProcessor<I, O> {
    O process(I item) throws Exception;
}

ItemProcessor 구현 예시

@Component
public class CustomerProcessor implements ItemProcessor<Customer, EnrichedCustomer> {
    
    private final CustomerEnrichmentService enrichmentService;
    
    @Autowired
    public CustomerProcessor(CustomerEnrichmentService enrichmentService) {
        this.enrichmentService = enrichmentService;
    }
    
    @Override
    public EnrichedCustomer process(Customer customer) throws Exception {
        // null을 반환하면 해당 아이템은 필터링됨 (Writer로 전달되지 않음)
        if (!isValidCustomer(customer)) {
            return null;
        }
        
        // 고객 데이터 보강
        return enrichmentService.enrich(customer);
    }
    
    private boolean isValidCustomer(Customer customer) {
        return customer.getEmail() != null && customer.getEmail().contains("@");
    }
}

3.2.3. ItemWriter

ItemWriter는 처리된 데이터를 최종 목적지(DB, 파일, 외부 API 등)에 저장하는 역할을 한다.

public interface ItemWriter<T> {
    void write(List<? extends T> items) throws Exception;
}

ItemWriter 구현 예시

@Bean
public JdbcBatchItemWriter<EnrichedCustomer> customerItemWriter(DataSource dataSource) {
    return new JdbcBatchItemWriterBuilder<EnrichedCustomer>()
            .dataSource(dataSource)
            .sql("INSERT INTO enriched_customers (id, first_name, last_name, email, category, score) " +
                 "VALUES (:id, :firstName, :lastName, :email, :category, :score)")
            .beanMapped()  // BeanPropertyItemSqlParameterSourceProvider 사용
            .build();
}

3.3. 트랜잭션 경계와 Chunk Size의 의미

Chunk 처리 방식에서 가장 중요한 개념 중 하나는 chunk size이다. 이는 한 번의 트랜잭션에서 처리할 아이템의 수를 의미한다.

@Bean
public Step chunkBasedStep(JobRepository jobRepository, PlatformTransactionManager transactionManager) {
    return new StepBuilder("chunkBasedStep", jobRepository)
            .<Customer, EnrichedCustomer>chunk(100, transactionManager)  // chunk size: 100
            .reader(customerItemReader())
            .processor(customerProcessor())
            .writer(customerItemWriter())
            .build();
}

이 예시에서 chunk size는 100으로 설정되어 있는데, 아래와 같은 의미를 내포한다.

• ItemReader가 100개의 아이템을 읽는다. (하나씩 순차적으로)
• 각 아이템은 ItemProcessor에 의해 처리된다. (선택적)
• 처리된 100개의 아이템이 ItemWriter에 한 번에 전달된다.
• 위 과정이 하나의 트랜잭션으로 수행된다.
• 트랜잭션이 성공적으로 완료되면 커밋되고, 실패하면 롤백된다.

또한, Chunk size는 성능과 메모리 사용량에 직접적인 영향을 미친다.

• 너무 작은 chunk size: 트랜잭션 오버헤드가 증가하여 전체 처리 시간이 늘어날 수 있다.
• 너무 큰 chunk size: 메모리 사용량이 증가하고, 롤백 시 더 많은 작업이 무효화된다.

개발 시에는 데이터 특성, 시스템 리소스, 트랜잭션 요구사항 등을 고려하여 적절한 chunk size를 결정해야 한다.

3.4. 페이징 vs 커서 기반 처리 방식

데이터베이스에서 대용량 데이터를 읽을 때 크게 두 가지 방식을 사용할 수 있다.

3.4.1. 커서 기반 처리 방식

커서 기반 방식은 데이터베이스 커서를 열고 한 번에 하나씩 레코드를 가져온다. java.sql.ResultSet이 대표적인 커서 기반 처리 방식을 구현한 클래스이다.

@Bean
public JdbcCursorItemReader<Customer> cursorItemReader(DataSource dataSource) {
    return new JdbcCursorItemReaderBuilder<Customer>()
            .name("cursorReader")
            .dataSource(dataSource)
            .sql("SELECT * FROM customers ORDER BY id")
            .rowMapper(new BeanPropertyRowMapper<>(Customer.class))
            .build();
}

커서 기반 처리 방식의 장점

• 메모리 효율적: 한 번에 한 레코드만 메모리에 로드
• 구현이 간단함

커서 기반 처리 방식의 단점

• 긴 시간 동안 데이터베이스 연결 유지
• 데이터가 변경될 수 있는 실시간 환경에서 문제 발생 가능
• 일부 데이터베이스는 커서를 지원하지 않음

3.4.2. 페이징 기반 처리 방식

페이징 방식은 데이터를 일정 크기의 페이지로 나누어 가져온다.

@Bean
public JdbcPagingItemReader<Customer> pagingItemReader(DataSource dataSource) {
    Map<String, Order> sortKeys = new HashMap<>();
    sortKeys.put("id", Order.ASCENDING);
    
    return new JdbcPagingItemReaderBuilder<Customer>()
            .name("pagingReader")
            .dataSource(dataSource)
            .selectClause("SELECT *")
            .fromClause("FROM customers")
            .sortKeys(sortKeys)
            .pageSize(500)  // 페이지 크기 설정
            .rowMapper(new BeanPropertyRowMapper<>(Customer.class))
            .build();
}

페이징 기반 처리 방식의 장점

• 짧은 데이터베이스 연결 시간
• 실시간 환경에 더 적합
• 대부분의 데이터베이스에서 지원됨

페이징 기반 처리 방식의 단점

• 페이지 크기만큼 메모리 사용
• ORDER BY 절이 필요하여 성능에 영향을 줄 수 있음
• 데이터가 변경되면 중복 또는 누락 발생 가능

4. Tasklet vs Chunk: 상세 비교 분석

이제 Tasklet과 Chunk 방식의 주요 차이점을 다양한 측면에서 비교해보자.

4.1. 구현 복잡도

• Tasklet:
  • 단순한 인터페이스(메소드 하나)로 구현이 간단
  • 모든 로직을 하나의 메소드에 구현하므로 작은 작업에 적합
  • 커스텀 로직에 대한 유연성이 높음
• Chunk:
  • Reader, Processor, Writer 세 가지 컴포넌트를 각각 구현해야 함
  • 각 컴포넌트의 책임이 명확하게 분리되어 있어 유지보수성이 높음
  • Spring Batch가 제공하는 다양한 구현체를 활용할 수 있어 개발 시간 단축 가능

4.2. 성능 특성

• Tasklet:
  • 단일 작업 단위로 실행되므로 모든 처리가 메모리에 로드됨
  • 대용량 데이터 처리 시 메모리 부족 문제 발생 가능
  • 처리 성능은 구현 로직에 크게 의존
• Chunk:
  • 데이터를 청크 단위로 처리하여 메모리 효율적
  • 청크 크기 조정을 통한 성능 최적화 가능
  • 대용량 데이터 처리에 최적화된 구조

4.3. 트랜잭션 관리

• Tasklet:
  • 전체 작업이 하나의 트랜잭션으로 처리됨
  • 부분 완료 상태를 지원하지 않음 (실패 시 전체 롤백)
  • 모두 성공하거나 모두 실패하는 작업에 적합
• Chunk:
  • 청크 단위로 트랜잭션 관리
  • 실패 시 해당 청크만 롤백되고 이전 청크는 커밋됨
  • 재시작 시 마지막으로 성공한 청크부터 처리 가능

4.4. 오류 처리 및 재시도

• Tasklet:
  • 오류 처리와 재시도 로직을 직접 구현해야 함
  • 세밀한 오류 처리가 필요한 경우 더 많은 코드 작성 필요
• Chunk:
  • Spring Batch가 제공하는 retry, skip 정책을 활용할 수 있음
  • 아이템 단위로 오류 처리 가능
  • 선언적인 방식으로 오류 처리 정책 설정 가능

@Bean
public Step chunkStepWithRetry(JobRepository jobRepository, PlatformTransactionManager transactionManager) {
    return new StepBuilder("chunkStepWithRetry", jobRepository)
            .<Customer, EnrichedCustomer>chunk(100, transactionManager)
            .reader(customerItemReader())
            .processor(customerProcessor())
            .writer(customerItemWriter())
            .faultTolerant()
            .retry(DataAccessException.class)  // 재시도할 예외 지정
            .retryLimit(3)  // 최대 재시도 횟수
            .skip(ValidationException.class)  // 건너뛸 예외 지정
            .skipLimit(10)  // 최대 건너뛰기 횟수
            .build();
}

4.5. 확장성

• Tasklet:
  • 하나의 클래스에 모든 로직이 집중되어 확장성 제한
  • 복잡한 로직 추가 시 코드 복잡도 급증
  • 코드 재사용성이 낮음
• Chunk:
  • 각 컴포넌트(Reader, Processor, Writer)를 독립적으로 확장 가능
  • 여러 프로세서를 조합하여 복잡한 처리 흐름 구성 가능
  • 다양한 구현체를 조합하여 유연한 처리 파이프라인 구성 가능

5. 주관적인 처리 방식 선택 기준

필자의 학습 내용 및 경험을 기반으로 특정 상황에서 어떤 처리 방식을 선택해야 하는지에 대한 기준을 제시하고자 한다.

5.1. 데이터 볼륨에 따른 선택

데이터 볼륨	권장 방식	이유
소량 (수백 건 이하)	Tasklet	간단한 구현, 트랜잭션 관리 단순
중량 (수천~수만 건)	Chunk	메모리 효율, 재시작 기능
대량 (수십만 건 이상)	Chunk	메모리 효율, 트랜잭션 관리, 청크 단위 처리

5.2. 작업 특성에 따른 선택

작업 특성	권장 방식	예시
단순 작업	Tasklet	파일 삭제, 디렉토리 생성, 알림 전송
데이터 변환	Chunk	고객 데이터 정제, 상품 정보 업데이트
집계 작업	Chunk/Tasklet	일별 매출 집계, 사용자 활동 통계
데이터 마이그레이션	Chunk	레거시 시스템에서 데이터 이전
외부 API 호출	상황에 따라 다름*	외부 서비스와 통합

• *외부 API 호출:
  • API 호출이 적은 경우: Tasklet
  • 대량의 API 호출이 필요하고 재시도 관리가 중요한 경우: Chunk

5.3. 트랜잭션 요구사항에 따른 선택

트랜잭션 요구사항	권장 방식	이유
모두 또는 전무(All or Nothing)	Tasklet	전체 작업이 하나의 트랜잭션으로 처리
부분 완료 허용	Chunk	청크 단위로 커밋되어 일부 실패해도 이전 작업 보존
세밀한 트랜잭션 관리 필요	Chunk	청크 크기 조정을 통한 트랜잭션 경계 제어

6. 결론

Spring Batch의 두 가지 처리 방식인 Tasklet과 Chunk를 상세히 비교 분석해보았다. 각 방식은 고유한 특성과 장단점을 가지고 있으며, 다음과 같은 핵심 차이점을 기억해야 한다.

1. Tasklet은 단순한 작업에 적합하며, 모든 로직이 하나의 메소드에 구현된다. 전체 작업이 하나의 트랜잭션으로 처리되며, 구현이 간단하고 유연하다.
2. Chunk는 대용량 데이터 처리에 최적화되어 있으며, 데이터를 일정 단위(chunk)로 나누어 처리한다. Reader, Processor, Writer의 분리된 컴포넌트로 구성되어 책임이 명확하게 분리되고, 재사용성과 유지보수성이 높다.

적절한 처리 방식 선택은 아래의 요소를 고려하도록 하자

• 데이터 볼륨
• 작업의 복잡도
• 트랜잭션 요구사항
• 오류 처리 전략
• 성능 및 메모리 요구사항

실제 프로젝트에서는 두 방식을 함께 사용하는 하이브리드 접근법도 사용하는 케이스가 있다고 하며, Spring Batch가 제공하는 다양한 기능과 확장 포인트를 활용하여 복잡한 배치 처리 요구사항을 효율적으로 구현할 수 있다.

다음 글에서는 “고성능 Spring Batch 구현: 멀티스레드 적용 실전 사례”를 통해 대용량 데이터를 더욱 빠르게 처리하는 방법을 실제 코드와 적용 사례 중심으로 살펴볼 예정이다.

---

Spring Batch 시리즈

• Spring Batch 입문: 배치 작업과 스케줄러 연동하기
• Spring Batch 처리 방식 비교: Tasklet vs Chunk 상세 분석 (현재 글)
• 고성능 Spring Batch 구현: 멀티스레드 적용 실전 사례