精通 Salesforce Batch Apex：处理海量数据的开发者指南

背景与应用场景

作为一名 Salesforce 开发人员，我们日常工作中不可避免地要与数据打交道。当数据量较小时，使用同步的 Apex (同步 Apex) 触发器或 Visualforce 控制器处理起来游刃有余。然而，当我们需要处理成千上万，甚至数百万条记录时，Salesforce 平台的 Governor Limits (管控限制) 就成了一道无法逾越的障碍。

这些限制，例如单个事务中 SOQL 查询不能超过 50,000 条记录、DML 操作不能超过 10,000 条记录、CPU 执行时间不能超过 10 秒等，是为了保护多租户环境的稳定性和性能而设定的。任何试图在单个同步事务中处理大规模数据的操作，都会轻易地触发这些限制，导致程序异常终止。那么，当业务需求要求我们执行类似以下的操作时，应该怎么办呢？

• 数据清洗： 每晚对所有客户记录进行标准化处理，例如统一地址格式、更新过期的联系人信息。
• 批量更新： 根据新的业务规则，更新数十万个业务机会 (Opportunity) 的某个字段。
• 数据归档： 将三年前已经关闭的个案 (Case) 记录迁移到外部系统或自定义的归档对象中。
• 复杂计算： 为组织内的所有客户计算一个复杂的年度忠诚度得分，该计算涉及多个关联对象和大量数据。

为了解决这类大批量数据处理的难题，Salesforce 提供了 Asynchronous Apex (异步 Apex) 的解决方案，而 Batch Apex (批量 Apex) 正是其中最核心、最常用的工具。Batch Apex 允许我们将一个庞大的数据处理任务分解成一系列小的、可管理的“批次” (chunks)，每个批次都在其独立的事务中执行，从而巧妙地规避了单次事务的 Governor Limits。它为开发人员提供了一个强大而可靠的框架，用于在后台处理海量数据，而不会影响用户界面的性能和响应速度。

---

原理说明

Batch Apex 的核心是 `Database.Batchable` 接口。任何一个 Apex 类只要实现了这个接口，就可以作为一个 Batch 作业来执行。`Database.Batchable` 接口包含了三个必须实现的方法，这三个方法定义了一个 Batch 作业的完整生命周期：

1. `start` 方法

global (Database.QueryLocator | Iterable<sObject>) start(Database.BatchableContext bc)

这是 Batch 作业的起点。`start` 方法只会被调用一次，它的主要职责是收集并返回需要处理的所有记录。此方法的返回值决定了后续 `execute` 方法将要处理的数据范围。返回值可以是以下两种类型之一：

• `Database.QueryLocator`： 这是最常用也是最高效的方式。通过一个简单的 SOQL 查询，你可以返回一个 `QueryLocator` 对象。使用 `QueryLocator` 的最大好处是，它可以支持查询高达 5000 万条记录，Salesforce 平台会在后台自动处理数据游标，极大地节省了堆内存 (Heap Size)。
• `Iterable<sObject>`： 如果需要进行更复杂的数据准备逻辑，例如从外部 API 获取数据或执行多个前置查询来构建一个列表，则可以返回一个实现了 `Iterable` 接口的集合（例如 `List<sObject>`）。但需要注意，使用 `Iterable` 会受到更高的堆内存限制。

2. `execute` 方法

global void execute(Database.BatchableContext bc, List<sObject> scope)

这是 Batch 作业的核心处理逻辑所在。`start` 方法返回的数据集会被 Salesforce 平台自动分割成多个批次（默认每批 200 条记录），然后为每个批次调用一次 `execute` 方法。`execute` 方法接收两个参数：

• `Database.BatchableContext bc`： 一个上下文对象，可以用来获取作业的 ID 等信息。
• `List<sObject> scope`： 当前批次需要处理的记录列表。这个 `scope` 的大小可以在启动 Batch 作业时指定，默认为 200，最大为 2000。

至关重要的一点是： 每次调用 `execute` 方法都会启动一个全新的、独立的事务，拥有自己独立的 Governor Limits。这意味着，如果你的 Batch 作业有 100 万条记录，批次大小为 200，那么 `execute` 方法将被调用 5000 次，相当于执行了 5000 个独立的事务。这正是 Batch Apex 能够处理海量数据的根本原因。

3. `finish` 方法

global void finish(Database.BatchableContext bc)

当所有的批次都通过 `execute` 方法处理完毕后，`finish` 方法会被调用一次。这个方法通常用于执行一些收尾工作，例如：

• 发送一封电子邮件通知，告知作业已完成，并附上成功和失败的记录摘要。
• 调用另一个 Batch 作业，实现作业链 (Job Chaining)。
• 执行一些最终的数据清理或汇总操作。

此外，如果需要在 `execute` 方法的多次调用之间保持状态（例如，统计所有批次中成功处理的总记录数），你的 Batch 类还需要实现 `Database.Stateful` 接口。这是一个标记接口，它告诉 Salesforce 保留类成员变量的状态。

---

示例代码

下面是一个来自 Salesforce 官方文档的经典示例。这个 Batch Apex 类的功能是查询所有客户 (Account) 记录，并更新它们的描述字段。

Batch Apex 类定义

这个类 `UpdateAccountDescriptions` 实现了 `Database.Batchable` 接口，并定义了 `start`、`execute` 和 `finish` 三个方法。

global class UpdateAccountDescriptions implements Database.Batchable<sObject> {
    
    // start 方法：定义了作业的范围
    // 返回一个 Database.QueryLocator，包含了所有需要处理的 Account 记录
    global Database.QueryLocator start(Database.BatchableContext bc) {
        // SOQL 查询语句，用于获取所有需要更新的客户记录
        // 为了演示，这里我们选择了所有的客户记录
        return Database.getQueryLocator('SELECT Id, Name, Description FROM Account');
    }

    // execute 方法：处理每个批次的具体逻辑
    // 参数 scope 是一个 sObject 列表，包含了当前批次要处理的记录
    global void execute(Database.BatchableContext bc, List<Account> scope) {
        // 创建一个新的列表来存放需要更新的客户记录
        List<Account> accountsToUpdate = new List<Account>();
        
        // 遍历当前批次中的所有客户记录
        for (Account acc : scope) {
            // 在描述字段后面追加一段文本
            acc.Description = 'Updated by Batch Apex on ' + System.now();
            // 将修改后的客户记录添加到待更新列表中
            accountsToUpdate.add(acc);
        }
        
        // 使用 DML 操作一次性更新当前批次的所有记录
        // 将 DML 放在 for 循环之外是最佳实践，可以避免超出 DML 限制
        update accountsToUpdate;
    }
    
    // finish 方法：所有批次处理完成后执行
    // 参数 bc 包含了作业的上下文信息，如作业 ID
    global void finish(Database.BatchableContext bc) {
        // 可以在这里发送邮件通知作业完成
        // 例如，获取作业的状态信息
        AsyncApexJob job = [SELECT Id, Status, NumberOfErrors, JobItemsProcessed,
                           TotalJobItems, CreatedBy.Email
                           FROM AsyncApexJob WHERE Id = :bc.getJobId()];
        
        // 准备邮件内容并发送...
        // 这是作业完成后的常见操作，用于通知管理员或相关人员
        System.debug('Batch job finished. Status: ' + job.Status);
    }
}

执行 Batch Apex

要启动这个 Batch 作业，你可以在 Developer Console 的匿名执行窗口 (Anonymous Window) 中运行以下代码。

// 实例化 Batch 类
UpdateAccountDescriptions myBatch = new UpdateAccountDescriptions();

// 调用 Database.executeBatch 来启动作业
// 第二个参数是可选的批次大小 (scope size)，这里设置为 50
// 如果不指定，默认是 200
Id batchJobId = Database.executeBatch(myBatch, 50);

// batchJobId 变量包含了这个异步作业的 ID，可以用于后续监控
System.debug('Started Batch Job with ID: ' + batchJobId);

执行后，你可以在 "设置" -> "作业" -> "Apex 作业" 页面监控该作业的进度和状态。

---

注意事项

虽然 Batch Apex 非常强大，但在使用时必须注意以下几点，以确保其高效、稳定地运行。

• Governor Limits： 切记，每个 `execute` 方法的执行都有自己独立的 Governor Limits。如果你的批次大小是 200，那么在这个批次的 `execute` 方法中，你最多只能查询 50,000 条记录，执行 10,000 条记录的 DML 操作。因此，务必确保单次 `execute` 的逻辑不会过于复杂以至于触及限制。
• 批次大小 (Batch Size)： 在 `Database.executeBatch` 中设置的批次大小会影响性能。较大的批次（如 1000 或 2000）会减少 `execute` 方法的调用次数，从而减少总的事务开销，但会消耗更多的堆内存。如果 `execute` 方法的逻辑非常复杂，消耗大量 CPU 时间，较小的批次（如 50 或 100）可能更合适，以避免超时。你需要根据具体的业务场景进行测试和权衡。
• 状态管理 (`Database.Stateful`)： 如果你的类实现了 `Database.Stateful`，那么类的成员变量会在每次 `execute` 调用之间被保留。这对于计数或聚合非常有用。但要注意，状态对象会被序列化，如果状态对象过大，会严重影响性能。请仅在绝对必要时使用 `Database.Stateful`，并保持状态变量的轻量。
• API 调用 (Callouts)： 如果需要在 Batch Apex 中调用外部系统的 API，类必须实现 `Database.AllowsCallouts` 接口。每个 `execute` 方法的事务中可以执行外部调用，但同样受限于 Governor Limits（例如，每个事务最多 100 个 callout）。
• 错误处理： 在 `execute` 方法中，单个记录的处理失败不应该导致整个批次甚至整个作业的失败。强烈建议在 `execute` 方法内部使用 `try-catch` 块来捕获和处理异常。对于 DML 操作，可以使用 `Database.update(records, false)` 这样的方法，它允许部分成功，然后你可以遍历 `Database.SaveResult` 来记录失败的记录及其原因。`finish` 方法是汇总和报告这些错误的理想位置。
• 测试覆盖率： 测试 Batch Apex 需要特定的方法。你必须将 `Database.executeBatch` 的调用放在 `Test.startTest()` 和 `Test.stopTest()` 之间。`Test.stopTest()` 会强制异步的 Batch 作业在测试上下文中同步执行，这样你就可以在之后通过 SOQL 查询来断言 (assert) 数据是否被正确修改。

---

总结与最佳实践

Batch Apex 是 Salesforce 开发人员工具箱中不可或缺的利器，它为处理大规模数据集提供了一个结构化且可扩展的框架。通过将任务分解为独立的、可管理的批次，我们可以安全地在 Governor Limits 的约束下完成看似不可能完成的数据处理任务。

作为最佳实践，请牢记：

1. 优先使用 `Database.QueryLocator`： 除非逻辑极其复杂，否则始终选择 `QueryLocator` 作为 `start` 方法的返回值，以最大限度地减少堆内存使用。
2. 保持 `execute` 方法的逻辑专注： 每个 `execute` 方法应该只做一件事，并把它做好。避免在一个方法中执行过于复杂的、相互依赖的操作。
3. 精细化错误处理： 不要让一颗“老鼠屎”坏了一锅粥。实现精细的记录级错误处理，确保作业的健壮性。
- 优化批次大小： 没有万能的批次大小。通过在沙箱中进行性能测试，为你的特定用例找到最佳的批次大小。
4. 编写全面的测试： 确保你的测试类不仅能覆盖代码，还能验证 Batch 作业在不同场景下（包括成功和失败场景）的业务逻辑是否正确。
5. 考虑作业链 (Job Chaining)： 对于多步骤的复杂流程，可以从一个 Batch 的 `finish` 方法中启动下一个 Batch，形成一个清晰、可维护的处理管道。

掌握了 Batch Apex，你就拥有了驾驭 Salesforce 平台上海量数据的能力，能够构建出更强大、更具扩展性的应用程序。