复杂「场景」数据导入导出

一、业务背景

最近遇到这样一个场景：在业务正式开始前1-2天，需要导入一批来自合作渠道的数据，在业务周期结束后，再将同一批数据导出，交付给渠道方；

简单理解，就是数据的「导入」和「导出」；

但是场景复杂度的高低与否，与实现流程和逻辑的复杂度并无什么必然联系，数据在「导入」和「导出」之间，通常还会横着复杂的「业务逻辑」；

数据如果只是在文件和单表直接来回捣腾，解决的方案简直花里胡哨，然而在应用中数据导入导出，更多还是要集成业务需求，自然也就绕不开业务的处理逻辑；

二、场景分析

1、文件特征

文件：「Excel」类型，并且表头是固定格式，字段内容虽然有要求，但是难免存在细微的误差问题；

内容：条数「1000」以内，单条数据「150+」个字段，业务结束后导出，会添加业务结果和明细相关字段，最终在「200」个字段左右；

2、业务特征

文件导入后，数据在业务之间流转时，需要构建相应的主体结构，比如基础的「客户档案」，「业务档案」，业务处理过程中会生成「明细」，处理完成后会生成「结果」；

3、数据规则

【客户档案】

数据在入库的过程中，需要校验「客户归属」问题，库内已有的客户基于「跟进时间」执行「更新逻辑」，库内没有的客户需要「新增」并「分配跟进人员」；

【业务档案】

跟随「客户档案」的逻辑，如果客户更新，则「业务档案」更新，如果客户不更新，则「业务档案」不更新，如果客户新增，则「业务档案」直接新增即可；

【数据校验】

客户的「基础档案」和「业务档案」的入库逻辑，完全遵守产品体系现有的限制规则，在逻辑拦截时尽量输出全面的拦截原因，方便商务人员对文件数据进行修改调整；

三、流程设计

1、业务流程

业务流程从整体上可以拆分四段来看：动作确认、动作监听、数据处理、业务处理；

【动作确认】

• 「导入」应用前端完成文件上传OSS的处理，向应用后端提交数据导入的请求，接收请求后会异步处理；
• 「异常记录下载」会实时响应，功能上看就是一个单表导出，需要返回业务拦截和异常信息；
• 「导出」因为交付时间不确定性，所以由商务人员手动触发导出，后端组装完成后提交OSS文件服务器，等待下载；

【动作监听】

• 「导入」和「导出」的动作监听，进而触发相应的流程逻辑；

【数据处理】

• 「客户档案」提交给客户服务处理，如果处理失败，无法围绕客户构建业务流，直接中断全部流程；
• 「业务档案」提交给业务服务处理，这里指业务属性的资料信息，并非场景流程；

【业务处理】

• 「数据导入」的真正目的，依赖系统的处理能力，从而实现相应的业务流程，在过程中会生成关键明细和结果数据；

2、导入流程

• 【1】应用后端接收用户提交的「导入」请求，动作接收成功后立即响应；
• 【2】完成「导入」记录的存储之后，通过MQ消息队列，解耦文件数据的处理流程；
• 【3】对文件进行解析，读取源数据并存储到明细表；
• 【4】遍历明细数据分别实现「客户」和「业务」的档案存储，此处会把失败原因最大限度回写到明细记录中，方便商务二次导入；
• 【5】完成数据入库后，更新「导入」动作的状态，最核心的是提供失败记录的明细和下载功能；

3、导出流程

• 【1】应用后端接收用户提交的「导出」请求，动作接收成功后立即响应，初始状态为：「处理中」；
• 【2】完成「导出」记录的存储之后，通过MQ消息队列，解耦文件的「创建」和「上传」流程；
• 【3】文件数据分为两部分，文件原内容和业务处理结果，组装为新的数据结构；
• 【4】创建新的文件，涉及数据表头的合并，数据内容的合并，以及「Excel」的格式构建，从而完成文件的生成过程；
• 【5】将生成的文件上传到文件服务器，由商务人员自行下载并导出，然后交付给渠道方；

四、结构设计

数据导入的表结构，是由具体业务场景决定的，此处就不做展示了；这里只看一看导入导出的调度表结构，即操作记录和状态以及数据明细的存储；

【动作记录】

存储「导入」和「导出」的请求记录，都涉及文件信息的管理，至于「业务ID」和「批次ID」是指集成业务的处理流程，同时也可以基于该「ID」限制同批次下的重复动作，降低不必要的资源占用；

【数据明细】

在「导入」的时候，对文件数据的临时记录表，方便对数据的多次读取和处理，避免流程中断导致文件的重复解析；

在「导出」的时候，需要依赖原数据的构建新的「Excel」文件，在交付渠道方时保证原内容的不变，只新增系统中业务的处理明细和结果；

五、实践总结

虽然对于「Excel」或者其他文件的「导入」和「导出」的参考案例很多；

但是在研发实践中，这依旧是一个不容易实现的过程，在数据和文件互相搬运的过程中，如何与「业务场景」进行平稳的集成，才是真正的复杂逻辑；

从开始工作直到现在，关于「导入」和「导出」的实现方案参考或者落地过很多个，整体可以从两个方向考虑；

【应用系统】

通常文件格式是「Excel」、「word」、「Pdf」等，并且涉及的数据体量并不大，采取「异步」的方式解耦即可；

对于文件的「导入」来说，需要重点考虑的逻辑，在于如何与业务平稳集成，在出现问题时，能够给产品页面准确的信息反馈，从而提高文件的二次处理效率；

对于数据的「导出」来说，是一个「高危」的操作，通常是不分配大量数据的导出「权限」，如果有需求则要对数据进行计算分「批次」导出；

【数据系统】

数据体量较大的情况下，不推荐从应用系统考虑「优化」的策略；

如何确定「数据体量较大」的临界值，需要测试系统的处理能力，系统业务流量高峰时，去「并发」执行导入和导出，从而得出合理的数值，不过大部分产品都是限制单文件最大「5000」条；

从分布式架构中组装大量的数据并「导出」文件，其资源占用过高，并非主流的实践方案；

当下比较常见的方式，直接从「数据层面」入手，搭建「传输」或「转换」的通道，以「API」或者「页面入口」的方式，触发流程即可；

在数据体量超过应用系统的处理能力时，会搭建专用的「数据传输通道」来处理；

这种模式在数据型业务中很常用，可以隔离大量数据的「IO流」操作，确保应用系统运行的安全稳定，也可以极大提升数据和文件互相搬运的处理效率；