batchbehandling

Batchbehandling er en metode til at behandle en samling opgaver eller data som en samlet enhed uden direkte brugerindgriben under selve behandlingen. Ordet anvendes især inden for databehandling og industriel produktion og omfatter både ældre mainframe-miljøer og moderne cloud-baserede systemer. Formålet er at maksimere gennemløb og ressourceudnyttelse ved at køre en række lignende jobs sammen uden interaktivitet.

Et batch-job består typisk af inputdata, en batch-kørende program eller script, og en output-/resultatproces. Jobene lægges i en kø og køres af en batch-scheduler eller orkestrator, ofte i sekventiel rækkefølge eller parallelt hvor det er muligt. Under udførelsen kan der være checkpointing og logning for fejlbehandling og genoptagelse. Batchbehandling passer godt til opgaver som kan forsinkes og uden umiddelbar brugerinteraktion.

Sammenlignet med realtids- eller stream-behandling accepterer batchbehandling længere ventetid og højere gennemløb per kørsel, men med større latency for nye data. Fordelene inkluderer høj gennemløb, konsistens og forudsigelig ressourceanvendelse, mens udfordringer omfatter forsinket feedback, fejlgenopretning og vedligeholdelse af kø-strukturer.

Anvendelser omfatter lønpålægning, månedlig fakturering, ETL-processer i datavarehuse, rapportgenerering og dataarkivering. Værktøjer og teknologier til batchbehandling spænder fra traditionelle cron eller Windows Task Scheduler til moderne workflow- og orkestreringssystemer som Apache Airflow, Apache Spark i batch-tilstand, AWS Batch og lignende.

Historisk var batchbehandling centralt i store mainframe-miljøer og COBOL/JCL, men konceptet lever videre i skybaserede og distribuerede miljøer via batch-workflows og planlægningssystemer. Kvalitative krav til idempotens, reproducerbarhed og sikkerhed er vigtige i moderne implementeringer.