• dbcp和druid(数据库连接池)


    前言:

    对于一个简单的数据库应用,由于对于数据库的访问不是很频繁。这时可以简单地在需要访问数据库时,就新创建一个连接,用完后就关闭它,这样做也不会带来什么明显的性能上的开销。但是对于一个复杂的数据库应用,情况就完全不同了。频繁的建立、关闭连接,会极大的减低系统的性能,因为对于连接的使用成了系统性能的瓶颈。 

        连接复用。通过建立一个数据库连接池以及一套连接使用管理策略,使得一个数据库连接可以得到高效、安全的复用,避免了数据库连接频繁建立、关闭的开销。 

        对于共享资源,有一个很著名的设计模式:资源池。该模式正是为了解决资源频繁分配、释放所造成的问题的。把该模式应用到数据库连接管理领域,就是建立一个数据库连接池,提供一套高效的连接分配、使用策略,最终目标是实现连接的高效、安全的复用。 

     

     

    数据库连接池的基本原理是在内部对象池中维护一定数量的数据库连接,并对外暴露数据库连接获取和返回方法。如: 

    外部使用者可通过getConnection 方法获取连接,使用完毕后再通过releaseConnection 方法将连接返回,注意此时连接并没有关闭,而是由连接池管理器回收,并为下一次使用做好准备。 

     

    数据库连接池技术带来的优势: 

     

    1. 资源重用 

    由于数据库连接得到重用,避免了频繁创建、释放连接引起的大量性能开销。在减少系统消耗的基础上,另一方面也增进了系统运行环境的平稳性(减少内存碎片以及数据库临时进程/线程的数量)。 

     

    2. 更快的系统响应速度 

    数据库连接池在初始化过程中,往往已经创建了若干数据库连接置于池中备用。此时连接的初始化工作均已完成。对于业务请求处理而言,直接利用现有可用连接,避免了数据库连接初始化和释放过程的时间开销,从而缩减了系统整体响应时间。 

     

    3. 新的资源分配手段 

     

    对于多应用共享同一数据库的系统而言,可在应用层通过数据库连接的配置,实现数据库连接池技术,几年钱也许还是个新鲜话题,对于目前的业务系统而言,如果设计中还没有考虑到连接池的应用,那么…….快在设计文档中加上这部分的内容吧。某一应用最大可用数据库连接数的限制,避免某一应用独占所有数据库资源。 

     

    4. 统一的连接管理,避免数据库连接泄漏 

    在较为完备的数据库连接池实现中,可根据预先的连接占用超时设定,强制收回被占用连接。从而避免了常规数据库连接操作中可能出现的资源泄漏。一个最小化的数据库连接池实现.

     

    连接池类是对某一数据库所有连接的“缓冲池”,主要实现以下功能:①从连接池获取或创建可用连接;②使用完毕之后,把连接返还给连接池;③在系统关闭前,断开所有连接并释放连接占用的系统资源;④还能够处理无效连接(原来登记为可用的连接,由于某种原因不再可用,如超时,通讯问题),并能够限制连接池中的连接总数不低于某个预定值和不超过某个预定值。

     

     

    DBCP连接池参数:

    参数

    默认值

    说明

    username

    root

    传递给JDBC驱动的用于建立连接的用户名

    password

    root

    传递给JDBC驱动的用于建立连接的密码

    url

    jdbc:mysql://localhost:3306/adname

    传递给JDBC驱动的用于建立连接的URL

    driverClassName

    com.mysql.jdbc.Driver

    使用的JDBC驱动的完整有效的Java 类名

    initialSize

    0

    初始化连接:连接池启动时创建的初始化连接数量,1.2版本后支持

    maxActive

    8

    最大活动连接:连接池在同一时间能够分配的最大活动连接的数量, 如果设置为非正数则表示不限制

    maxIdle

    8

    最大空闲连接:连接池中容许保持空闲状态的最大连接数量,超过的空闲连接将被释放,如果设置为负数表示不限制

    minIdle

    0

    最小空闲连接:连接池中容许保持空闲状态的最小连接数量,低于这个数量将创建新的连接,如果设置为0则不创建

    maxWait

    无限

    最大等待时间:当没有可用连接时,连接池等待连接被归还的最大时间(以毫秒计数)超过时间则抛出异常,如果设置为-1表示无限等待

    testOnReturn

    false

    是否在归还到池中前进行检验

    testWhileIdle

    false

    连接是否被空闲连接回收器(如果有)进行检验.如果检测失败,则连接将被从池中去除.设置为true后如果要生效,validationQuery参数必须设置为非空字符串

    minEvictableIdleTimeMillis

    1000 * 60 * 30

    连接在池中保持空闲而不被空闲连接回收器线程(如果有)回收的最小时间值,单位毫秒

    numTestsPerEvictionRun

    3

    在每次空闲连接回收器线程(如果有)运行时检查的连接数量

    timeBetweenEvictionRunsMillis

    -1

    在空闲连接回收器线程运行期间休眠的时间值,以毫秒为单位.如果设置为非正数,则不运行空闲连接回收器线程

    validationQuery

    null

    SQL查询,用来验证从连接池取出的连接,在将连接返回给调用者之前.如果指定,则查询必须是一个SQL SELECT并且必须返回至少一行记录

    testOnBorrow

    true

    是否在从池中取出连接前进行检验,如果检验失败,则从池中去除连接并尝试取出另一个.

    DBCP(DataBase Connection Pool)数据库连接池,是Java数据库连接池的一种,由Apache开发,通过数据库连接池,可以让程序自动管理数据库连接的释放和断开。由于建立数据库连接是一种非常耗时、耗资源的行为,所以通过连接池预先同数据库建立一些连接,放在内存中,应用程序需要建立数据库连接时直接到连接池中申请一个就行,使用完毕后再归还到连接池中。
    dbcp所依赖的jar包:
    对应的properties文件:
     
    Druid配置参数:

    配置

    缺省值

    说明

    name

     

    配置这个属性的意义在于,如果存在多个数据源,监控的时候可以通过名字来区分开来。 
    如果没有配置,将会生成一个名字,格式是:"DataSource-" + System.identityHashCode(this)

    jdbcUrl

     

    连接数据库的url,不同数据库不一样。例如: 
    mysql : jdbc:mysql://10.20.153.104:3306/druid2 
    oracle : jdbc:oracle:thin:@10.20.149.85:1521:ocnauto

    username

     

    连接数据库的用户名

    password

     

    连接数据库的密码。如果你不希望密码直接写在配置文件中,可以使用ConfigFilter。详细看这里:https://github.com/alibaba/druid/wiki/%E4%BD%BF%E7%94%A8ConfigFilter

    driverClassName

    根据url自动识别

    这一项可配可不配,如果不配置druid会根据url自动识别dbType,然后选择相应的driverClassName(建议配置下)

    initialSize

    0

    初始化时建立物理连接的个数。初始化发生在显示调用init方法,或者第一次getConnection

    maxActive

    8

    最大连接池数量

    maxIdle

    8

    已经不再使用,配置了也没效果

    minIdle

     

    最小连接池数量

    maxWait

     

    获取连接时最大等待时间,单位毫秒。配置了maxWait之后,缺省启用公平锁,并发效率会有所下降,如果需要可以通过配置useUnfairLock属性为true使用非公平锁。

    poolPreparedStatements

    false

    是否缓存preparedStatement,也就是PSCachePSCache对支持游标的数据库性能提升巨大,比如说oracle。在mysql下建议关闭。

    maxOpenPreparedStatements

    -1

    要启用PSCache,必须配置大于0,当大于0时,poolPreparedStatements自动触发修改为true。在Druid中,不会存在OraclePSCache占用内存过多的问题,可以把这个数值配置大一些,比如说100

    validationQuery

     

    用来检测连接是否有效的sql,要求是一个查询语句。如果validationQuerynulltestOnBorrowtestOnReturntestWhileIdle都不会其作用。

    testOnBorrow

    true

    申请连接时执行validationQuery检测连接是否有效,做了这个配置会降低性能。

    testOnReturn

    false

    归还连接时执行validationQuery检测连接是否有效,做了这个配置会降低性能

    testWhileIdle

    false

    建议配置为true,不影响性能,并且保证安全性。申请连接的时候检测,如果空闲时间大于timeBetweenEvictionRunsMillis,执行validationQuery检测连接是否有效。

    timeBetweenEvictionRunsMillis

     

    有两个含义: 
    1) Destroy线程会检测连接的间隔时间2) testWhileIdle的判断依据,详细看testWhileIdle属性的说明

    numTestsPerEvictionRun

     

    不再使用,一个DruidDataSource只支持一个EvictionRun

    minEvictableIdleTimeMillis

     

     

    connectionInitSqls

     

    物理连接初始化的时候执行的sql

    exceptionSorter

    根据dbType自动识别

    当数据库抛出一些不可恢复的异常时,抛弃连接

    filters

     

    属性类型是字符串,通过别名的方式配置扩展插件,常用的插件有: 
    监控统计用的filter:stat日志用的filter:log4j防御sql注入的filter:wall

    proxyFilters

     

    类型是List<com.alibaba.druid.filter.Filter>,如果同时配置了filtersproxyFilters,是组合关系,并非替换关系

    Druid是目前最好的数据库连接池,在功能、性能、扩展性方面,都超过其他数据库连接池,包括DBCP、C3P0、BoneCP、Proxool、JBoss DataSource。
    所依赖的jar包:
    对应的properties文件:
    dbcp和druid代码对比:
    1.druid比dbcp少了一个最大空闲的参数
    2.需注意properties文件里的5678行名字,对应改回来
     
    相应代码:
    public class JDBCUtil {
    	// 建立连接的驱动驱动名称
    		public static String DRIVER_CLASS_NAME = "";
    		// 数据库链接数据哭的url
    		public static String URL = "";
    		// 链接的数据库账号
    		public static String USERNAME = "";
    		// 链接的数据库密码
    		public static String PASSWORD = "";
    		// 醉的等待时间
    		private static long MAX_WAIT;
    		// 最大活动链接
    		private static int MAX_ACTIVE;
    		// 初始化时链接池的数量
    		private static int INITIAL_SIZE;
    		public static Properties properties = new Properties();
    		public static DruidDataSource druidDataSource = new DruidDataSource();
    
    		static {
    			InputStream ips = JDBCUtil.class.getClassLoader().getResourceAsStream("jdbc.properties");
    			try {
    				properties.load(ips);
    			} catch (IOException e) {
    				// TODO Auto-generated catch block
    				e.printStackTrace();
    			}
    			// 赋值操作
    			DRIVER_CLASS_NAME = properties.getProperty("jdbc.driver");
    			URL = properties.getProperty("jdbc.url");
    			USERNAME = properties.getProperty("jdbc.username");
    			PASSWORD = properties.getProperty("jdbc.password");
    			MAX_WAIT = Long.valueOf(properties.getProperty("druid.maxwait"));
    			MAX_ACTIVE = Integer.valueOf(properties.getProperty("druid.maxactive"));
    			INITIAL_SIZE = Integer.valueOf(properties.getProperty("druid.initsize"));
                //		给连接池初始化参数
    			druidDataSource.setDriverClassName(DRIVER_CLASS_NAME);
    			druidDataSource.setUrl(URL);
    			druidDataSource.setUsername(USERNAME);
    			druidDataSource.setPassword(PASSWORD);
    			druidDataSource.setInitialSize(INITIAL_SIZE);
    			druidDataSource.setMaxActive(MAX_ACTIVE);
    			druidDataSource.setMaxWait(MAX_WAIT);
    		}
    		
    		public static DruidDataSource getDataSources() {
    			return druidDataSource;
    		}
    		public static Connection getConnection() {
    		try {
    			return basicDataSource.getConnection();
    		} catch (SQLException e) {
    			// TODO Auto-generated catch block
    			e.printStackTrace();
    		}
    		return null;
    	}
    	//测试连接
    	public static void main(String[] args) {
    		System.out.println(properties);
    	}
    		//测试连接是否成功的main方法
    		public static void main(String[] args) throws Exception {
    			Connection connection=druidDataSource.getConnection();
    			String sql="select * from t_user";
    			PreparedStatement statement=connection.prepareStatement(sql);
    			ResultSet rs=statement.executeQuery();
    			while(rs.next()) {
    				System.out.println(rs.getString("username"));
    			}
    			}
    		
    }
     
     
  • 相关阅读:
    APEX安装
    SNN对抗攻击笔记
    Exploring Adversarial Attack in Spiking Neural Networks with Spike-Compatible Gradient
    Inherent Adversarial Robustness of Deep Spiking Neural Networks: Effects of Discrete Input Encoding and Non-Linear Activations
    NeuroAttack: Undermining Spiking Neural Networks Security through Externally Triggered Bit-Flips
    Training spiking neural networks for reinforcement learning
    Kernel methods on spike train space for neuroscience: a tutorial
    Eligibility Traces and Plasticity on Behavioral Time Scales: Experimental Support of neoHebbian Three-Factor Learning Rules
    python操作MySQL数据库
    连接mysql报错:error 2003 (hy000):can't connect to mysql server on 'localhost' (10061)
  • 原文地址:https://www.cnblogs.com/liva-/p/10319055.html
Copyright © 2020-2023  润新知