spring配置数据源连接池

在利用spring/ ssh /s2sh / ssi /s2si进行开发的过程中,一般情况下都会在spring的配置文件中进行数据源的配置,为了提高数据源的内存利用效率基本上都是会配置数据源连接池的。

       在讲到连接池之前我们先看一下数据源直接连接数据库的配置,以下就是最简单的jdbc直接连接数据库的配置,它不会对我们获取连接、释放连接等进行优化,就和我们直接利用纯jdbc操作数据库一样,每一次的连接数据库、释放数据库连接都会消耗系统资源,如果用户量很大的话,这显然会消耗相当大的资源,所以一般上线运行的系统都是会已连接池的方式来优化处理数据源的。

<!-- 配置数据源dataSource  jdbc方式连接数据源 -->

   <bean id="dataSource"class="org.springframework.jdbc.datasource.DriverManagerDataSource">

        <propertyname="driverClassName"value="oracle.jdbc.driver.OracleDriver"/>

        <property name="url"value="jdbc:oracle:thin:@168.9.202.49:1521:TEST"  />

        <propertyname="username" value="TEST"/>

        <propertyname="password" value="TEST"/>

</bean> 

     下面就来了解一下数据库连接池的配置吧,一般而言,常用的数据库连接池有DBCP,C3P0, proxool,另外还有一个出道迟一些但是性能比前面这3个又一许多的连接池BoneCp

DBCPapache组织的一个开源的连接池项目,不过现在好像已经停止维护了,据说问题比较多,连接死锁问题比较严重。

C3P0hibernate官方指定的数据库连接池工具,性能稳定,不过占用资源相对较多。

Proxool据说性能比从C3P0好一些,消耗资源也少。

BoneCp连接池网上有测试数据显示其运行效率可以达到C3P0Proxool25倍,并且稳定性也不错,所以被许多开发者推崇!但是要求jdk1.5+

只可惜我的开发环境是基于jdk1.4的,所以对BoneCp无法测试了。

Proxool也没有测试,因为现在基本都是新的基于jdk1.5+的版本,有些版本说支持jdk1.4,但实际上好像是在jdk1.5+以后的版本编译打包的,配置测试没有通过。

 

下面我就给出spring中连接池的配置吧!

测试通过的连接池配置:

Dbcp

 

  

<!--  配置数据源dataSource  dbcp连接池方式连接数据源   -->

   <bean id="dataSource"class="org.apache.commons.dbcp.BasicDataSource">

      <propertyname="url"

         value="jdbc:oracle:thin:@168.9.202.49:1521:TEST"/>

      <propertyname="driverClassName"value="oracle.jdbc.driver.OracleDriver" />

      <propertyname="username" value="TEST" />

      <propertyname="password" value="TEST" />

      <property name="initialSize"value="1"/>

      <propertyname="maxActive" value="500"/>   

      <propertyname="maxIdle" value="2"/>  

      <propertyname="minIdle" value="1"/>  

   </bean>

C3P0

<!-- 配置数据源dataSource C3P0连接池方式连接数据源 -->

    <beanid="dataSourceclass="com.mchange.v2.c3p0.ComboPooledDataSource"destroy-method="close">

        <propertyname="driverClass"  value="oracle.jdbc.OracleDriver"/> 

        <propertyname="jdbcUrl"      value="jdbc:oracle:thin:@168.9.202.49:1521:TEST"/> 

        <propertyname="user"         value="TEST/> 

        <propertyname="password"     value="TEST/> 

      <propertyname="acquireIncrement"       value="5/> 

        <propertyname="acquireRetryAttempts"      value="10/> 

        <propertyname="acquireRetryDelay"         value="3000/> 

        <propertyname="autoCommitOnClose"         value="true/> 

        <propertyname="breakAfterAcquireFailure"  value="false"/> 

        <propertyname="checkoutTimeout"value="10000/>

        <propertyname="initialPoolSize"value="6/> 

        <propertyname="maxIdleTime"     value="10000/> 

        <propertyname="maxPoolSize"     value="10/>

       <propertyname="minPoolSize"     value="1/>  

        <propertyname="maxStatements"   value="0/> 

        <propertyname="numHelperThreads"value="3/> 

        <propertyname="propertyCycle"   value="600/> 

      <propertyname="maxStatementsPerConnection"   value="0/>

</bean>

 

 

 

测试未通过:我相信这并不是配置的问题,因为没有找到适合于jdk1.4的版本。

Proxool

 

   <!-- 配置数据源dataSource proxool连接池方式连接数据源 -->

    <bean id="dataSource"class="org.logicalcobwebs.proxool.ProxoolDataSource"destroy-method="close">

      <propertyname="driver" value="oracle.jdbc.driver.OracleDriver"></property>

      <propertyname="driverUrl"    value="jdbc:oracle:thin:@168.9.202.49:1521:TEST"></property>

      <propertyname="user"       value="TEST"></property>

      <propertyname="password"   value="TEST"></property>

      <propertyname="alias"      value="proxool4JMJL"></property>

      <propertyname="jmx"     value="false"></property>

      <propertyname="trace"      value="true"></property>

      <propertyname="verbose"    value="false"></property>

      <propertyname="houseKeepingSleepTime" value="30000"></property>

      <propertyname="houseKeepingTestSql" value="SELECTCURRENT_DATE FROM DUAL"></property>

      <propertyname="testBeforeUse"        value="true"></property>

      <propertyname="testAfterUse"         value="true"></property>

      <propertyname="prototypeCount"       value="5"></property>

      <propertyname="maximumConnectionCount"value="400"></property>

      <propertyname="minimumConnectionCount"value="10"></property>

      <propertyname="statistics"       value="1m,15m,1d"></property>

      <propertyname="statisticsLogLevel"   value="ERROR"></property>

      <propertyname="maximumActiveTime"       value="600000"></property>

      <propertyname="simultaneousBuildThrottle" value="1600"></property>

   </bean>

 

 没有测试:

Bonecp

<!-- 配置数据源dataSource bonecp连接池BoneCP官方明确指出要求jdk 1.5+  -->

     <bean id="bonecpDataSource"class="com.jolbox.bonecp.BoneCPDataSource"destroy-method="close">

      <propertyname="driverClass" value=" oracle.jdbc.driver.OracleDriver " />

      <propertyname="jdbcUrl" value=" jdbc:oracle:thin:@168.9.202.49:1521:TEST" />

      <propertyname="username"    value="TEST"/>

      <propertyname="password"    value="TEST"/>

      <propertyname="idleConnectionTestPeriod"    value="60"/>

      <propertyname="idleMaxAge" value="240"/>

      <propertyname="maxConnectionsPerPartition" value="30"/>

      <propertyname="minConnectionsPerPartition" value="10"/>

      <propertyname="partitionCount"       value="3"/>

      <propertyname="acquireIncrement" value="5"/>

      <propertyname="statementsCacheSize" value="100"/>

      <propertyname="releaseHelperThreads" value="3"/>

   </bean>

 

 

以上是4种连接池的配置,如果你的开发环境是基于jdk1.5+的(现在基本上都是在jdk1.5+环境下开发了,像我的这种jdk1.4是属于10年前的古董了,局限性很大,许多java的新特性不能用到,感觉有时候真实被束缚住手脚了,不过没办法,这是公司的要求),那么配置那些东西都是不难的!

注意:配置数据库连接池需要把连接池的jar包放在项目的classpath(一般就放在lib下了)下一份,tomcat(我用的tomcat5.0,如果是其它的web容器那你自己试吧)的common\lib下一份,必须两者都放入jar包才可正常运行,否则那就 … …

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值