druid连接池源码剖析_连接池剖析

druid连接池源码剖析

介绍

我一直在从事的所有项目都使用了数据库连接池 ，这是有很好的理由的。 有时我们可能会忘记为什么我们采用一种设计模式或一种特定技术，因此值得退后一步并对其进行推理。 每项技术或技术决策都有其优点和缺点，如果看不到任何缺点，您需要怀疑自己缺少什么。

数据库连接生命周期

每个数据库读取或写入操作都需要一个连接。 因此，让我们看一下数据库连接流的样子：

流程如下所示：

1. 应用程序数据层向数据源请求数据库连接
2. 数据源将使用数据库驱动程序打开数据库连接
3. 创建数据库连接并打开TCP套接字
4. 应用程序读/写数据库
5. 不再需要连接，因此已关闭
6. 插座已关闭

您可以轻松推断出打开/关闭连接是一项非常昂贵的操作。 PostgreSQL对每个客户端连接使用单独的OS进程 ，因此打开/关闭连接的高速率将给数据库管理系统带来压力。

重用数据库连接的最明显原因是：

• 减少用于创建/销毁TCP连接的应用程序和数据库管理系统OS I / O开销
• 减少JVM对象垃圾

集中与不集中

让我们比较一下无池解决方案与HikariCP的比较，后者可能是可用的最快的连接池框架。

该测试将打开和关闭1000个连接。

private static final Logger LOGGER = LoggerFactory.getLogger(DataSourceConnectionTest.class);

private static final int MAX_ITERATIONS = 1000;

private Slf4jReporter logReporter;

private Timer timer;

protected abstract DataSource getDataSource();

@Before
public void init() {
	MetricRegistry metricRegistry = new MetricRegistry();
	this.logReporter = Slf4jReporter
			.forRegistry(metricRegistry)
			.outputTo(LOGGER)
			.build();
	timer = metricRegistry.timer("connection");
}

@Test
public void testOpenCloseConnections() throws SQLException {
	for (int i = 0; i < MAX_ITERATIONS; i++) {
		Timer.Context context = timer.time();
		getDataSource().getConnection().close();
		context.stop();
	}
	logReporter.report();
}

该图表显示了打开和关闭连接所花费的时间，因此越低越好。

连接池比无池替代要快600倍 。 我们的企业系统由数十个应用程序组成，仅一个批处理系统每小时可以发出超过200万个数据库连接，因此值得考虑2个数量级的优化。

类型	无汇集时间（毫秒）	连接池化时间（毫秒）
分	74.551414	0.002633
最高	146.69324	125.528047
意思	78.216549	0.128900
标准差	5.9438335	3.969438
中位数	76.150440	0.003218

为什么合并速度如此之快？

要了解池解决方案为什么表现如此出色，我们需要分析池连接管理流程：

每当请求连接时，池数据源将使用可用的连接池来获取新的连接。 仅当没有可用连接并且池尚未达到最大大小时，池才会创建新连接。 池连接的close（）方法将返回到池的连接，而不是实际关闭它。

更快更安全

连接池充当传入连接请求的有界缓冲区。 如果出现流量高峰，连接池将对其进行分级，而不是使所有可用数据库资源饱和。

等待步骤和超时机制是安全钩，可防止过多的数据库服务器负载。 如果一个应用程序获得了太多的数据库流量，则连接池将减轻它的负担，从而防止它关闭数据库服务器（因此影响整个企业系统）。

拥有权利的同时也被赋予了重大的责任

所有这些好处都是有代价的，池配置的额外复杂性（尤其是在大型企业系统中）体现了这一点。 因此，这不是银弹，您需要注意许多池设置，例如：

• 最小尺寸
• 最大尺寸
• 最大空闲时间
• 获取超时
• 超时重试尝试

我的下一篇文章将探讨企业连接池的挑战以及Flexy Pool如何帮助您找到合适的池大小。

• 代码可在GitHub上获得 。

翻译自: https://www.javacodegeeks.com/2014/04/the-anatomy-of-connection-pooling.html

druid连接池源码剖析