1. Alibaba Druid
Alibaba Druid 是一个高性能的数据库连接池和监控工具，广泛应用于 Java 项目中。它提供了强大的数据库连接管理、SQL 解析、防火墙以及监控功能。Druid 能有效提升数据库连接的稳定性和性能，并通过丰富的监控功能帮助开发者管理和优化数据库连接池。
阿里巴巴 Druid 是由阿里巴巴集团开发的开源项目，主要由阿里巴巴的工程师主导开发。
1.1 Alibaba Druid 背景
在阿里巴巴大规模的业务场景中，传统的数据库连接池无法满足高并发和高可用性的需求，尤其是对实时监控和 SQL 解析有着更高的要求。因此，阿里巴巴开发了 Druid 来应对这些挑战，旨在提供一个高性能、易于使用、可扩展的数据库连接管理工具。
作用和解决的问题
- 数据库连接管理: 提供高效、稳定的连接池管理，减少数据库连接的开销。
- SQL 解析与优化: 支持对 SQL 语句进行解析和优化，提升数据库查询性能。
- 监控与诊断: 实时监控数据库连接池的状态，并提供详细的 SQL 执行分析，帮助快速诊断问题。
- 安全性增强: 提供 SQL 防火墙功能，有效防止 SQL 注入攻击。
应用场景
- 高并发的互联网应用: 例如电子商务、社交媒体、金融系统等需要处理大量数据库连接和查询的应用。
- 数据密集型应用: 需要对大量数据进行实时查询和分析的场景，例如日志分析、实时数据处理等。
- 企业级应用: 在大型企业中，Druid 可以用于监控和管理复杂的数据库连接环境，确保数据库的稳定性和安全性。
2. Alibaba Druid 学习
2.1 快速实践
主要以Spring项目事例，进行的快速实践
1. 添加 Maven 依赖
xml
代码解读
复制代码
<dependency> <groupId>com.alibaba</groupId> <artifactId>druid</artifactId> <version>1.2.16</version> <!-- 请使用最新版本 --> </dependency>
2. 配置 Druid 数据源
在 Spring Boot 项目中，你可以在 application.properties 或 application.yml 文件中配置 Druid 数据源。
官方配置说明： github.com/alibaba/dru…
bash
代码解读
复制代码
spring: datasource: url: jdbc:mysql://localhost:3306/yourdb username: root password: root type: com.alibaba.druid.pool.DruidDataSource druid: initialSize: 5 minIdle: 5 maxActive: 20 maxWait: 60000 timeBetweenEvictionRunsMillis: 60000 minEvictableIdleTimeMillis: 300000 validationQuery: SELECT 1 FROM DUAL testWhileIdle: true testOnBorrow: false testOnReturn: false
Java 代码中直接配置数据源对象
scss
代码解读
复制代码
/** * 初始化数据源 */ public DataSource initDataSource() throws SQLException { // 创建Druid数据源对象 DruidDataSource datasource = new DruidDataSource(); // 基础连接信息 datasource.setDriverClassName("驱动类"); datasource.setUrl("url"); datasource.setUsername("username"); datasource.setPassword("password"); // 连接池连接信息 datasource.setInitialSize(5); datasource.setMinIdle(5); datasource.setMaxActive(20); datasource.setMaxWait(60000); datasource.setKeepAlive(true); // 是否移除泄露的连接/超过时间限制是否回收。 datasource.setRemoveAbandoned(true); // 泄露连接的定义时间(要超过最大事务的处理时间)；单位为秒。这里配置为1小时 datasource.setRemoveAbandonedTimeout(3600); return datasource; }
3.启用 Druid 监控
typescript
代码解读
复制代码
import com.alibaba.druid.support.http.StatViewServlet; import com.alibaba.druid.support.http.WebStatFilter; import org.springframework.boot.web.servlet.FilterRegistrationBean; import org.springframework.boot.web.servlet.ServletRegistrationBean; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; @Configuration public class DruidConfiguration { @Bean public ServletRegistrationBean<StatViewServlet> druidStatViewServlet() { ServletRegistrationBean<StatViewServlet> servletRegistrationBean = new ServletRegistrationBean<>(new StatViewServlet(), "/druid/*"); // 添加初始化参数：loginUsername、loginPassword servletRegistrationBean.addInitParameter("loginUsername", "admin"); servletRegistrationBean.addInitParameter("loginPassword", "admin"); return servletRegistrationBean; } @Bean public FilterRegistrationBean<WebStatFilter> druidWebStatFilter() { FilterRegistrationBean<WebStatFilter> filterRegistrationBean = new FilterRegistrationBean<>(new WebStatFilter()); // 添加过滤规则 filterRegistrationBean.addUrlPatterns("/*"); // 忽略资源 filterRegistrationBean.addInitParameter("exclusions", "*.js,*.gif,*.jpg,*.png,*.css,*.ico,/druid/*"); return filterRegistrationBean; } }
4. 访问 Druid 监控页面
启动应用后，你可以通过访问 http://localhost:8080/druid 来查看 Druid 提供的监控页面。你将能够查看数据库连接池的实时状态、SQL 执行统计信息、慢查询等。
5. 测试 Druid 数据源
创建一个简单的 Spring 服务类，验证 Druid 数据源是否工作正常：
这边整理了一份核心面试笔记包括了：Java面试、Spring、JVM、MyBatis、Redis、MySQL、并发编程、微服务、Linux、Springboot、SpringCloud、MQ、Kafka 面试专题
需要全套面试笔记的【点击此处即可】免费获取
java
代码解读
复制代码
import org.springframework.beans.factory.annotation.Autowired; import org.springframework.jdbc.core.JdbcTemplate; import org.springframework.stereotype.Service; @Service public class TestService { @Autowired private JdbcTemplate jdbcTemplate; public void testQuery() { String sql = "SELECT COUNT(*) FROM your_table"; Integer count = jdbcTemplate.queryForObject(sql, Integer.class); System.out.println("Record count: " + count); } }
通过以上步骤，你已经成功将 Alibaba Druid 集成到你的 Java 应用中，并启用了监控功能。Druid 连接池将帮助你更好地管理数据库连接，提供更高的性能和稳定性。监控页面则可以帮助你实时监控应用的数据库访问情况。
2.2. Alibaba Druid 详解
架构图
sql
代码解读
复制代码
+-------------------------------------------------+ | 应用层 | | Spring Boot, Java EE, Spring Framework | +-------------------------------------------------+ | | v v +-----------------+ +-----------------------+ | Druid 连接池 | | Druid SQL 解析器 | | - 连接管理 | | - SQL 解析 | | - 连接池优化 | | - SQL 防火墙 | +-----------------+ +-----------------------+ | | v v +-------------------------------------------------+ | Druid 监控模块 | | - Web 控制台 - 监控统计 | | - 连接池状态 - SQL 执行分析 | +-------------------------------------------------+
源码核心部分包结果图
arduino
代码解读
复制代码
com.alibaba.druid ├── pool // 数据库连接池管理 ├── proxy // 主要用于 Druid 数据库连接池的代理功能，特别是提供对数据库操作的拦截、监控、统计和日志记录的能力。 ├── sql // SQL 解析器与执行 ├── stat // 监控模块 ├── wall // SQL 防火墙 └── support // 支持类和实用工具
包说明
- com.alibaba.druid.pool: 负责 Druid 的核心数据库连接池管理功能，包括连接池的创建、维护、以及连接的分配和回收等。
- com.alibaba.druid.proxy: 主要用于 Druid 数据库连接池的代理功能，特别是提供对数据库操作的拦截、监控、统计和日志记录的能力。
- com.alibaba.druid.sql: 包含 SQL 解析器和相关的 SQL 执行管理，提供了对 SQL 语句的解析、分析、优化等功能。
- com.alibaba.druid.stat: 监控相关的包，负责收集和统计数据库连接池的状态和 SQL 执行情况，提供监控数据的收集与展示。
- com.alibaba.druid.wall: 主要用于 SQL 防火墙功能，提供 SQL 语句的安全性检查，防止 SQL 注入等攻击。
- com.alibaba.druid.support: 一些支持类和实用工具类，用于提供各种辅助功能，如日志记录、工具类等。
核心类
diff
代码解读
复制代码
+------------------------+ +------------------------+ | DruidDataSource | | DruidDriver | +------------------------+ +------------------------+ | | v v +------------------------+ +------------------------+ | DruidConnectionHolder | | DataSourceProxy | +------------------------+ +------------------------+ | v +------------------------+ | DruidPooledConnection | +------------------------+
image.png
DruidDataSource
DruidDataSource 主要用于通过线程池管理数据库连接池中连接的创建、维护和配置。同时支持监控和统计还有扩展过滤器这些。下面是该类的核心方法：
scss
代码解读
复制代码
// 数据源类 // 这类的不是完整的代码，完整的请参考源码，这里我们只是关注核心的方法 // 当 new DruidDataSource() 的时候并没有进行连接的初始化，真正开始初始化是在 getConnection 的时候 public class DruidDataSource extends DruidAbstractDataSource implements DruidDataSourceMBean, ManagedDataSource, Referenceable, Closeable, Cloneable, ConnectionPoolDataSource, MBeanRegistration { public DruidPooledConnection getConnection(long maxWaitMillis) throws SQLException { // 调用来初始化数据源 init(); // 检查是否有注册的过滤器 (filters) // 这些过滤器通常用于在连接创建过程中执行额外的逻辑，比如记录日志、监控、SQL注入防护等。 if (filters.size() > 0) { // FilterChainImpl 是 Druid 的内部类，负责处理连接请求时应用过滤器链。 FilterChainImpl filterChain = new FilterChainImpl(this); return filterChain.dataSource_connect(this, maxWaitMillis); } else { // 如果没有配置过滤器，则直接获取连接 return getConnectionDirect(maxWaitMillis); } } // 初始化数据源 // 它负责对数据源进行全面的初始化配置。这个方法的核心功能包括数据源的基本配置、校验、连接池初始化、线程管理等 public void init() throws SQLException { // ... 省略的部分基本上都是进行数据验证和初始化参数判断 // 初始化驱动 DruidDriver.getInstance(); boolean init = false; try { // 这里是初始化过滤器 initFromSPIServiceLoader(); // 解析驱动就是Class.forName()获取数据库驱动 resolveDriver(); // 数据校验 initCheck(); // 创建和启动用于管理连接池的线程和任务调度器 this.netTimeoutExecutor = new SynchronousExecutor(); // 连接池初始化 connections = new DruidConnectionHolder[maxActive]; evictConnections = new DruidConnectionHolder[maxActive]; keepAliveConnections = new DruidConnectionHolder[maxActive]; SQLException connectError = null; if (createScheduler != null && asyncInit) { for (int i = 0; i < initialSize; ++i) { submitCreateTask(true); } } else if (!asyncInit) { // 连接池初始化 while (poolingCount < initialSize) { try { PhysicalConnectionInfo pyConnectInfo = createPhysicalConnection(); DruidConnectionHolder holder = new DruidConnectionHolder(this, pyConnectInfo); connections[poolingCount++] = holder; } catch (SQLException ex) { LOG.error("init datasource error, url: " + this.getUrl(), ex); if (initExceptionThrow) { connectError = ex; break; } else { Thread.sleep(3000); } } } if (poolingCount > 0) { poolingPeak = poolingCount; poolingPeakTime = System.currentTimeMillis(); } } // 启动记录日志信息的现场 createAndLogThread(); createAndStartCreatorThread(); createAndStartDestroyThread(); initedLatch.await(); init = true; initedTime = new Date(); registerMbean(); if (connectError != null && poolingCount == 0) { throw connectError; } if (keepAlive) { // async fill to minIdle if (createScheduler != null) { for (int i = 0; i < minIdle; ++i) { // 创建线程实例 // 此方法通常用于管理和调度需要异步执行的任务，例如连接池中的连接创建任务。通过动态扩展数组和调度任务，可以高效地管理连接创建过程。 // 该方法会创建一个 CreateConnectionTask 实例，可以在一个线程中异步执行。它负责创建数据库连接并将其放入连接池中。 submitCreateTask(true); } } else { this.emptySignal(); } } } catch (Exception e) { ... } finally { // 标记初始化完成 inited = true; lock.unlock(); } } }
所以通过对以上 DruidDataSource 类的核心方法分析，我们可以知道，DruidDataSource 主要用于通过线程池管理数据库连接池中连接的创建、维护和配置。同时支持监控和统计还有扩展过滤器这些。
DruidConnectionHolder
DruidConnectionHolder 该类的基本上都是get和set方法。保存的属性则是数据库连接的基础属性。它的主要作用是封装并管理一个物理数据库连接 (java.sql.Connection) 以及与之关联的状态信息。在连接池的上下文中，DruidConnectionHolder 主要负责维护连接池中的连接，并提供对该连接的管理和使用的支持。
DruidPooledConnection
仔细观察会发现 DruidDataSource 中获取连接的方法 getConnection 返回的值就是 DruidPooledConnection ，DruidPooledConnection 是 Druid 数据库连接池中的一个重要类，其主要作用是封装一个从连接池中获取的数据库连接，并管理该连接的生命周期，提供安全、可靠的数据库连接操作。这个其实就是真正执行sql语句的类。
scss
代码解读
复制代码
// public class DruidPooledConnection extends PoolableWrapper implements javax.sql.PooledConnection, Connection { // 获取数据库连接 public Connection getConnection() { if (!holder.underlyingAutoCommit) { // 构建事务 createTransactionInfo(); } return conn; } // 准备 PreparedStatement // prepareStatement 还有很多重载的方法，基本逻辑都差不多 public PreparedStatement prepareStatement(String sql) throws SQLException { // 检查状态 checkState(); // 使用预编译语句池 (PreparedStatement Pool), 这里采用了设计模式中的享元设计模式 // 尝试从池中获取对应 SQL 的 PreparedStatement 对象。如果池中已经存在一个与给定 SQL 语句相匹配的 PreparedStatement，那么将复用这个对象。 // 这种做法可以避免每次执行相同 SQL 时都重新创建 PreparedStatement 对象，从而提高性能。 PreparedStatementHolder stmtHolder = null; PreparedStatementKey key = new PreparedStatementKey(sql, getCatalog(), MethodType.M1); boolean poolPreparedStatements = holder.isPoolPreparedStatements(); if (poolPreparedStatements) { stmtHolder = holder.getStatementPool().get(key); } // 初始化 PreparedStatement 封装为 DruidPooledPreparedStatement if (stmtHolder == null) { try { stmtHolder = new PreparedStatementHolder(key, conn.prepareStatement(sql)); holder.getDataSource().incrementPreparedStatementCount(); } catch (SQLException ex) { handleException(ex, sql); } } initStatement(stmtHolder); DruidPooledPreparedStatement rtnVal = new DruidPooledPreparedStatement(this, stmtHolder); // 添加到池中 holder.addTrace(rtnVal); return rtnVal; } // 关闭数据库连接 public void close() throws SQLException { if (this.disable) { return; } DruidConnectionHolder holder = this.holder; if (holder == null) { if (dupCloseLogEnable) { LOG.error("dup close"); } return; } DruidAbstractDataSource dataSource = holder.getDataSource(); boolean isSameThread = this.getOwnerThread() == Thread.currentThread(); if (!isSameThread) { dataSource.setAsyncCloseConnectionEnable(true); } if (dataSource.isAsyncCloseConnectionEnable()) { syncClose(); return; } if (!CLOSING_UPDATER.compareAndSet(this, 0, 1)) { return; } try { // 执行实践监听事件 for (ConnectionEventListener listener : holder.getConnectionEventListeners()) { listener.connectionClosed(new ConnectionEvent(this)); } // 过滤器 List<Filter> filters = dataSource.getProxyFilters(); if (filters.size() > 0) { FilterChainImpl filterChain = new FilterChainImpl(dataSource); filterChain.dataSource_recycle(this); } else { recycle(); } } finally { CLOSING_UPDATER.set(this, 0); } this.disable = true; } // 事务提交 public void commit() throws SQLException { // 检查状态 checkState(); DruidAbstractDataSource dataSource = holder.getDataSource(); dataSource.incrementCommitCount(); try { // 事务提交 conn.commit(); } catch (SQLException ex) { handleException(ex, null); } finally { handleEndTransaction(dataSource, null); } } // 事务回滚 public void rollback() throws SQLException { if (transactionInfo == null) { return; } if (holder == null) { return; } DruidAbstractDataSource dataSource = holder.getDataSource(); dataSource.incrementRollbackCount(); try { conn.rollback(); } catch (SQLException ex) { handleException(ex, null); } finally { handleEndTransaction(dataSource, null); } } }
DruidDriver
DruidDriver 是 Druid 数据库连接池的一个核心类，内容也基本上是get和set，保存了连接驱动的一些信息，负责实现 JDBC Driver 的相关功能，并为 DruidDataSource 提供一些底层支持。它继承自 java.sql.Driver 接口，提供了连接池驱动的实现。
如果你仔细查看会发现 DruidDataSource 源码中获取连接的 init() 方法中，执行了 DruidDriver.getInstance(); 来进行初始化。
DataSourceProxy
在 Druid 的设计中，DataSourceProxy 是为 Druid 的监控、统计、扩展等功能提供的一个代理接口。DataSourceProxyImpl 它实现了 DataSourceProxy 接口，通过封装实际的 Connection 对象，使得 Druid 可以在 JDBC 操作的各个环节注入自定义的逻辑，例如 SQL 监控、执行统计、事务管理等。
以上小编觉得就是 Druid 最核心的部分，其他的部分 sql 解析，过滤器模块，监控和扩展，都是在以上的基础上，通过 proxy 包下的代理类来实现的。这里就不进行过多的讲解了。
Druid 中涉及的一些设计模式：
-
代理模式 (Proxy Pattern)
- 使用场景：Druid 使用代理模式来实现数据库连接的增强功能，如 SQL 解析、监控、过滤等。
- 示例：DataSourceProxy ,ConnectionProxy 和 ConnectionProxyImpl 类实现了对原始数据库连接的代理，允许在连接方法调用前后插入额外的逻辑（例如，执行 SQL 监控或过滤操作）。
-
工厂模式 (Factory Pattern)
- 使用场景：Druid 使用工厂模式来创建和管理数据库连接池中的连接对象。
- 示例：DruidDataSource 类中的连接创建方法，如 getConnection()，可能涉及工厂模式来生产新的数据库连接实例。
-
单例模式 (Singleton Pattern)
- 使用场景：Druid 的配置类和某些管理类可能会使用单例模式，确保在整个应用程序中只存在一个实例。
- 示例：DruidDriver 类通常是一个单例，用于管理数据库驱动的注册和管理。
-
装饰者模式 (Decorator Pattern)
- 使用场景：Druid 使用装饰者模式来扩展连接池和 SQL 处理的功能，而无需修改现有的连接类。
- 示例：Filter 和 FilterChain 类在连接对象上添加了额外的功能，如日志记录、统计和安全检查。
-
观察者模式 (Observer Pattern)
- 使用场景：Druid 可能使用观察者模式来监控和报告数据库连接池的状态和性能。
- 示例：在一些监控和统计功能中，Druid 可能会注册观察者来接收和处理事件，如连接池的状态变化和 SQL 执行情况。
-
策略模式 (Strategy Pattern)
- 使用场景：Druid 使用策略模式来动态选择 SQL 处理和连接管理的策略。
- 示例：不同的 Filter 实现可以视情况选择应用于 SQL 执行的不同策略，如 StatFilter 用于统计，WallFilter 用于安全检查。
补充：
HighAvailableDataSource
HighAvailableDataSource 是 Druid 数据库连接池中提供高可用性的组件，它的主要作用是通过多数据源配置，实现数据库的高可用性和自动故障转移（failover）。在分布式系统或者需要高可用性的应用场景中，单一数据源可能会成为系统的单点故障（SPOF）。HighAvailableDataSource 通过集成多个数据源来避免这一问题。
简单事例
java
代码解读
复制代码
import com.alibaba.druid.pool.DruidDataSource; import com.alibaba.druid.pool.DruidDataSourceStatManager; import com.alibaba.druid.pool.ha.HighAvailableDataSource; import java.sql.Connection; import java.sql.SQLException; public class DataSourceConfig { public static void main(String[] args) throws SQLException { // 创建 DruidDataSource 实例 DruidDataSource druidDataSource1 = new DruidDataSource(); druidDataSource1.setUrl("jdbc:mysql://localhost:3306/db1"); druidDataSource1.setUsername("user"); druidDataSource1.setPassword("password"); DruidDataSource druidDataSource2 = new DruidDataSource(); druidDataSource2.setUrl("jdbc:mysql://localhost:3306/db2"); druidDataSource2.setUsername("user"); druidDataSource2.setPassword("password"); // 创建 HighAvailableDataSource 实例 HighAvailableDataSource highAvailableDataSource = new HighAvailableDataSource(); highAvailableDataSource.addDataSource(druidDataSource1); highAvailableDataSource.addDataSource(druidDataSource2); // 获取连接 Connection connection = highAvailableDataSource.getConnection(); // 业务逻辑 System.out.println("Connection obtained: " + connection); // 关闭连接 connection.close(); } }
高可用性和故障转移
•故障转移（Failover） : HighAvailableDataSource 能够在连接池中的数据源出现故障时自动切换到其他可用的数据源。这意味着，如果某个数据库实例不可用，连接池会自动使用其他可用的数据源来处理请求。
•负载均衡（Load Balancing） : HighAvailableDataSource 可以在多个数据源之间进行负载均衡，以平衡请求负载。然而，这通常是基于简单的轮询或随机选择，并不涉及复杂的主从数据同步和切换策略。
2.3 总结
Druid 在数据库连接池和数据源管理领域有广泛的使用，特别是在 Java 生态系统中。其高性能和丰富的功能使其成为企业级应用的热门选择。
| 特性 | Druid | HikariCP | Apache Commons DBCP |
|---|---|---|---|
| 性能 | 高性能，适合高并发场景 | 极高性能，最低延迟 | 性能一般，适合中低并发场景 |
| 配置 | 配置选项多，功能丰富 | 配置简单，易于上手 | 配置选项多，成熟稳定 |
| 监控功能 | 丰富的监控功能，包括 SQL 执行统计和慢查询分析 | 监控功能有限 | 监控功能较少 |
| 过滤器 | 支持多种过滤器，功能灵活 | 过滤器支持有限 | 过滤器支持有限 |
| 社区支持 | 活跃的社区，支持较好 | 广泛的社区支持 | 过滤器支持有限 |
| 兼容性 | 支持多种数据库和 JDBC 驱动 | 支持主流数据库和 JDBC 驱动 | 支持多种 JDBC 驱动 |
| 功能扩展 | 支持插件系统，功能扩展性强 | 功能相对简单，扩展性有限 | 功能扩展性一般 |
| 优点 | - 丰富的监控功能- 支持多种过滤器- 强大的配置选项- 插件系统支持- 活跃的社区 | - 极高性能- 配置简单- 设计上关注性能- 轻量级 | - 成熟且稳定- 配置选项多- 广泛的社区支持- 适合与老旧系统兼容 |
| 缺点 | - 配置和功能复杂- 低并发场景下显得庞大- 性能不如 HikariCP | - 监控功能有限- 扩展性和插件支持较少- 功能简单 | - 性能一般- 监控和过滤器功能有限- 可能不如 Druid 和 HikariCP |
| 适用场景 | 需要丰富监控功能和灵活扩展的企业级应用，如 SQL 性能分析和慢查询监控 | 对性能有极高要求且对功能需求较少的应用，如高并发的 web 应用 | 对连接池有基本需求且需要稳定性的应用，如老旧系统的维护和兼容性需求 |
ruby
代码解读
复制代码
// 源码 https://github.com/alibaba/druid/ https://gitee.com/wenshao/druid // 文档 https://github.com/alibaba/druid/wiki // 配置参考说明 https://github.com/alibaba/druid/wiki/DruidDataSource%E9%85%8D%E7%BD%AE
2021
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
