学习一下强大的druid，看看druid 连接池部分的源码-创建，使用，销毁。

最新推荐文章于 2024-03-12 17:03:23 发布

河海哥yyds

最新推荐文章于 2024-03-12 17:03:23 发布

阅读量1.7w

点赞数 4

分类专栏： Java 文章标签：连接池 druid

本文为博主原创文章，转载注明出处

本文链接：https://blog.csdn.net/qq_41376740/article/details/81869261

版权

Java 专栏收录该内容

63 篇文章 1 订阅

订阅专栏

前言

druid是阿里爸爸的开源数据库连接池，据说其性能算是位于领先的水平，从连接的创建和销毁这个性能方面优于其它连接池，但是觉得和HikariCP，的速度比起来还是差点。但是两者各有好处，一个是扩展性比较优秀功能比较全，一个是速度比较块。以下是性能对照图：

图片出处：https://github.com/brettwooldridge/HikariCP
这里写图片描述
图片出处：druid Github

图片出处：http://blog.didispace.com/java-datasource-pool-compare/
这里写图片描述

于是便引起了我这个菜鸟的好奇心，由于druid功能强大，我是菜鸟，就看看连接池的一些内容吧。

小试牛刀-使用

配置：

配置列表，其兼容DBCP的各项配置，但是有些许的语义区别。以下是我简单的入门配置。

driverClassName=com.mysql.cj.jdbc.Driver
url=jdbc:mysql://localhost:3306/day14_customer
username=root
password=

#初始链接数,在连接池被创建的时候初始化的连接数
initSize=20
#最大连接池数量
maxActive=20
#最小连接池数量
minIdle=5

#超时等待时间
maxWait=60000

#指定连接属性
connectionProperties=useSSL=true;rewriteBatchedStatements=true

在java中简单使用：

package Utils;

import com.alibaba.druid.pool.DruidDataSourceFactory;

import javax.sql.DataSource;
import java.io.InputStream;
import java.sql.Connection;
import java.sql.ResultSet;
import java.sql.SQLException;
import java.sql.Statement;
import java.util.Properties;

public class Druid {
    private static DataSource dataSource;

    static {
        try {
            InputStream inputStream = DBCP.class.getClassLoader().getResourceAsStream("dbconfig.properties");
            Properties properties = new Properties();
            properties.load(inputStream);
            dataSource = DruidDataSourceFactory.createDataSource(properties);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    public static Connection getConnection() throws SQLException {
        return dataSource.getConnection();
    }

    public static void release(Connection conn, Statement st, ResultSet rs) {
        if (conn != null) {
            try {
                conn.close();
            } catch (Exception e) {
                e.printStackTrace();
            }
        }
        if (st != null) {
            try {
                st.close();
            } catch (Exception e) {
                e.printStackTrace();
            }
        }
        if (rs != null) {
            try {
                rs.close();
            } catch (Exception e) {
                e.printStackTrace();
            }
        }
    }
}

挺简单的没啥好说的

看看源码

重要变量

DruidAbstractDataSource.class

//重入锁
protected ReentrantLock lock;
//empty,notEmpty条件,负责线程的阻塞唤醒
protected Condition notEmpty;
protected Condition empty;

DruidSource.class

//存放线程的底层数组
private volatile DruidConnectionHolder[] connections;

工厂函数创建datasource

public static DataSource createDataSource(Map properties) throws Exception {
    DruidDataSource dataSource = new DruidDataSource();
    //从properties中配置datasource
    config(dataSource, properties);
    return dataSource;
}

在获取连接的过程进行初始化

public DruidPooledConnection getConnection(long maxWaitMillis) throws SQLException {
    this.init();
    if (this.filters.size() > 0) {
        FilterChainImpl filterChain = new FilterChainImpl(this);
        return filterChain.dataSource_connect(this, maxWaitMillis);
    } else {
        return this.getConnectionDirect(maxWaitMillis);
    }
}

初始化的方法中有这样的几个线程启动，一个是create一个是destroy

 this.createAndLogThread();
 this.createAndStartCreatorThread();
 this.createAndStartDestroyThread();

lock、condition、两个线程-创建/销毁connection

从源码我们可以看出druid连接池是基于ReetrantLock的，它有两个condition，empty和notEmpty，一个是监控连接池是否为空一个是监控连接池不为空的。这是连接池的核心部分，让我们一探究竟。注意，这两个条件condition都是谁用？等待为空的线程是创建condition的线程，等待不为空的是getConnection。

创建线程:

com.alibaba.druid.pool.DruidDataSource.CreateConnectionThread

try {
    //等待为空的变量，依据这个变量来进行condition:empty的阻塞(awiait)
    boolean emptyWait = true;
    if (DruidDataSource.this.createError != null && DruidDataSource.this.poolingCount == 0 && !discardChanged) {
    emptyWait = false;
    }

    if (emptyWait && DruidDataSource.this.asyncInit && DruidDataSource.this.createCount < (long)DruidDataSource.this.initialSize) {
    emptyWait = false;
    }

    if (emptyWait) {
    if (DruidDataSource.this.poolingCount >= DruidDataSource.this.notEmptyWaitThreadCount && (!DruidDataSource.this.keepAlive || DruidDataSource.this.activeCount + DruidDataSource.this.poolingCount >= DruidDataSource.this.minIdle)) {
       DruidDataSource.this.empty.await();
    }

    if (DruidDataSource.this.activeCount + DruidDataSource.this.poolingCount >= DruidDataSource.this.maxActive) {
       DruidDataSource.this.empty.await();
       continue;
    }
}

等待空的两个if条件

池中的连接数量>=等待不为空的线程数量.意思就是说你请求一个连接我连接池里面有，这个时候就不用创建连接了，连接的线程就await，阻塞
活跃的数量+池中的数量>=连接池总数量，意思就是说连接池数量达到了池的上限，这个时候就不能再创建连接了。

if (connection != null) {
    // 往线程中put进一个连接connection
    boolean result = DruidDataSource.this.put(connection);
    if (!result) {
        JdbcUtils.close(connection.getPhysicalConnection());
        DruidDataSource.LOG.info("put physical connection to pool failed.");
    }

    errorCount = 0;
}

获取线程

获取线程的逻辑主要是它来实现的，让我们进一步探究一下。

public DruidPooledConnection getConnection(long maxWaitMillis) throws SQLException {
    this.init();
    if (this.filters.size() > 0) {
        FilterChainImpl filterChain = new FilterChainImpl(this);
        return filterChain.dataSource_connect(this, maxWaitMillis);
    } else {
        return this.getConnectionDirect(maxWaitMillis);
    }
}

最后的弹出连接是这个方法：

DruidConnectionHolder takeLast() throws InterruptedException, SQLException {
    try {
        while(this.poolingCount == 0) {
            //连接池空了，唤醒生产者来创建连接
            this.emptySignal();
            if (this.failFast && this.failContinuous.get()) {
                throw new DataSourceNotAvailableException(this.createError);
            }

            ++this.notEmptyWaitThreadCount;
            if (this.notEmptyWaitThreadCount > this.notEmptyWaitThreadPeak) {
                this.notEmptyWaitThreadPeak = this.notEmptyWaitThreadCount;
            }

            //阻塞了一个，数量也就-1
            try {
                this.notEmpty.await();
            } finally {
                --this.notEmptyWaitThreadCount;
            }

            ++this.notEmptyWaitCount;
            if (!this.enable) {
                connectErrorCountUpdater.incrementAndGet(this);
                throw new DataSourceDisableException();
            }
        }
    } catch (InterruptedException var5) {
        this.notEmpty.signal();
        ++this.notEmptySignalCount;
        throw var5;
    }
    //减少池中的连接计数，下面的部分就是取连接的操作
    this.decrementPoolingCount();
    DruidConnectionHolder last = this.connections[this.poolingCount];
    this.connections[this.poolingCount] = null;
    return last;
}

两个有用的字段：notEmptyWaitThreadCount这个字段也就是消费者数量，notEmptyWaitCount维护的就是正在等待的消费者数量
这让我就突然想起了生产者和消费者的思想，创建线程是生产者，获取线程是消费者，不难发现notEmpty这个Condition是用在了它上面。

销毁线程

public class DestroyTask implements Runnable {
    public DestroyTask() {
    }

    public void run() {
        DruidDataSource.this.shrink(true, DruidDataSource.this.keepAlive);
        if (DruidDataSource.this.isRemoveAbandoned()) {
            DruidDataSource.this.removeAbandoned();
        }

    }
}

shrink的关键就在这，其主要功能是收缩就是空闲的太多了要进行回收了。

if (evictCount > 0) {
    for(checkCount = 0; checkCount < evictCount; ++checkCount) {
        holer = this.evictConnections[checkCount];
        connection = holer.getConnection();
        JdbcUtils.close(connection);
        destroyCountUpdater.incrementAndGet(this);
    }

    Arrays.fill(this.evictConnections, (Object)null);
}

总结

这次的小blog只是就简单的实现原理看了看，可以看出连接池是生产者消费者这种形式运作的，主要是两个线程来保证连接池，其中很多细节未涉及，笔者能力有限。如果有机会还想学习一下监控，据说是通过责任链来实现的，责任链我不懂，就没有深入。总的来说，旨在入个门把。

深入学习的参考链接

性能分析对比:
http://developer.51cto.com/art/201807/579402.htm

源码:
https://www.jianshu.com/p/549bfacebb38
https://www.jianshu.com/p/16a646a4eccd

配置表:
https://github.com/alibaba/druid/wiki/DruidDataSource%E9%85%8D%E7%BD%AE%E5%B1%9E%E6%80%A7%E5%88%97%E8%A1%A8

河海哥yyds

关注

4
点赞
踩
23

收藏

觉得还不错? 一键收藏
打赏
0
评论
学习一下强大的druid，看看druid 连接池部分的源码-创建，使用，销毁。

前言druid是阿里爸爸的开源数据库连接池，据说其性能算是位于领先的水平，从连接的创建和销毁这个性能方面优于其它连接池，但是觉得和HikariCP，的速度比起来还是差点。但是两者各有好处，一个是扩展性比较优秀功能比较全，一个是速度比较块。以下是性能对照图：图片出处：https://github.com/brettwooldridge/HikariCP 图片出处：druid Githu...
复制链接

扫一扫