vlambda博客
学习文章列表

来，告诉你阿里的数据库连接池Druid为啥如此牛逼！

来源：https://urlify.cn/2iYZFj

简介


druid是用于创建和管理连接，利用“池”的方式复用连接减少资源开销，和其他数据源一样，也具有连接数控制、连接可靠性测试、连接泄露控制、缓存语句等功能，另外，druid还扩展了监控统计、防御SQL注入等功能。


本文将包含以下内容(因为篇幅较长，可根据需要选择阅读)：


  1. druid的使用方法（入门案例、JDNI使用、监控统计、防御SQL注入）

  2. druid的配置参数详解

  3. druid主要源码分析


使用例子-入门


需求


使用druid连接池获取连接对象，对用户数据进行简单的增删改查（sql脚本项目中已提供）。


工程环境


JDK：1.8.0_231

maven：3.6.1

IDE：eclipse 4.12

mysql-connector-java：8.0.15

mysql：5.7 .28

druid：1.1.20


主要步骤


  1. 编写druid.properties，设置数据库连接参数和连接池基本参数等

  2. 通过DruidDataSourceFactory加载druid.properties文件，并创建DruidDataSource对象

  3. 通过DruidDataSource对象获得Connection对象

  4. 使用Connection对象对用户表进行增删改查


创建项目


项目类型Maven Project，打包方式war（其实jar也可以，之所以使用war是为了测试JNDI）。


引入依赖


这里引入日志包，主要为了看看连接池的创建过程，不引入不会有影响的。

 <dependency> <groupId>junit</groupId> <artifactId>junit</artifactId> <version>4.12</version> <scope>test</scope> </dependency> <!-- druid --> <dependency> <groupId>com.alibaba</groupId> <artifactId>druid</artifactId> <version>1.1.20</version> </dependency> <!-- mysql驱动 --> <dependency> <groupId>mysql</groupId> <artifactId>mysql-connector-java</artifactId> <version>8.0.15</version> </dependency> <!-- log --> <dependency> <groupId>log4j</groupId> <artifactId>log4j</artifactId> <version>1.2.17</version> </dependency> <dependency> <groupId>commons-logging</groupId> <artifactId>commons-logging</artifactId> <version>1.2</version> </dependency>

编写druid.properties


配置文件路径在resources目录下，因为是入门例子，这里仅给出数据库连接参数和连接池基本参数，后面会对所有配置参数进行详细说明。另外，数据库sql脚本也在该目录下。


当然，我们也可以通过启动参数来进行配置（但这种方式可配置参数会少一些）。


#-------------基本属性--------------------------------url=jdbc:mysql://localhost:3306/github_demo?useUnicode=true&characterEncoding=utf8&serverTimezone=GMT%2B8&useSSL=trueusername=rootpassword=root#数据源名，当配置多数据源时可以用于区分。注意，1.0.5版本及更早版本不支持配置该项#默认"DataSource-" + System.identityHashCode(this)name=zzs001#如果不配置druid会根据url自动识别dbType，然后选择相应的driverClassNamedriverClassName=com.mysql.cj.jdbc.Driver
#-------------连接池大小相关参数--------------------------------#初始化时建立物理连接的个数#默认为0initialSize=0
#最大连接池数量#默认为8maxActive=8
#最小空闲连接数量#默认为0minIdle=0
#已过期#maxIdle
#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。#默认-1，表示无限等待maxWait=-1

获取连接池和获取连接


项目中编写了JDBCUtil来初始化连接池、获取连接、管理事务和释放资源等，具体参见项目源码。


路径：cn.zzs.druid

 Properties properties = new Properties(); InputStream in = JDBCUtils.class.getClassLoader().getResourceAsStream("druid.properties"); properties.load(in);        DataSource dataSource = DruidDataSourceFactory.createDataSource(properties);


编写测试类


这里以保存用户为例，路径在test目录下的cn.zzs.druid。

 @Test public void save() throws SQLException { // 创建sql String sql = "insert into demo_user values(null,?,?,?,?,?)"; Connection connection = null; PreparedStatement statement = null; try { // 获得连接 connection = JDBCUtils.getConnection(); // 开启事务设置非自动提交 connection.setAutoCommit(false); // 获得Statement对象 statement = connection.prepareStatement(sql); // 设置参数 statement.setString(1, "zzf003"); statement.setInt(2, 18); statement.setDate(3, new Date(System.currentTimeMillis())); statement.setDate(4, new Date(System.currentTimeMillis())); statement.setBoolean(5, false); // 执行 statement.executeUpdate(); // 提交事务 connection.commit(); } finally { // 释放资源 JDBCUtils.release(connection, statement, null); } }

使用例子-通过JNDI获取数据源


需求


本文测试使用JNDI获取DruidDataSource对象，选择使用tomcat 9.0.21作容器。


如果之前没有接触过JNDI，并不会影响下面例子的理解，其实可以理解为像spring的bean配置和获取。

引入依赖


本文在入门例子的基础上增加以下依赖，因为是web项目，所以打包方式为war：

 <dependency> <groupId>javax.servlet</groupId> <artifactId>jstl</artifactId> <version>1.2</version> <scope>provided</scope> </dependency> <dependency> <groupId>javax.servlet</groupId> <artifactId>javax.servlet-api</artifactId> <version>3.1.0</version> <scope>provided</scope> </dependency> <dependency> <groupId>javax.servlet.jsp</groupId> <artifactId>javax.servlet.jsp-api</artifactId> <version>2.2.1</version> <scope>provided</scope> </dependency>

编写context.xml


在webapp文件下创建目录META-INF，并创建context.xml文件。这里面的每个resource节点都是我们配置的对象，类似于spring的bean节点。其中jdbc/druid-test可以看成是这个bean的id。


注意，这里获取的数据源对象是单例的，如果希望多例，可以设置singleton="false"。

<?xml version="1.0" encoding="UTF-8"?><Context> <Resource name="jdbc/druid-test" factory="com.alibaba.druid.pool.DruidDataSourceFactory" auth="Container" type="javax.sql.DataSource"
 maxActive="15" initialSize="3" minIdle="3" maxWait="10000" url="jdbc:mysql://localhost:3306/github_demo?useUnicode=true&amp;characterEncoding=utf8&amp;serverTimezone=GMT%2B8&amp;useSSL=true" username="root" password="root" filters="mergeStat,log4j" validationQuery="select 1 from dual" /></Context>

编写web.xml


在web-app节点下配置资源引用，每个resource-ref指向了我们配置好的对象。 
 <!-- JNDI数据源 --> <resource-ref> <res-ref-name>jdbc/druid-test</res-ref-name> <res-type>javax.sql.DataSource</res-type> <res-auth>Container</res-auth> </resource-ref>

编写jsp


因为需要在web环境中使用，如果直接建类写个main方法测试，会一直报错的，目前没找到好的办法。这里就简单地使用jsp来测试吧。


druid提供了DruidDataSourceFactory来支持JNDI。 
<body> <% String jndiName = "java:comp/env/jdbc/druid-test";
 InitialContext ic = new InitialContext(); // 获取JNDI上的ComboPooledDataSource DataSource ds = (DataSource) ic.lookup(jndiName);
 JDBCUtils.setDataSource(ds);
 // 创建sql String sql = "select * from demo_user where deleted = false"; Connection connection = null; PreparedStatement statement = null; ResultSet resultSet = null;
 // 查询用户 try { // 获得连接 connection = JDBCUtils.getConnection(); // 获得Statement对象 statement = connection.prepareStatement(sql); // 执行 resultSet = statement.executeQuery(); // 遍历结果集 while(resultSet.next()) { String name = resultSet.getString(2); int age = resultSet.getInt(3); System.err.println("用户名：" + name + ",年龄：" + age); } } catch(SQLException e) { System.err.println("查询用户异常"); } finally { // 释放资源 JDBCUtils.release(connection, statement, resultSet); } %></body>

测试结果


打包项目在tomcat9上运行，访问  http://localhost:8080/druid-demo/testJNDI.jsp ，控制台打印如下内容：

用户名：zzs001,年龄：18用户名：zzs002,年龄：18用户名：zzs003,年龄：25用户名：zzf001,年龄：26用户名：zzf002,年龄：17用户名：zzf003,年龄：18

使用例子-开启监控统计


在以上例子基础上修改。

配置StatFilter


打开监控统计功能


druid的监控统计功能是通过filter-chain扩展实现，如果你要打开监控统计功能，配置StatFilter，如下：

filters=stat

stat是com.alibaba.druid.filter.stat.StatFilter的别名，别名映射配置信息保存在druid-xxx.jar!/META-INF/druid-filter.properties。


SQL合并配置


当你程序中存在没有参数化的sql执行时，sql统计的效果会不好。比如：

select * from t where id = 1select * from t where id = 2select * from t where id = 3

在统计中，显示为3条sql，这不是我们希望要的效果。StatFilter提供合并的功能，能够将这3个SQL合并为如下的SQL：

select * from t where id = ?

可以配置StatFilter的mergeSql属性来解决：

#用于设置filter的属性#多个参数用";"隔开connectionProperties=druid.stat.mergeSql=true

StatFilter支持一种简化配置方式，和上面的配置等同的。如下：

filters=mergeStat

mergeStat是的MergeStatFilter缩写，我们看MergeStatFilter的实现：

 public class MergeStatFilter extends StatFilter { public MergeStatFilter() { super.setMergeSql(true); } }

从实现代码来看，仅仅是一个mergeSql的缺省值。


慢SQL记录


StatFilter属性slowSqlMillis用来配置SQL慢的标准，执行时间超过slowSqlMillis的就是慢。slowSqlMillis的缺省值为3000，也就是3秒。

connectionProperties=druid.stat.logSlowSql=true;druid.stat.slowSqlMillis=5000

在上面的配置中，slowSqlMillis被修改为5秒，并且通过日志输出执行慢的SQL。


合并多个DruidDataSource的监控数据


缺省多个DruidDataSource的监控数据是各自独立的，在druid-0.2.17版本之后，支持配置公用监控数据，配置参数为useGlobalDataSourceStat。例如：

connectionProperties=druid.useGlobalDataSourceStat=true

配置StatViewServlet


druid内置提供了一个StatViewServlet用于展示Druid的统计信息。

这个StatViewServlet的用途包括：


  • 提供监控信息展示的html页面

  • 提供监控信息的JSON API


注意：使用StatViewServlet，建议使用druid 0.2.6以上版本。


配置web.xml


StatViewServlet是一个标准的javax.servlet.http.HttpServlet，需要配置在你web应用中的WEB-INF/web.xml中。

 <servlet> <servlet-name>DruidStatView</servlet-name> <servlet-class>com.alibaba.druid.support.http.StatViewServlet</servlet-class> </servlet> <servlet-mapping> <servlet-name>DruidStatView</servlet-name> <url-pattern>/druid/*</url-pattern> </servlet-mapping>

根据配置中的url-pattern来访问内置监控页面，如果是上面的配置，内置监控页面的首页是/druid/index.html


例如：
http://localhost:8080/druid-demo/druid/index.html


配置监控页面访问密码


需要配置Servlet的 loginUsername 和 loginPassword这两个初始参数。


示例如下:

<!-- 配置 Druid 监控信息显示页面 --><servlet> <servlet-name>DruidStatView</servlet-name> <servlet-class>com.alibaba.druid.support.http.StatViewServlet</servlet-class> <init-param> <!-- 允许清空统计数据 --> <param-name>resetEnable</param-name> <param-value>true</param-value> </init-param> <init-param> <!-- 用户名 --> <param-name>loginUsername</param-name> <param-value>druid</param-value> </init-param> <init-param> <!-- 密码 --> <param-name>loginPassword</param-name> <param-value>druid</param-value> </init-param></servlet><servlet-mapping> <servlet-name>DruidStatView</servlet-name> <url-pattern>/druid/*</url-pattern></servlet-mapping>

配置allow和deny


StatViewSerlvet展示出来的监控信息比较敏感，是系统运行的内部情况，如果你需要做访问控制，可以配置allow和deny这两个参数。比如：

 <servlet> <servlet-name>DruidStatView</servlet-name> <servlet-class>com.alibaba.druid.support.http.StatViewServlet</servlet-class> <init-param> <param-name>allow</param-name> <param-value>128.242.127.1/24,128.242.128.1</param-value> </init-param> <init-param> <param-name>deny</param-name> <param-value>128.242.127.4</param-value> </init-param> </servlet>

判断规则:


  1. deny优先于allow，如果在deny列表中，就算在allow列表中，也会被拒绝。

  2. 如果allow没有配置或者为空，则允许所有访问

配置resetEnable


在StatViewSerlvet输出的html页面中，有一个功能是Reset All，执行这个操作之后，会导致所有计数器清零，重新计数。你可以通过配置参数关闭它。 
 <servlet> <servlet-name>DruidStatView</servlet-name> <servlet-class>com.alibaba.druid.support.http.StatViewServlet</servlet-class> <init-param> <param-name>resetEnable</param-name> <param-value>false</param-value> </init-param> </servlet>

配置WebStatFilter


WebStatFilter用于采集web-jdbc关联监控的数据。经常需要排除一些不必要的url，比如.js,/jslib/等等。配置在init-param中。比如：

 <filter> <filter-name>DruidWebStatFilter</filter-name> <filter-class>com.alibaba.druid.support.http.WebStatFilter</filter-class> <init-param> <param-name>exclusions</param-name> <param-value>*.js,*.gif,*.jpg,*.png,*.css,*.ico,/druid/*</param-value> </init-param> </filter> <filter-mapping> <filter-name>DruidWebStatFilter</filter-name> <url-pattern>/*</url-pattern> </filter-mapping>

测试


启动程度，访问http://localhost:8080/druid-demo/druid/index.html，登录后可见以下页面，通过该页面我们可以查看数据源配置参数、进行SQL统计和监控，等等：


druid监控统计页面


使用例子-防御SQL注入


开启WallFilter


WallFilter用于对SQL进行拦截，通过以下配置开启：

#过滤器filters=wall,stat

注意，这种配置拦截检测的时间不在StatFilter统计的SQL执行时间内。 如果希望StatFilter统计的SQL执行时间内，则使用如下配置

#过滤器filters=stat,wall

WallConfig详细说明


WallFilter常用参数如下，可以通过connectionProperties属性进行配置：
参数 缺省值 描述
wall.logViolation false 对被认为是攻击的SQL进行LOG.error输出
wall.throwException true 对被认为是攻击的SQL抛出SQLException
wall.updateAllow true 是否允许执行UPDATE语句
wall.deleteAllow true 是否允许执行DELETE语句
wall.insertAllow true 是否允许执行INSERT语句
wall.selelctAllow true 否允许执行SELECT语句
wall.multiStatementAllow false 是否允许一次执行多条语句，缺省关闭
wall.selectLimit -1 配置最大返回行数，如果select语句没有指定最大返回行数，会自动修改selct添加返回限制
wall.updateWhereNoneCheck false 检查UPDATE语句是否无where条件，这是有风险的，但不是SQL注入类型的风险
wall.deleteWhereNoneCheck false 检查DELETE语句是否无where条件，这是有风险的，但不是SQL注入类型的风险


使用例子-日志记录JDBC执行的SQL


开启日志记录


druid内置提供了四种LogFilter（Log4jFilter、Log4j2Filter、CommonsLogFilter、Slf4jLogFilter），用于输出JDBC执行的日志。这些Filter都是Filter-Chain扩展机制中的Filter，所以配置方式可以参考这里：

#过滤器filters=log4j

在druid-xxx.jar!/META-INF/druid-filter.properties文件中描述了这四种Filter的别名:

 druid.filters.log4j=com.alibaba.druid.filter.logging.Log4jFilter druid.filters.log4j2=com.alibaba.druid.filter.logging.Log4j2Filter druid.filters.slf4j=com.alibaba.druid.filter.logging.Slf4jLogFilter druid.filters.commonlogging=com.alibaba.druid.filter.logging.CommonsLogFilter  druid.filters.commonLogging=com.alibaba.druid.filter.logging.CommonsLogFilter

他们的别名分别是log4j、log4j2、slf4j、commonlogging和commonLogging。其中commonlogging和commonLogging只是大小写不同。


配置输出日志


缺省输入的日志信息全面，但是内容比较多，有时候我们需要定制化配置日志输出。

connectionProperties=druid.log.rs=false

相关参数如下，更多参数请参考com.alibaba.druid.filter.logging.LogFilter：
参数 说明 properties参数
connectionLogEnabled 所有连接相关的日志 druid.log.conn
statementLogEnabled 所有Statement相关的日志 druid.log.stmt
resultSetLogEnabled 所有ResultSe相关的日志 druid.log.rs
statementExecutableSqlLogEnable 所有Statement执行语句相关的日志 druid.log.stmt.executableSql


log4j.properties配置


如果你使用log4j，可以通过log4j.properties文件配置日志输出选项，例如：

 log4j.logger.druid.sql=warn,stdout log4j.logger.druid.sql.DataSource=warn,stdout log4j.logger.druid.sql.Connection=warn,stdout log4j.logger.druid.sql.Statement=warn,stdout log4j.logger.druid.sql.ResultSet=warn,stdout

输出可执行的SQL


参数配置方式

connectionProperties=druid.log.stmt.executableSql=true

配置文件详解


配置druid的参数的n种方式


使用druid，同一个参数，我们可以采用多种方式进行配置，举个例子：maxActive（最大连接池参数）的配置：

方式一(系统属性)


系统属性一般在启动参数中设置。通过方式一来配置连接池参数的还是比较少见。

-Ddruid.maxActive=8

方式二(properties)


这是最常见的一种。

maxActive=8


方式三(properties加前缀)


相比第二种方式，这里只是加了.druid前缀。

druid.maxActive=8

方式四(properties的connectionProperties)


connectionProperties可以用于配置多个属性，不同属性使用";"隔开。

connectionProperties=druid.maxActive=8

方式五(connectProperties)


connectProperties可以在方式一、方式三和方式四中存在，具体配置如下：

# 方式一-Ddruid.connectProperties=druid.maxActive=8
# 方式三：支持多个属性，不同属性使用";"隔开druid.connectProperties=druid.maxActive=8
# 方式四connectionProperties=druid.connectProperties=druid.maxActive=8

这个属性甚至可以这样配（当然应该没人会这么做）：

druid.connectProperties=druid.connectProperties=druid.connectProperties=druid.connectProperties=druid.maxActive=8

真的是没完没了，怎么会引入connectProperties这个属性呢？我觉得这是一个十分失败的设计，所以本文仅会讲前面说的四种。


关于druid参数配置的吐槽


前面已经讲到，同一个参数，我们有时可以采用无数种方式来配置。表面上看这样设计十分人性化，可以适应不同人群的使用习惯，但是，在我看来，这样设计非常不利于配置的统一管理，另外，druid的参数配置还存在另一个问题，先看下这个表格（这里包含了druid所有的参数，使用时可以参考）：
参数分类 参数 方式一 方式二 方式三 方式四
基本属性 driverClassName O O O O

password O O O O

url O O O O

username O O O O
事务相关 defaultAutoCommit X O X X

defaultReadOnly X O X X

defaultTransactionIsolation X O X X

defaultCatalog X O X X
连接池大小 maxActive O O O O

maxIdle X O X X

minIdle O O O O

initialSize O O O O

maxWait O O O O
连接检测 testOnBorrow O O O O

testOnReturn X O X X

timeBetweenEvictionRunsMillis O O O O

numTestsPerEvictionRun X O X X

minEvictableIdleTimeMillis O O O O

maxEvictableIdleTimeMillis O X O O

phyTimeoutMillis O O O O

testWhileIdle O O O O

validationQuery O O O O

validationQueryTimeout X O X X
连接泄露回收 removeAbandoned X O X X

removeAbandonedTimeout X O X X

logAbandoned X O X X
缓存语句 poolPreparedStatements O O O O

maxOpenPreparedStatements X O X X

maxPoolPreparedStatementPerConnectionSize O X O O
其他 initConnectionSqls O O O O

init X O X X

asyncInit O X O O

initVariants O X O O

initGlobalVariants O X O O

accessToUnderlyingConnectionAllowed X O X X

exceptionSorter X O X X

exception-sorter-class-name X O X X

name O X O O

notFullTimeoutRetryCount O X O O

maxWaitThreadCount O X O O

failFast O X O O

phyMaxUseCount O X O O

keepAlive O X O O

keepAliveBetweenTimeMillis O X O O

useUnfairLock O X O O

killWhenSocketReadTimeout O X O O

load.spifilter.skip O X O O

cacheServerConfiguration X X X O
过滤器 filters O O O O

clearFiltersEnable O X O O

log.conn O X X O

log.stmt O X X O

log.rs O X X O

log.stmt.executableSql O X X O

timeBetweenLogStatsMillis O X O O

useGlobalDataSourceStat/useGloalDataSourceStat O X O O

resetStatEnable O X O O

stat.sql.MaxSize O X O O

stat.mergeSql O X X O

stat.slowSqlMillis O X X O

stat.logSlowSql O X X O

stat.loggerName X X X O

wall.logViolation O X X O

wall.throwException O X X O

wall.tenantColumn O X X O

wall.updateAllow O X X O

wall.deleteAllow O X X O

wall.insertAllow O X X O

wall.selelctAllow O X X O

wall.multiStatementAllow O X X O

wall.selectLimit O X X O

wall.updateCheckColumns O X X O

wall.updateWhereNoneCheck O X X O

wall.deleteWhereNoneCheck O X X O


一般我们都希望采用一种方式来统一配置这些参数，但是，通过以上表格可知，druid并不存在哪一种方式能配置所有参数，也就是说，你不得不采用两种或两种以上的配置方式。所以，我认为，至少在配置方式这一点上，druid是非常失败的！


通过表格可知，方式二和方式四结合使用，可以覆盖所有参数，所以，本文采用的配置策略为：优先采用方式二配置，配不了再选用方式四。


数据库连接参数


注意，这里在url后面拼接了多个参数用于避免乱码、时区报错问题。 补充下，如果不想加入时区的参数，可以在mysql命令窗口执行如下命令：set global time_zone='+8:00'。 
#-------------基本属性--------------------------------url=jdbc:mysql://localhost:3306/github_demo?useUnicode=true&characterEncoding=utf8&serverTimezone=GMT%2B8&useSSL=trueusername=rootpassword=root#数据源名，当配置多数据源时可以用于区分。注意，1.0.5版本及更早版本不支持配置该项#默认"DataSource-" + System.identityHashCode(this)name=zzs001#如果不配置druid会根据url自动识别dbType，然后选择相应的driverClassNamedriverClassName=com.mysql.cj.jdbc.Driver

连接池数据基本参数


这几个参数都比较常用，具体设置多少需根据项目调整。 
#-------------连接池大小相关参数--------------------------------#初始化时建立物理连接的个数#默认为0initialSize=0
#最大连接池数量#默认为8maxActive=8
#最小空闲连接数量#默认为0minIdle=0
#已过期#maxIdle
#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。#默认-1，表示无限等待maxWait=-1

连接检查参数


针对连接失效的问题，建议开启空闲连接测试，而不建议开启借出测试（从性能考虑），另外，开启连接测试时，必须配置validationQuery。

#-------------连接检测情况--------------------------------#用来检测连接是否有效的sql，要求是一个查询语句，常用select 'x'。#如果validationQuery为null，testOnBorrow、testOnReturn、testWhileIdle都不会起作用。#默认为空validationQuery=select 1 from dual
#检测连接是否有效的超时时间，单位：秒。#底层调用jdbc Statement对象的void setQueryTimeout(int seconds)方法#默认-1validationQueryTimeout=-1
#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。#默认为falsetestOnBorrow=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。#默认为falsetestOnReturn=false
#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。#建议配置为true，不影响性能，并且保证安全性。#默认为truetestWhileIdle=true
#有两个含义：#1) Destroy线程会检测连接的间隔时间，如果连接空闲时间大于等于minEvictableIdleTimeMillis则关闭物理连接。#2) testWhileIdle的判断依据，详细看testWhileIdle属性的说明#默认1000*60timeBetweenEvictionRunsMillis=-1
#不再使用，一个DruidDataSource只支持一个EvictionRun#numTestsPerEvictionRun=3
#连接保持空闲而不被驱逐的最小时间。#默认值1000*60*30 = 30分钟minEvictableIdleTimeMillis=1800000

缓存语句


针对大部分数据库而言，开启缓存语句可以有效提高性能，但是在myslq下建议关闭。

#-------------缓存语句--------------------------------#是否缓存preparedStatement，也就是PSCache。#PSCache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#默认为falsepoolPreparedStatements=false
#PSCache的最大个数。#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Oracle下PSCache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#默认为10maxOpenPreparedStatements=10

事务相关参数


建议保留默认就行。

#-------------事务相关的属性--------------------------------#连接池创建的连接的默认的auto-commit状态#默认为空，由驱动决定defaultAutoCommit=true
#连接池创建的连接的默认的read-only状态。#默认值为空，由驱动决定defaultReadOnly=false
#连接池创建的连接的默认的TransactionIsolation状态#可用值为下列之一：NONE,READ_UNCOMMITTED, READ_COMMITTED, REPEATABLE_READ, SERIALIZABLE#默认值为空，由驱动决定defaultTransactionIsolation=REPEATABLE_READ
#连接池创建的连接的默认的数据库名defaultCatalog=github_demo

连接泄漏回收参数

#-------------连接泄漏回收参数--------------------------------#当未使用的时间超过removeAbandonedTimeout时，是否视该连接为泄露连接并删除#默认为falseremoveAbandoned=false
#泄露的连接可以被删除的超时值, 单位毫秒#默认为300*1000removeAbandonedTimeoutMillis=300*1000
#标记当Statement或连接被泄露时是否打印程序的stack traces日志。#默认为falselogAbandoned=true
#连接最大存活时间#默认-1#phyTimeoutMillis=-1

过滤器

#-------------过滤器--------------------------------#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：#别名映射配置信息保存在druid-xxx.jar!/META-INF/druid-filter.properties#监控统计用的filter:stat(mergeStat可以合并sql)#日志用的filter:log4j#防御sql注入的filter:wallfilters=log4j,wall,mergeStat
#用于设置filter、exceptionSorter、validConnectionChecker等的属性#多个参数用";"隔开connectionProperties=druid.useGlobalDataSourceStat=true;druid.stat.logSlowSql=true;druid.stat.slowSqlMillis=5000

其他

#-------------其他--------------------------------#控制PoolGuard是否容许获取底层连接#默认为falseaccessToUnderlyingConnectionAllowed=false
#当数据库抛出一些不可恢复的异常时，抛弃连接#根据dbType自动识别#exceptionSorter#exception-sorter-class-name=
#物理连接初始化的时候执行的sql#initConnectionSqls=
#是否创建数据源时就初始化连接池init=true

源码分析


看过druid的源码就会发现，相比其他DBCP和C3P0，druid有以下特点：


1.更多地引入了JDK的特性，特别是concurrent包的工具。例如，CountDownLatch、ReentrantLock、AtomicLongFieldUpdater、Condition等，也就是说，在分析druid源码之前，最好先学习下这些技术；


2.在类的设计上一切从简。例如，DBCP和C3P0都有一个池的类，而druid并没有，只用了一个简单的数组，且druid的核心逻辑几乎都堆积在DruidDataSource里面。另外，在对类或接口的抽象上，个人感觉，druid不是很“面向对象”，有的接口或类的方法很难统一成某种对象的行为，所以，本文不会去关注类的设计，更多地将分析一些重要功能的实现。


注意：考虑篇幅和可读性，以下代码经过删减，仅保留所需部分。


配置参数的加载


前面已经讲过，druid为我们提供了“无数”种方式来配置参数，这里我再补充下不同配置方式的加载顺序（当然，只会涉及到四种方式）。


当我们使用调用DruidDataSourceFactory.createDataSource(Properties)时，会加载配置来给对应的属性赋值，另外，这个过程还会根据配置去创建对应的过滤器。不同配置方式加载时机不同，后者会覆盖已存在的相同参数，如图所示。

来，告诉你阿里的数据库连接池Druid为啥如此牛逼！

druid不同配置方式的加载顺序

数据源的初始化


了解下DruidDataSource这个类


这里先来介绍下DruidDataSource这个类：

DruidDataSource的UML图


图中我只列出了几个重要的属性，这几个属性没有理解好，后面的源码很难看得进去。
类名 描述
ExceptionSorter 用于判断SQLException对象是否致命异常
ValidConnectionChecker 用于校验指定连接对象是否有效
CreateConnectionThread DruidDataSource的内部类，用于异步创建连接对象
notEmpty 调用notEmpty.await()时，当前线程进入等待；当连接创建完成或者回收了连接，会调用notEmpty.signal()时，将等待线程唤醒；
empty 调用empty.await()时，CreateConnectionThread进入等待；调用empty.signal()时，CreateConnectionThread被唤醒，并进入创建连接；
DestroyConnectionThread DruidDataSource的内部类，用于异步检验连接对象，包括校验空闲连接的phyTimeoutMillis、minEvictableIdleTimeMillis，以及校验借出连接的removeAbandonedTimeoutMillis
LogStatsThread DruidDataSource的内部类，用于异步记录统计信息
connections 用于存放所有连接对象
evictConnections 用于存放需要丢弃的连接对象
keepAliveConnections 用于存放需要keepAlive的连接对象
activeConnections 用于存放需要进行removeAbandoned的连接对象
poolingCount 空闲连接对象的数量
activeCount 借出连接对象的数量

概括下初始化的过程


DruidDataSource的初始化时机是可选的，当我们设置init=true时，在createDataSource时就会调用DataSource.init()方法进行初始化，否则，只会在getConnection时再进行初始化。数据源初始化主要逻辑在DataSource.init()这个方法，可以概括为以下步骤：


  1. 加锁

  2. 初始化initStackTrace、id、xxIdSeed、dbTyp、driver、dataSourceStat、connections、evictConnections、keepAliveConnections等属性

  3. 初始化过滤器

  4. 校验maxActive、minIdle、initialSize、timeBetweenLogStatsMillis、useGlobalDataSourceStat、maxEvictableIdleTimeMillis、minEvictableIdleTimeMillis、validationQuery等配置是否合法

  5. 初始化ExceptionSorter、ValidConnectionChecker、JdbcDataSourceStat

  6. 创建initialSize数量的连接

  7. 创建logStatsThread、createConnectionThread和destroyConnectionThread

  8. 等待createConnectionThread和destroyConnectionThread线程run后再继续执行

  9. 注册MBean，用于支持JMX

  10. 如果设置了keepAlive，通知createConnectionThread创建连接对象

  11. 解锁


这个方法差不多200行，考虑篇幅，我删减了部分内容。


加锁和解锁


druid数据源初始化采用的是ReentrantLock，如下：

 final ReentrantLock lock = this.lock; try { // 加锁 lock.lockInterruptibly(); } catch (InterruptedException e) { throw new SQLException("interrupt", e); }
 boolean init = false; try { // do something } finally { inited = true; // 解锁 lock.unlock();
        }

注意，以下步骤均在这个锁的范围内。


初始化属性


这部分内容主要是初始化一些属性，需要注意的一点就是，这里使用了AtomicLongFieldUpdater来进行原子更新，保证写的安全和读的高效，当然，还是cocurrent包的工具。

 // 这里使用了AtomicLongFieldUpdater来进行原子更新，保证了写的安全和读的高效 this.id = DruidDriver.createDataSourceId(); if (this.id > 1) { long delta = (this.id - 1) * 100000; this.connectionIdSeedUpdater.addAndGet(this, delta); this.statementIdSeedUpdater.addAndGet(this, delta); this.resultSetIdSeedUpdater.addAndGet(this, delta); this.transactionIdSeedUpdater.addAndGet(this, delta); }
 // 设置url if (this.jdbcUrl != null) { this.jdbcUrl = this.jdbcUrl.trim(); // 针对druid自定义的一种url格式，进行解析 // jdbc:wrap-jdbc:开头，可设置driver、name、jmx等 initFromWrapDriverUrl(); }
 // 根据url前缀，确定dbType if (this.dbType == null || this.dbType.length() == 0) { this.dbType = JdbcUtils.getDbType(jdbcUrl, null); }
 // cacheServerConfiguration，暂时不知道这个参数干嘛用的 if (JdbcConstants.MYSQL.equals(this.dbType) || JdbcConstants.MARIADB.equals(this.dbType) || JdbcConstants.ALIYUN_ADS.equals(this.dbType)) { boolean cacheServerConfigurationSet = false; if (this.connectProperties.containsKey("cacheServerConfiguration")) { cacheServerConfigurationSet = true; } else if (this.jdbcUrl.indexOf("cacheServerConfiguration") != -1) { cacheServerConfigurationSet = true; } if (cacheServerConfigurationSet) { this.connectProperties.put("cacheServerConfiguration", "true"); } }
 // 设置驱动类 if (this.driverClass != null) { this.driverClass = driverClass.trim(); }
 // 如果我们没有配置driverClass if (this.driver == null) { // 根据url识别对应的driverClass if (this.driverClass == null || this.driverClass.isEmpty()) { this.driverClass = JdbcUtils.getDriverClassName(this.jdbcUrl); } // MockDriver的情况，这里不讨论 if (MockDriver.class.getName().equals(driverClass)) { driver = MockDriver.instance; } else { if (jdbcUrl == null && (driverClass == null || driverClass.length() == 0)) { throw new SQLException("url not set"); } // 创建Driver实例，注意，这个过程不需要依赖DriverManager driver = JdbcUtils.createDriver(driverClassLoader, driverClass); } } else { if (this.driverClass == null) { this.driverClass = driver.getClass().getName(); } }
 // 用于存放所有连接对象 connections = new DruidConnectionHolder[maxActive]; // 用于存放需要丢弃的连接对象 evictConnections = new DruidConnectionHolder[maxActive]; // 用于存放需要keepAlive的连接对象        keepAliveConnections = new DruidConnectionHolder[maxActive];

初始化过滤器


看到下面的代码会发现，我们还可以通过SPI机制来配置过滤器。


使用SPI配置过滤器时需要注意，对应的类需要加上@AutoLoad注解，另外还需要配置load.spifilter.skip=false，


在这个方法里，主要就是初始化过滤器的一些属性而已。过滤器的部分，本文不会涉及到太多。

 // 初始化filters for (Filter filter : filters) { filter.init(this); } // 采用SPI机制加载过滤器，这部分过滤器除了放入filters，还会放入autoFilters initFromSPIServiceLoader();

校验配置


这里只是简单的校验，不涉及太多复杂的逻辑。

 // 校验maxActive、minIdle、initialSize、timeBetweenLogStatsMillis、useGlobalDataSourceStat、maxEvictableIdleTimeMillis、minEvictableIdleTimeMillis等配置是否合法 // ·······
 // 针对oracle和DB2，需要校验validationQuery initCheck();
 // 当开启了testOnBorrow/testOnReturn/testWhileIdle，判断是否设置了validationQuery，没有的话会打印错误信息 validationQueryCheck();

初始化ExceptionSorter、ValidConnectionChecker、JdbcDataSourceStat


这里重点关注ExceptionSorter和ValidConnectionChecker这两个类，这里会根据数据库类型进行选择。其中，ValidConnectionChecker用于对连接进行检测。

 // 根据driverClassName初始化ExceptionSorter initExceptionSorter();
 // 根据driverClassName初始化ValidConnectionChecker initValidConnectionChecker();
 // 初始化dataSourceStat // 如果设置了isUseGlobalDataSourceStat为true，则支持公用监控数据 if (isUseGlobalDataSourceStat()) { dataSourceStat = JdbcDataSourceStat.getGlobal(); if (dataSourceStat == null) { dataSourceStat = new JdbcDataSourceStat("Global", "Global", this.dbType); JdbcDataSourceStat.setGlobal(dataSourceStat); } if (dataSourceStat.getDbType() == null) { dataSourceStat.setDbType(this.dbType); } } else { dataSourceStat = new JdbcDataSourceStat(this.name, this.jdbcUrl, this.dbType, this.connectProperties); } dataSourceStat.setResetStatEnable(this.resetStatEnable);

创建initialSize数量的连接


这里有两种方式创建连接，一种是异步，一种是同步。但是，根据我们的使用例子，createScheduler为null，所以采用的是同步的方式。


注意，后面的所有代码也是基于createScheduler为null来分析的。

 // 创建初始连接数 // 异步创建，createScheduler为null，不进入 if (createScheduler != null && asyncInit) { for (int i = 0; i < initialSize; ++i) { submitCreateTask(true); } // 同步创建 } else if (!asyncInit) { // 创建连接的过程后面再讲 while (poolingCount < initialSize) { PhysicalConnectionInfo pyConnectInfo = createPhysicalConnection(); DruidConnectionHolder holder = new DruidConnectionHolder(this, pyConnectInfo); connections[poolingCount++] = holder; }
 if (poolingCount > 0) { poolingPeak = poolingCount; poolingPeakTime = System.currentTimeMillis(); } }

创建logStatsThread、createConnectionThread和destroyConnectionThread


这里会启动三个线程。

 // 启动监控数据记录线程 createAndLogThread(); // 启动连接创建线程 createAndStartCreatorThread(); // 启动连接检测线程 createAndStartDestroyThread();

等待


这里使用了CountDownLatch，保证当createConnectionThread和destroyConnectionThread开始run时再继续执行。

 private final CountDownLatch initedLatch = new CountDownLatch(2); // 线程进入等待，等待CreatorThread和DestroyThread执行        initedLatch.await();

我们进入到DruidDataSource.CreateConnectionThread.run()，可以看到，一执行run方法就会调用countDown。destroyConnectionThread也是一样，这里就不放进来了。

 public class CreateConnectionThread extends Thread {
 public void run() { initedLatch.countDown(); // do something } }

注册MBean


接下来是注册MBean，会去注册DruidDataSourceStatManager和DruidDataSource，启动我们的程度，通过jconsole就可以看到这两个MBean。JMX相关内容这里就不多扩展了

 // 注册MBean，用于支持JMX registerMbean();

通知createConnectionThread创建连接对象


前面已经讲过，当我们调用empty.signal(),会去唤醒处于empty.await()状态的CreateConnectionThread。CreateConnectionThread这个线只有在需要创建连接时才运行，否则会一直等待，后面会讲到。

 protected Condition empty; if (keepAlive) { // 这里会去调用empty.signal(),会去唤醒处于empty.await()状态的CreateConnectionThread this.emptySignal(); }

连接对象的获取


了解下DruidPooledConnection这个类


用户调用DruidDataSource.getConnection，拿到的对象时DruidPooledConnection，里面封装了DruidConnectionHolder，而这个对象包含了原生的连接对象和我们一开始创建的数据源对象。

DruidPooledConnection的UML图


概括下获取连接的过程


连接对象的获取过程可以概括为以下步骤：


  1. 初始化数据源（如果还没初始化）；

  2. 获得连接对象，如果无可用连接，向createConnectionThread发送signal创建新连接，此时会进入等待；

  3. 如果设置了testOnBorrow，进行testOnBorrow检测，否则，如果设置了testWhileIdle，进行testWhileIdle检测；

  4. 如果设置了removeAbandoned，则会将连接对象放入activeConnections；

  5. 设置defaultAutoCommit，并返回；

  6. 执行filterChain。


初始化数据源的前面已经讲过了，这里就直接从第二步开始。

获取连接对象


进入DruidDataSource.getConnectionInternal方法。除了获取连接对象，其他的大部分是校验和计数的内容。

 private DruidPooledConnection getConnectionInternal(long maxWait) throws SQLException { // 校验数据源是否可用 // ······
 final long nanos = TimeUnit.MILLISECONDS.toNanos(maxWait); final int maxWaitThreadCount = this.maxWaitThreadCount;
 DruidConnectionHolder holder;
 // 加锁 try { lock.lockInterruptibly(); } catch(InterruptedException e) { connectErrorCountUpdater.incrementAndGet(this); throw new SQLException("interrupt", e); }
 try { // 判断当前等待线程是否超过maxWaitThreadCount if(maxWaitThreadCount > 0 && notEmptyWaitThreadCount >= maxWaitThreadCount) { connectErrorCountUpdater.incrementAndGet(this); throw new SQLException("maxWaitThreadCount " + maxWaitThreadCount + ", current wait Thread count " + lock.getQueueLength()); }
 // 根据是否设置maxWait选择不同的获取方式，后面选择未设置maxWait的方法来分析 if(maxWait > 0) { holder = pollLast(nanos); } else { holder = takeLast(); } // activeCount（所有活跃连接数量）+1，并设置峰值 if(holder != null) { activeCount++; if(activeCount > activePeak) { activePeak = activeCount; activePeakTime = System.currentTimeMillis(); } } } catch(InterruptedException e) { connectErrorCountUpdater.incrementAndGet(this); throw new SQLException(e.getMessage(), e); } catch(SQLException e) { connectErrorCountUpdater.incrementAndGet(this); throw e; } finally { // 解锁 lock.unlock(); } // 当拿到的对象为空时，抛出异常 if (holder == null) { // ······ }
 // 连接对象的useCount(使用次数)+1 holder.incrementUseCount();
 // 包装下后返回 DruidPooledConnection poolalbeConnection = new DruidPooledConnection(holder); return poolalbeConnection; }

下面再看下DruidDataSource.takeLast()方法（即没有配置maxWait时调用的方法）。该方法中，当没有空闲连接对象时，会尝试创建连接，此时该线程进入等待（notEmpty.await()），只有连接对象创建完成或池中回收了连接对象（notEmpty.signal()），该线程才会继续执行。

 DruidConnectionHolder takeLast() throws InterruptedException, SQLException { try { // 如果当前池中无空闲连接，因为没有设置maxWait，会一直循环地去获取 while (poolingCount == 0) { // 向CreateConnectionThread发送signal，通知创建连接对象 emptySignal(); // send signal to CreateThread create connection // 快速失败 if (failFast && isFailContinuous()) { throw new DataSourceNotAvailableException(createError); } // notEmptyWaitThreadCount（等待连接对象的线程数）+1，并设置峰值 notEmptyWaitThreadCount++; if (notEmptyWaitThreadCount > notEmptyWaitThreadPeak) { notEmptyWaitThreadPeak = notEmptyWaitThreadCount; } try { // 等待连接对象创建完成或池中回收了连接对象 notEmpty.await(); // signal by recycle or creator } finally { // notEmptyWaitThreadCount（等待连接对象的线程数）-1 notEmptyWaitThreadCount--; } // notEmptyWaitCount（等待次数）+1 notEmptyWaitCount++; } } catch (InterruptedException ie) { // TODO 这里是在notEmpty.await()时抛出的，不知为什么要notEmpty.signal()？ notEmpty.signal(); // propagate to non-interrupted thread // notEmptySignalCount+1 notEmptySignalCount++; throw ie; } // poolingCount(空闲连接)-1 decrementPoolingCount(); // 获取数组中最后一个连接对象 DruidConnectionHolder last = connections[poolingCount]; connections[poolingCount] = null;
 return last; }

创建连接对象


前面已经讲到，创建连接是采用异步方式，进入到DruidDataSource.CreateConnectionThread.run()。当不需要创建连接时，该线程进入empty.await()状态，此时需要用户线程调用empty.signal()来唤醒。

 public void run() { // 用于唤醒初始化数据源的线程 initedLatch.countDown();
 long lastDiscardCount = 0;
 // 注意，这里是死循环，当需要创建连接对象时，这个线程会受到signal，否则会一直await for (;;) { // 加锁 try { lock.lockInterruptibly(); } catch (InterruptedException e2) { break; } // 丢弃数量discardCount long discardCount = DruidDataSource.this.discardCount; boolean discardChanged = discardCount - lastDiscardCount > 0; lastDiscardCount = discardCount;
 try { // 这个变量代表了是否有必要新增连接，true代表没必要 boolean emptyWait = true;
 if (createError != null && poolingCount == 0 && !discardChanged) { emptyWait = false; }
 if (emptyWait && asyncInit && createCount < initialSize) { emptyWait = false; }
 if (emptyWait) { // 必须存在线程等待，才创建连接 if (poolingCount >= notEmptyWaitThreadCount // && (!(keepAlive && activeCount + poolingCount < minIdle)) && !isFailContinuous() ) { // 等待signal，前面已经讲到，当某线程需要创建连接时，会发送signal给它 empty.await(); }
 // 防止创建超过maxActive数量的连接 if (activeCount + poolingCount >= maxActive) { empty.await(); continue; } }
 } catch (InterruptedException e) { lastCreateError = e; lastErrorTimeMillis = System.currentTimeMillis(); break; } finally { // 解锁 lock.unlock(); }
 PhysicalConnectionInfo connection = null;
 try { // 创建原生的连接对象，并包装 connection = createPhysicalConnection(); } catch (SQLException e) { //出现SQLException会继续往下走 //······ } catch (RuntimeException e) { // 出现RuntimeException则重新进入循环体 LOG.error("create connection RuntimeException", e); setFailContinuous(true); continue; } catch (Error e) { LOG.error("create connection Error", e); setFailContinuous(true); break; } // 如果为空，重新进入循环体 if (connection == null) { continue; } // 将连接对象包装为DruidConnectionHolder，并放入connections数组中 // 注意，该方法会去调用notEmpty.signal()，即会去唤醒正在等待获取连接的线程 boolean result = put(connection);
 } }

testOnBorrow或testWhileIdle


进入DruidDataSource.getConnectionDirect(long)。该方法会使用到validConnectionChecker来校验连接的有效性。

 // 如果开启了testOnBorrow if (testOnBorrow) { // 这里会去调用validConnectionChecker的isValidConnection方法来校验，validConnectionChecker不存在的话，则以普通JDBC方式校验 boolean validate = testConnectionInternal(poolableConnection.holder, poolableConnection.conn); if (!validate) { if (LOG.isDebugEnabled()) { LOG.debug("skip not validate connection."); }
 Connection realConnection = poolableConnection.conn; // 丢弃连接，丢弃完会发送signal给CreateConnectionThread来创建连接 discardConnection(realConnection); continue; } } else { Connection realConnection = poolableConnection.conn; if (poolableConnection.conn.isClosed()) { discardConnection(null); // 传入null，避免重复关闭 continue; }
 if (testWhileIdle) { final DruidConnectionHolder holder = poolableConnection.holder; // 当前时间 long currentTimeMillis = System.currentTimeMillis(); // 最后活跃时间 long lastActiveTimeMillis = holder.lastActiveTimeMillis; long lastKeepTimeMillis = holder.lastKeepTimeMillis;
 if (lastKeepTimeMillis > lastActiveTimeMillis) { lastActiveTimeMillis = lastKeepTimeMillis; } // 计算连接对象空闲时长 long idleMillis = currentTimeMillis - lastActiveTimeMillis;
 long timeBetweenEvictionRunsMillis = this.timeBetweenEvictionRunsMillis; // 空闲检测周期 if (timeBetweenEvictionRunsMillis <= 0) { timeBetweenEvictionRunsMillis = DEFAULT_TIME_BETWEEN_EVICTION_RUNS_MILLIS; } // 当前连接空闲时长大于空间检测周期时，进入检测 if (idleMillis >= timeBetweenEvictionRunsMillis || idleMillis < 0 // unexcepted branch ) { // 接下来的逻辑和前面testOnBorrow一样的 boolean validate = testConnectionInternal(poolableConnection.holder, poolableConnection.conn); if (!validate) { if (LOG.isDebugEnabled()) { LOG.debug("skip not validate connection."); }
 discardConnection(realConnection); continue; } } }        }

removeAbandoned


进入DruidDataSource.getConnectionDirect(long)，这里不会进行检测，只是将连接对象放入activeConnections，具体泄露连接的检测工作是在DestroyConnectionThread线程中进行。

 if (removeAbandoned) { StackTraceElement[] stackTrace = Thread.currentThread().getStackTrace(); poolableConnection.connectStackTrace = stackTrace; // 记录连接借出时间 poolableConnection.setConnectedTimeNano(); poolableConnection.traceEnable = true;
 activeConnectionLock.lock(); try { // 放入activeConnections activeConnections.put(poolableConnection, PRESENT); } finally { activeConnectionLock.unlock(); }        }

DestroyConnectionThread线程会根据我们设置的timeBetweenEvictionRunsMillis来进行检验，具体的校验会去运行DestroyTask（DruidDataSource的内部类），这里看下DestroyTask的run方法。

 public void run() { // 检测空闲连接的phyTimeoutMillis、idleMillis是否超过指定要求 shrink(true, keepAlive); // 这里会去调用DruidDataSource.removeAbandoned()进行检测 if (isRemoveAbandoned()) { removeAbandoned(); } }

进入DruidDataSource.removeAbandoned()，当连接对象使用时间超过removeAbandonedTimeoutMillis，则会被丢弃掉。

 public int removeAbandoned() { int removeCount = 0;
 long currrentNanos = System.nanoTime();
 List<DruidPooledConnection> abandonedList = new ArrayList<DruidPooledConnection>(); // 加锁 activeConnectionLock.lock(); try { Iterator<DruidPooledConnection> iter = activeConnections.keySet().iterator(); // 遍历借出的连接 for (; iter.hasNext();) { DruidPooledConnection pooledConnection = iter.next();
 if (pooledConnection.isRunning()) { continue; } // 计算连接对象使用时间 long timeMillis = (currrentNanos - pooledConnection.getConnectedTimeNano()) / (1000 * 1000); // 如果超过设置的丢弃超时时间，则加入abandonedList if (timeMillis >= removeAbandonedTimeoutMillis) { iter.remove(); pooledConnection.setTraceEnable(false); abandonedList.add(pooledConnection); } } } finally { // 解锁 activeConnectionLock.unlock(); } // 遍历需要丢弃的连接对象 if (abandonedList.size() > 0) { for (DruidPooledConnection pooledConnection : abandonedList) { final ReentrantLock lock = pooledConnection.lock; // 加锁 lock.lock(); try { // 如果该连接已经失效，则继续循环 if (pooledConnection.isDisable()) { continue; } } finally { // 解锁 lock.unlock(); } // 关闭连接 JdbcUtils.close(pooledConnection); pooledConnection.abandond(); removeAbandonedCount++; removeCount++; } }
 return removeCount; }

执行filterChain


进入DruidDataSource.getConnection。

 public DruidPooledConnection getConnection(long maxWaitMillis) throws SQLException { // 初始化数据源（如果还没初始化） init(); // 如果设置了过滤器，会先执行每个过滤器的方法 if (filters.size() > 0) { FilterChainImpl filterChain = new FilterChainImpl(this); // 这里会去递归调用过滤器的方法 return filterChain.dataSource_connect(this, maxWaitMillis); } else { // 如果没有设置过滤器，直接去获取连接对象 return getConnectionDirect(maxWaitMillis); } }

进入到FilterChainImpl.dataSource_connect。

 public DruidPooledConnection dataSource_connect(DruidDataSource dataSource, long maxWaitMillis) throws SQLException { // 当指针小于过滤器数量 // pos表示过滤器的索引 if (this.pos < filterSize) { // 拿到第一个过滤器并调用它的dataSource_getConnection方法 DruidPooledConnection conn = getFilters().get(pos++).dataSource_getConnection(this, dataSource, maxWaitMillis); return conn; } // 当访问到最后一个过滤器时，才会去创建连接 return dataSource.getConnectionDirect(maxWaitMillis); }

这里以StatFilter.dataSource_getConnection为例。

 public DruidPooledConnection dataSource_getConnection(FilterChain chain, DruidDataSource dataSource, long maxWaitMillis) throws SQLException { // 这里又回到FilterChainImpl.dataSource_connect方法 DruidPooledConnection conn = chain.dataSource_connect(dataSource, maxWaitMillis);
 if (conn != null) { conn.setConnectedTimeNano();
 StatFilterContext.getInstance().pool_connection_open(); }
 return conn; }

以上，druid的源码基本已经分析完，如果觉得不错，记得转发支持一波。


推荐阅读

数码宝贝物语 时空异客 学习版 数码宝贝物语 时空异客 学习版
【温故知新】'二叉树中的列表':typescript递归和深度遍历实现 【温故知新】'二叉树中的列表':typescript递归和深度遍历实现

相关文章