数据源和连接池
数据源
所谓数据源也就是数据的来源，它存储了所有建立数据库连接需要的信息。就像通过指定文件名称可以在文件系统中找到文件一样，通过提供正确的数据源名称，你可以找到相应的数据库连接。
因此，一个数据源只对应于一个数据库，如果项目中需要连多个数据库，那么就要配置多个数据源。
数据源xml配置实例：
可见，jdbc模板、事务都是以数据源为基础，所有配置都是围绕着数据源开展的。
再看springboot的数据源配置：
#-------------------------------------------------- 数据库配置 --------------------------------------------------#
spring.datasource.ms.driver-class-name=com.mysql.jdbc.Driver
spring.datasource.ms.jdbcurl=jdbc:mysql://192.168.47.130:3306/faith?useSSL=false&serverTimezone=CTT
spring.datasource.ms.username=faith
spring.datasource.ms.password=faith
# 连接池的配置信息，下面为连接池的补充设置，应用到上面所有数据源中
# 初始化大小，最小，
spring.datasource.initialSize=5
spring.datasource.minIdle=5
spring.datasource.maxActive=20
# 配置获取连接等待超时的时间
spring.datasource.maxWait=60000
# 配置间隔多久才进行一次检测，检测需要关闭的空闲连接，单位是毫秒
spring.datasource.timeBetweenEvictionRunsMillis=60000
# 配置一个连接在池中最小生存的时间，单位是毫秒
spring.datasource.minEvictableIdleTimeMillis=300000
spring.datasource.validationQuery=SELECT 1 FROM DUAL
spring.datasource.testWhileIdle=true
spring.datasource.testOnBorrow=false
spring.datasource.testOnReturn=false
# 打开PSCache，并且指定每个连接上PSCache的大小
spring.datasource.poolPreparedStatements=true
spring.datasource.maxPoolPreparedStatementPerConnectionSize=20
# 配置监控统计拦截的filters，去掉后监控界面sql无法统计，\'wall\'用于防火墙
spring.datasource.filters=stat,wall,log4j
spring.datasource.logSlowSql=true
# 通过connectProperties属性来打开mergeSql功能；慢SQL记录
spring.datasource.connectionProperties=druid.stat.mergeSql=true;druid.stat.slowSqlMillis=5000
/**
* 阿里Druid连接池配置方式
*/
@Slf4j
@Configuration
public class DruidDbConfig {
@Value(${spring.datasource.ms.driver-class-name})
private String driverClassName;
@Value(${spring.datasource.ms.jdbcurl})
private String dbUrl;
@Value(${spring.datasource.ms.username})
private String username;
@Value(${spring.datasource.ms.password})
private String password;
@Value(${spring.datasource.initialSize})
private int initialSize;
@Value(${spring.datasource.minIdle})
private int minIdle;
@Value(${spring.datasource.maxActive})
private int maxActive;
@Value(${spring.datasource.maxWait})
private int maxWait;
/**
* 配置间隔多久才进行一次检测，检测需要关闭的空闲连接，单位是毫秒
*/
@Value(${spring.datasource.timeBetweenEvictionRunsMillis})
private int timeBetweenEvictionRunsMillis;
/**
* 配置一个连接在池中最小生存的时间，单位是毫秒
*/
@Value(${spring.datasource.minEvictableIdleTimeMillis})
private int minEvictableIdleTimeMillis;
@Value(${spring.datasource.validationQuery})
private String validationQuery;
@Value(${spring.datasource.testWhileIdle})
private boolean testWhileIdle;
@Value(${spring.datasource.testOnBorrow})
private boolean testOnBorrow;
@Value(${spring.datasource.testOnReturn})
private boolean testOnReturn;
/**
* 打开PSCache，并且指定每个连接上PSCache的大小
*/
@Value(${spring.datasource.poolPreparedStatements})
private boolean poolPreparedStatements;
@Value(${spring.datasource.maxPoolPreparedStatementPerConnectionSize})
private int maxPoolPreparedStatementPerConnectionSize;
/**
* 配置监控统计拦截的filters
*/
@Value(${spring.datasource.filters})
private String filters;
/**
* 通过connectProperties属性来打开mergeSql功能；慢SQL记录
*/
@Value(${spring.datasource.connectionProperties})
private String connectionProperties;
@Bean
@Primary
public DataSource msDataSource() {
return getDruidDataSource(driverClassName, username, password, dbUrl);
}
private DruidDataSource getDruidDataSource(String driverClassName, String username, String password, String url) {
DruidDataSource datasource = new DruidDataSource();
datasource.setUrl(url);
datasource.setUsername(username);
datasource.setPassword(password);
datasource.setDriverClassName(driverClassName);
//configuration
datasource.setInitialSize(initialSize);
datasource.setMinIdle(minIdle);
datasource.setMaxActive(maxActive);
datasource.setMaxWait(maxWait);
datasource.setTimeBetweenEvictionRunsMillis(timeBetweenEvictionRunsMillis);
datasource.setMinEvictableIdleTimeMillis(minEvictableIdleTimeMillis);
datasource.setValidationQuery(validationQuery);
datasource.setTestWhileIdle(testWhileIdle);
datasource.setTestOnBorrow(testOnBorrow);
datasource.setTestOnReturn(testOnReturn);
datasource.setPoolPreparedStatements(poolPreparedStatements);
datasource.setMaxPoolPreparedStatementPerConnectionSize(maxPoolPreparedStatementPerConnectionSize);
try {
datasource.setFilters(filters);
} catch (SQLException e) {
log.error(druid configuration initialization filter : {0}, e);
}
datasource.setConnectionProperties(connectionProperties);
return datasource;
}
}发现，无论是配置类方式还是xml定义方式，目的都是得到一个DataSource类型的对象，这个DataSource对象属于jdk定义：
package javax.sql;
import java.sql.Connection;
import java.sql.SQLException;
import java.sql.Wrapper;
public interface DataSource extends CommonDataSource, Wrapper {
/**
* Attempts to establish a connection with the data source that
* this {@code DataSource} object represents.
*/
Connection getConnection() throws SQLException;
/**
*
Attempts to establish a connection with the data source that
* this {@code DataSource} object represents.
*/
Connection getConnection(String username, String password)
throws SQLException;
}
所有第三方实现的数据源，例如C3P0、阿里的druid都需要实现这个DataSource接口。
如果把数据比作水，那么数据库就是水库，数据源就是连接水库的管道，客户端看到的数据集就是从管道中流出的水。
连接池池化技术，以数据库连接池为例，基本的思想是系统初始化时，创建若干连接并保存在内存中，当用户需要访问数据库时，无需建立新的连接，而是从连接池中取出一个已建立的空闲连接对象，当这个连接使用完毕后，将返回到连接池中，等待下次被使用。
C3P0、druid都会维护自己的数据库连接池，数据库连接池就负责分配、管理和释放连接，连接池的主要优点有以下三个方面：
减少连接创建时间：连接池中的连接可直接使用，这样减少了连接创建的资源消耗；
提高效率：用户可以直接使用连接，提升响应效率；
资源控制：连接池能够使资源利用控制在一定的水平之下，如果不使用连接池，每次访问数据库都需要创建一个连接，很容易产生资源浪费和高负载异常。本文题目：数据源和连接池
当前URL：http://6mz.cn/article/cjiecc.html