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。

偏执的太偏执、 2022-05-15 20:13 292阅读 0赞

## 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][https_github.com_brettwooldridge_HikariCP]  
![这里写图片描述][70]  
`图片出处：`[druid Github][]  
![这里写图片描述][70 1]

`图片出处：`[http://blog.didispace.com/java-datasource-pool-compare/][http_blog.didispace.com_java-datasource-pool-compare]  
![这里写图片描述][70 2]  
![这里写图片描述][70 3]  
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][Link 1]，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。

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][http_developer.51cto.com_art_201807_579402.htm]

`源码:`  
[https://www.jianshu.com/p/549bfacebb38][https_www.jianshu.com_p_549bfacebb38]  
[https://www.jianshu.com/p/16a646a4eccd][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][Link 1]

[https_github.com_brettwooldridge_HikariCP]: https://github.com/brettwooldridge/HikariCP
[70]: /images/20220516/01e0110d84ce467989eef4475ba219eb.png
[druid Github]: https://github.com/alibaba/druid/wiki/%E5%90%84%E7%A7%8D%E8%BF%9E%E6%8E%A5%E6%B1%A0%E6%80%A7%E8%83%BD%E5%AF%B9%E6%AF%94%E6%B5%8B%E8%AF%95
[70 1]: /images/20220516/a9861b652283433a830c85cf80b29407.png
[http_blog.didispace.com_java-datasource-pool-compare]: http://blog.didispace.com/java-datasource-pool-compare/
[70 2]: /images/20220516/c29db5d800d443ba858a23c181a347db.png
[70 3]: /images/20220516/2fdb5bc1d50645e0b68fd265401cf1dc.png
[Link 1]: 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
[http_developer.51cto.com_art_201807_579402.htm]: http://developer.51cto.com/art/201807/579402.htm
[https_www.jianshu.com_p_549bfacebb38]: https://www.jianshu.com/p/549bfacebb38
[https_www.jianshu.com_p_16a646a4eccd]: https://www.jianshu.com/p/16a646a4eccd