今天我们说说数据源和数据库连接池,熟悉java开发的同仁应该都了解C3PO,在这里不做过多的赘述了,今天我们说的是阿里DRUID,druid是后起之秀,因为它的优秀很快占领了使用市场,下边我们一起来看看druid数据源的配置以及druid监控的配置和监控的实现逻辑。

       下面是druid的数据源配置项,这些配置项都是com.alibaba.druid.pool.DruidDataSource类和其基类com.alibaba.druid.pool.DruidAbstractDataSource的public final属性,这些配置型和C3P0的数据源配置项基本一样,有个别的是明白发生了变化但是参数所表示的意思不变,还有一些参数是druid自己扩展的,其中filters属性就是杰出代表,次属性是DruidAbstractDataSource类的,是一个List<Filter>的集合,此属性提供了三个可选值:监控统计用的stat、日志用的log4j、 防御sql注入的wall,这三个值可以单独使用也可以两两组合或者一起使用,组合使用的时候不同值之间用逗号隔开。有人可能会有疑问了,不是一个List集合吗,为什么这里却是用逗号分隔的,那是因为druid在赋值的时候有特殊处理,至于是如何处理的在下边我们会说到。

配置 缺省值 说明
name   配置这个属性的意义在于,如果存在多个数据源,监控的时候
可以通过名字来区分开来。如果没有配置,将会生成一个名字,
格式是:”DataSource-” + System.identityHashCode(this)
jdbcUrl   连接数据库的url,不同数据库不一样。例如:
mysql : jdbc:mysql://10.20.153.104:3306/druid2 
oracle : jdbc:oracle:thin:@10.20.149.85:1521:ocnauto
username   连接数据库的用户名
password   连接数据库的密码。如果你不希望密码直接写在配置文件中,
可以使用ConfigFilter。详细看这里:
https://github.com/alibaba/druid/wiki/%E4%BD%BF%E7%94%A8ConfigFilter
driverClassName 根据url自动识别 这一项可配可不配,如果不配置druid会根据url自动识别dbType,
然后选择相应的driverClassName
initialSize 0 初始化时建立物理连接的个数。初始化发生在显示调用init方法,
或者第一次getConnection时
maxActive 8 最大连接池数量
maxIdle 8 已经不再使用,配置了也没效果
minIdle   最小连接池数量
maxWait   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。
poolPreparedStatements false 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mysql5.5以下的版本中没有PSCache功能,建议关闭掉。
5.5及以上版本有PSCache,建议开启。
maxOpenPreparedStatements -1 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
validationQuery   用来检测连接是否有效的sql,要求是一个查询语句。
如果validationQuery为null,testOnBorrow、testOnReturn、
testWhileIdle都不会其作用。
testOnBorrow true 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。
testOnReturn 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
testWhileIdle false 建议配置为true,不影响性能,并且保证安全性。
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。
timeBetweenEvictionRunsMillis   有两个含义:
1) Destroy线程会检测连接的间隔时间
 2) testWhileIdle的判断依据,详细看testWhileIdle属性的说明
numTestsPerEvictionRun   不再使用,一个DruidDataSource只支持一个EvictionRun
minEvictableIdleTimeMillis   Destory线程中如果检测到当前连接的最后活跃时间和当前时间的差值大于
minEvictableIdleTimeMillis,则关闭当前连接。
connectionInitSqls   物理连接初始化的时候执行的sql
exceptionSorter 根据dbType自动识别 当数据库抛出一些不可恢复的异常时,抛弃连接
filters   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:
监控统计用的filter:stat 
日志用的filter:log4j
 防御sql注入的filter:wall
proxyFilters   类型是List<com.alibaba.druid.filter.Filter>,
如果同时配置了filters和proxyFilters,
是组合关系,并非替换关系
removeAbandoned   对于建立时间超过removeAbandonedTimeout的连接强制关闭
removeAbandonedTimeout   指定连接建立多长时间就需要被强制关闭
logAbandoned   指定发生removeabandoned的时候,是否记录当前线程的堆栈信息到日志中

 要使用druid监控需要做好两个配置:

1)、在配置数据源时需要配置filters并且赋值你需要使用的监控项(stat、log4j、wall);

2)、需要在项目的web.xml中配置druid的自定义servlet(com.alibaba.druid.support.http.StatViewServlet),配置样例如下代码所示:

  1. <servlet>
  2. <servlet-name>DruidStatView</servlet-name>
  3. <servlet-class>com.alibaba.druid.support.http.StatViewServlet</servlet-class>
  4. </servlet>
  5. <servlet-mapping>
  6. <servlet-name>DruidStatView</servlet-name>
  7. <url-pattern>/druid/*</url-pattern>
  8. </servlet-mapping>

3)、监控系统的访问:http://IP:PORT/projectName/druid/(http://localhost:8088/cd_management/druid/sql.html),监控效果如下图所示:

        上面有提到filters的配置项有三个,可以随机组合也可以一起使用,也有提到filters是一个List集合,那我们来看看druid是如何赋值的,如下源码所示,赋值时调用的setFilters(String filters)方法,最终是通过逗号分隔为数组然后遍历调用FilterManager.loadFilter(this.filters, item.trim()),然后用反射机制生成相应的对象并添加到Filter集合。

  1. public void setFilters(String filters) throws SQLException {
  2. if (filters != null && filters.startsWith("!")) {
  3. filters = filters.substring(1);
  4. this.clearFilters();
  5. }
  6. this.addFilters(filters);
  7. }
  8. public void addFilters(String filters) throws SQLException {
  9. if (filters == null || filters.length() == 0) {
  10. return;
  11. }
  12. String[] filterArray = filters.split("\\,");
  13. for (String item : filterArray) {
  14. FilterManager.loadFilter(this.filters, item.trim());
  15. }
  16. }
  1. public static void loadFilter(List<Filter> filters, String filterName) throws SQLException {
  2. if (filterName.length() == 0) {
  3. return;
  4. }
  5. String filterClassNames = getFilter(filterName);
  6. if (filterClassNames != null) {
  7. for (String filterClassName : filterClassNames.split(",")) {
  8. if (existsFilter(filters, filterClassName)) {
  9. continue;
  10. }
  11. Class<?> filterClass = Utils.loadClass(filterClassName);
  12. if (filterClass == null) {
  13. LOG.error("load filter error, filter not found : " + filterClassName);
  14. continue;
  15. }
  16. Filter filter;
  17. try {
  18. filter = (Filter) filterClass.newInstance();
  19. } catch (ClassCastException e) {
  20. LOG.error("load filter error.", e);
  21. continue;
  22. } catch (InstantiationException e) {
  23. throw new SQLException("load managed jdbc driver event listener error. " + filterName, e);
  24. } catch (IllegalAccessException e) {
  25. throw new SQLException("load managed jdbc driver event listener error. " + filterName, e);
  26. }
  27. filters.add(filter);
  28. }
  29. return;
  30. }
  31. if (existsFilter(filters, filterName)) {
  32. return;
  33. }
  34. Class<?> filterClass = Utils.loadClass(filterName);
  35. if (filterClass == null) {
  36. LOG.error("load filter error, filter not found : " + filterName);
  37. return;
  38. }
  39. try {
  40. Filter filter = (Filter) filterClass.newInstance();
  41. filters.add(filter);
  42. } catch (Exception e) {
  43. throw new SQLException("load managed jdbc driver event listener error. " + filterName, e);
  44. }
  45. }

     要说明druid监控逻辑从如下三个方面切入分析:

       在这里我们拿Spring和druid整合案例来分析说明druid监控数据的生成,上面我们有提到要使用druid的监控空能需要配置filters,并且filters可以配置多个,这里druid关于这些filter的处理其实借鉴了过滤器链的原理,druid关于监控数据的收集处理逻辑是这样的,我们从Spring的JdbcTemplate类开始看,如下源码一,是一个查询的处理,rs = ps.executeQuery()是PreparedStatement开始执行sql从数据库查询数据的开始,这里我们给ps对象赋予的是DruidPooledPreparedStatement类对象,所以进入DruidPooledPreparedStatement类我们来看它的具体实现。

        源码二是DruidPooledPreparedStatement类对executeQuery方法的实现,这个方法里面最关键的是ResultSet rs = stmt.executeQuery()这句,stmt是PreparedStatementProxyImpl类的类对象。

        源码三是PreparedStatementProxyImpl类对executeQuery方法的实现,这个方法实现中调用了父类的createChain()方法,源码四为父类方法实现,这个方法的返回值是一个过滤器链类FilterChainImpl类对象,FilterChainImpl类的

preparedStatement_executeQuery(PreparedStatementProxy statement)方法实现如源码五。

  1. public <T> T query(
  2. PreparedStatementCreator psc, final PreparedStatementSetter pss, final ResultSetExtractor<T> rse)
  3. throws DataAccessException {
  4. Assert.notNull(rse, "ResultSetExtractor must not be null");
  5. logger.debug("Executing prepared SQL query");
  6. return execute(psc, new PreparedStatementCallback<T>() {
  7. @Override
  8. public T doInPreparedStatement(PreparedStatement ps) throws SQLException {
  9. ResultSet rs = null;
  10. try {
  11. if (pss != null) {
  12. pss.setValues(ps);
  13. }
  14. rs = ps.executeQuery();
  15. ResultSet rsToUse = rs;
  16. if (nativeJdbcExtractor != null) {
  17. rsToUse = nativeJdbcExtractor.getNativeResultSet(rs);
  18. }
  19. return rse.extractData(rsToUse);
  20. }
  21. finally {
  22. JdbcUtils.closeResultSet(rs);
  23. if (pss instanceof ParameterDisposer) {
  24. ((ParameterDisposer) pss).cleanupParameters();
  25. }
  26. }
  27. }
  28. });
  29. }
  1. public ResultSet executeQuery() throws SQLException {
  2. checkOpen();
  3. incrementExecuteCount();
  4. transactionRecord(sql);
  5. oracleSetRowPrefetch();
  6. conn.beforeExecute();
  7. try {
  8. ResultSet rs = stmt.executeQuery();
  9. if (rs == null) {
  10. return null;
  11. }
  12. DruidPooledResultSet poolableResultSet = new DruidPooledResultSet(this, rs);
  13. addResultSetTrace(poolableResultSet);
  14. return poolableResultSet;
  15. } catch (Throwable t) {
  16. errorCheck(t);
  17. throw checkException(t);
  18. } finally {
  19. conn.afterExecute();
  20. }
  21. }
  1. public ResultSet executeQuery() throws SQLException {
  2. firstResultSet = true;
  3. updateCount = null;
  4. lastExecuteSql = sql;
  5. lastExecuteType = StatementExecuteType.ExecuteQuery;
  6. lastExecuteStartNano = -1L;
  7. lastExecuteTimeNano = -1L;
  8. return createChain().preparedStatement_executeQuery(this);
  9. }
  1. public FilterChainImpl createChain() {
  2. FilterChainImpl chain = this.filterChain;
  3. if (chain == null) {
  4. chain = new FilterChainImpl(this.getConnectionProxy().getDirectDataSource());
  5. } else {
  6. this.filterChain = null;
  7. }
  8. return chain;
  9. }
  1. @Override
  2. public ResultSetProxy preparedStatement_executeQuery(PreparedStatementProxy statement) throws SQLException {
  3. if (this.pos < filterSize) {
  4. return nextFilter().preparedStatement_executeQuery(this, statement);
  5. }
  6. ResultSet resultSet = statement.getRawObject().executeQuery();
  7. if (resultSet == null) {
  8. return null;
  9. }
  10. return new ResultSetProxyImpl(statement, resultSet, dataSource.createResultSetId(),
  11. statement.getLastExecuteSql());
  12. }

        看了如上源码我们会发现FilterChainImpl类的preparedStatement_executeQuery方法执行的时候会先执行过滤器类的此方法,所以我们看看过滤器类做了什么,这里我们拿SQL监控的过滤器类(FilterEventAdapter)来分析,如下源码是此类的方法实现。我看可以看到此方法先调用了statementExecuteQueryBefore(statement, statement.getSql())方法,然后调用了下一个过滤器类的查询方法,在方法正常执行以后又调用了statementExecuteQueryAfter(statement, statement.getSql(), resultSet)方法,在方法执行异常的时候调用了statement_executeErrorAfter(statement, statement.getSql(), error),这些方法的作用就是保存SQL执行中的监控数据。说到这里从流程上就说明了druid监控数据的来源。

  1. public ResultSetProxy preparedStatement_executeQuery(FilterChain chain, PreparedStatementProxy statement)
  2. throws SQLException {
  3. try {
  4. statementExecuteQueryBefore(statement, statement.getSql());
  5. ResultSetProxy resultSet = chain.preparedStatement_executeQuery(statement);
  6. if (resultSet != null) {
  7. statementExecuteQueryAfter(statement, statement.getSql(), resultSet);
  8. resultSetOpenAfter(resultSet);
  9. }
  10. return resultSet;
  11. } catch (SQLException error) {
  12. statement_executeErrorAfter(statement, statement.getSql(), error);
  13. throw error;
  14. } catch (RuntimeException error) {
  15. statement_executeErrorAfter(statement, statement.getSql(), error);
  16. throw error;
  17. } catch (Error error) {
  18. statement_executeErrorAfter(statement, statement.getSql(), error);
  19. throw error;
  20. }
  21. }

     这里我们简单说明,数据是保存到DruidDataSource类的dataSourceStat对象中。

              要使用druid的监控功能需要配置com.alibaba.druid.support.http.StatViewServlet,这是一个继承自HttpServlet的servlet,用来处理访问druid监控的请求,具体处理流程如下:

         

       1) 使用过druid的同仁应该都了解,druid的监控页面加载以后,footer页是有阿里的广告的如下图所示,如果是一个商业项目这个是很不雅也是不允许的,那么我们来看看如何去除广告。

 

       

       2)要去除这个广告需要修改druid.jar的源码文件,具体方法是,用winRAR打开jar包,在druid-1.1.6.jar\support\http\resources\js\common.js路径下找到文件,修改common.js中如下图所示的代码,删除buildFooter函数中的代码即可:

  1. buildFooter : function() {
  2. var html =\'<footer class="footer">\'+
  3. \' <div class="container">\'+
  4. \'<a href="https://render.alipay.com/p/s/taobaonpm_click/druid_banner_click" target="new"><img src="https://render.alipay.com/p/s/taobaonpm_click/druid_banner"></a><br/>\' +
  5. \' powered by <a href="https://github.com/alibaba/" target="_blank">AlibabaTech</a> & <a href="http://www.sandzhang.com/" target="_blank">sandzhang</a> & <a href="http://melin.iteye.com/" target="_blank">melin</a> & <a href="https://github.com/shrekwang" target="_blank">shrek.wang</a>\'+
  6. \' </div>\'+
  7. \' </footer>\';
  8. $(document.body).append(html);
  9. },

 

版权声明:本文为cymiao原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://www.cnblogs.com/cymiao/p/8432681.html