简介
在上篇文章中，了解了连接池的应用场景和本地运行了示例，本篇文章中，我们尝试来探索下 Alibaba Druid 数据库连接池的整体实现思路
连接池的大体实现思路
查询了阅读了一些资料：下面两篇还是写的比较好的
文中实现一个数据库连接池的核心如下：
连接池设计的基本原理是这样的：
（1）建立连接池对象（服务启动）。
（2）按照事先指定的参数创建初始数量的连接（即：空闲连接数）。
（3）对于一个访问请求，直接从连接池中得到一个连接。如果连接池对象中没有空闲的连接，且连接数没有达到最大（即：最大活跃连接数），创建一个新的连接；如果达到最大，则设定一定的超时时间，来获取连接。
（4）运用连接访问服务。
（5）访问服务完成，释放连接（此时的释放连接，并非真正关闭，而是将其放入空闲队列中。如实际空闲连接数大于初始空闲连接数则释放连接）。
（6）释放连接池对象（服务停止、维护期间，释放连接池对象，并释放所有连接）。
摘抄自：一文读懂连接池技术原理、设计与实现（Python）
上面的配合上文中 Python 代码实现，感觉还是能体会到实现一个连接池的关键点的
源码探索
基于上面的思路，我们看出连接的获取和释放应该是实现的关键，下面我们开始尝试寻找下相关的代码
运行示例，debug 入口
首先得找突破点，翻一翻 test 文件，找到下面一个东西：src/test/java/com/alibaba/druid/pool/demo/Demo0.java
public class Demo0 extends TestCase {
private String jdbcUrl; private String user; private String password; private String driverClass; private int initialSize = 10; private int minPoolSize = 1; private int maxPoolSize = 2; private int maxActive = 12;
protected void setUp() throws Exception { jdbcUrl = "jdbc:h2:file:./demo-db"; user = "sa"; password = "sa"; driverClass = "org.h2.Driver"; }
public void test_0() throws Exception { DruidDataSource dataSource = new DruidDataSource();
JMXUtils.register("com.alibaba:type=DruidDataSource", dataSource);
dataSource.setInitialSize(initialSize); dataSource.setMaxActive(maxActive); dataSource.setMinIdle(minPoolSize); dataSource.setMaxIdle(maxPoolSize); dataSource.setPoolPreparedStatements(true); dataSource.setDriverClassName(driverClass); dataSource.setUrl(jdbcUrl); dataSource.setPoolPreparedStatements(true); dataSource.setUsername(user); dataSource.setPassword(password); dataSource.setValidationQuery("SELECT 1"); dataSource.setTestOnBorrow(true);
Connection conn = dataSource.getConnection(); conn.close();
System.out.println(); }}
复制代码
源码中是不可以运行的，需要进行下面的修改才能成功运行起来：
我们在下面的两行代码处都打上断点：
Connection conn = dataSource.getConnection(); conn.close();
复制代码
创建和获取数据库连接相关代码
根据断点进入：Connection conn = dataSource.getConnection();
# DruidDataSource.java public DruidPooledConnection getConnection(long maxWaitMillis) throws SQLException {、 # 初始化操作 init();
if (filters.size() > 0) { FilterChainImpl filterChain = new FilterChainImpl(this); return filterChain.dataSource_connect(this, maxWaitMillis); } else { // 走到这里获取连接 return getConnectionDirect(maxWaitMillis); } }
复制代码
在上面的代码中直接去获取了初始化和数据库连接，我们先去瞅一瞅初始化相关的东西
在初始化的 diam 中，我们看到一些符合我们猜想的观点的类型队列初始化的东西，如下代码：
# DruidDataSource.javapublic void init() throws SQLException { # 疑似初始化连接池 connections = new DruidConnectionHolder[maxActive]; evictConnections = new DruidConnectionHolder[maxActive]; keepAliveConnections = new DruidConnectionHolder[maxActive];
SQLException connectError = null;
if (createScheduler != null && asyncInit) { for (int i = 0; i < initialSize; ++i) { submitCreateTask(true); } } else if (!asyncInit) { // init connections // 这里就是根据配置初始化了初始数据量的连接 while (poolingCount < initialSize) { try { PhysicalConnectionInfo pyConnectInfo = createPhysicalConnection(); DruidConnectionHolder holder = new DruidConnectionHolder(this, pyConnectInfo); connections[poolingCount++] = holder; } catch (SQLException ex) { LOG.error("init datasource error, url: " + this.getUrl(), ex); if (initExceptionThrow) { connectError = ex; break; } else { Thread.sleep(3000); } } } } } catch (SQLException e) {
} finally { } } }
复制代码
继续跟到获取连接相关的代码：
public DruidPooledConnection getConnectionDirect(long maxWaitMillis) throws SQLException { int notFullTimeoutRetryCnt = 0; for (;;) { // handle notFullTimeoutRetry DruidPooledConnection poolableConnection; try { // 获取连接 poolableConnection = getConnectionInternal(maxWaitMillis); } catch (GetConnectionTimeoutException ex) { } return poolableConnection; } }
private DruidPooledConnection getConnectionInternal(long maxWait) throws SQLException { DruidConnectionHolder holder; for (;;) { if (maxWait > 0) { holder = pollLast(nanos); } else { // 取最后一个 holder = takeLast(); }
// 相关统计的计算 if (holder != null) { if (holder.discard) { continue; }
activeCount++; holder.active = true; 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 { lock.unlock(); }
break; }
DruidPooledConnection poolalbeConnection = new DruidPooledConnection(holder); return poolalbeConnection; }
DruidConnectionHolder takeLast() throws InterruptedException, SQLException { decrementPoolingCount(); // 从init初始化中变量中获取最后一个连接 DruidConnectionHolder last = connections[poolingCount]; connections[poolingCount] = null; return last; }
复制代码
通过上面的代码，我们大致知道了获取链接的关键代码：
关闭连接
下面我们跟踪关闭连接的入口看下：conn.close();
# DruidPooledConnection.java @Override public void close() throws SQLException { try { List<Filter> filters = dataSource.getProxyFilters(); if (filters.size() > 0) { } else { // 回收的入口 recycle(); } } finally { } }
public void recycle() throws SQLException { if (!this.abandoned) { DruidAbstractDataSource dataSource = holder.getDataSource(); // 进入回收逻辑 dataSource.recycle(this); } }
复制代码
上面是回收的入口逻辑，下面是具体的回收核心处理逻辑，可以看到设置了一些标识位，和把连接放回等操作，没有具体的关闭物理连接的逻辑
# DruidDataSource.java/** * 回收连接 */ protected void recycle(DruidPooledConnection pooledConnection) throws SQLException { final DruidConnectionHolder holder = pooledConnection.holder; lock.lock(); try { if (holder.active) { activeCount--; holder.active = false; } closeCount++;
result = putLast(holder, currentTimeMillis); recycleCount++; } finally { lock.unlock(); } }
复制代码
总结
本篇文中，查阅了连接池实现的一些文章，然后对应在 Alibaba Druid 中定位到了符合我们猜想的核心代码：
当然还有其他的细节，留待后面再探索
参考链接
评论