1.druid连接池中的码分连接数与预期不一致的一次分析
2.源码详解系列(四) ------ DBCP2的使用和分析（包括JNDI和JTA支持）已停更
3.Druid之ExceptionSorter源码分析
4.线上环境OOM频发，MyBatis有坑...
5.SQL抽象语法树及改写场景应用
6.简直了！码分通过源码告诉你阿里的码分数据库连接池Druid为啥如此牛逼
druid连接池中的连接数与预期不一致的一次分析
深入剖析druid连接池连接数与预期不一致的原因与解决方案 在排查生产环境cat监控显示部分应用SQL执行耗时长的问题时，我们发现部分应用节点在运行一段时间后，码分数据库连接池中的码分实际连接数与应用中配置的参数不一致。主要表现为连接池中的码分myeclipse导入tomcat源码可用连接总数远小于应用配置的初始连接数与最小空闲连接数。这导致了新建连接耗时增加，码分线程阻塞状态出现，码分影响性能，码分不利于应对外部瞬间的码分并发压力。条码组项目使用的码分是druid框架，但使用版本较为杂乱，码分包括1.0.、码分1.1.、码分1.1.。码分基于此，本文旨在分析druid如何对空闲连接进行回收，以及提供相应的配置建议与jar包版本建议。 详细分析过程 通过对源码的反编译分析，我们发现druid框架在应用启动后启动了多个处理线程，其中Druid-ConnectionPool-Destroy-*线程专门用于回收空闲连接。不同版本的使用配置及处理逻辑存在差异。以1.0.与1.1.版本为例进行对比分析。 在1.0.版本中，回收线程按照配置的时间间隔timeBetweenEvictionRunsMillis进行轮询。回收空闲连接的判断逻辑包含如下步骤：遍历连接池中的所有连接。
获取超过最小空闲连接数的数量checkCount（连接池总数减去最小空闲连接数）。
获取当前连接的空闲时间idleMillis（当前时间减去上一次连接使用的时间）。
判断idleMillis是否小于minEvictableldleTimeMillis（默认分钟），小于则退出循环，否则继续后续处理。
如果checkCount大于0，将超过最小空闲连接数的连接放入待销毁集合（进行回收）。
如果idleMillis大于maxEvictableIdleTimeMillis，主题源码安装方法即使连接池连接数小于最小空闲连接数，当前连接也会被放入待销毁集合。
在1.1.版本中，新增了判断逻辑：idleMillis需要同时满足小于minEvictableldleTimeMillis（默认分钟）与keepAliveBetweenTimeMillis（默认2分钟）时，才会退出循环。
配置keepalive为true时，idleMillis大于keepAliveBetweenTimeMillis，当前连接会被维护到保活集合中，以确保连接可用，避免意外回收。
分析总结 结合项目现有的配置和依赖的jar包版本，连接池中的连接数不总是与初始连接数或最小空闲连接数保持一致。在使用1.0.、1.1.版本的应用中，如果SQL请求不是非常稀少，则能维持连接池中的连接数与配置一致。然而，使用1.1.版本、处理SQL请求不是非常频繁的应用，空闲连接更容易被回收。关键原因在于缺少关键配置（keepalive未配置），导致默认参数下更容易回收连接。 版本建议 建议统一升级使用1.1.版本，并主动排除项目中依赖的其他版本，以防版本冲突。对于使用1.1.或更高版本的应用，确保添加keepalive=true配置。 Spring Boot项目配置示例：spring.datasource.druid.keep-alive=true源码详解系列(四) ------ DBCP2的使用和分析（包括JNDI和JTA支持）已停更
DBCP是一个用于创建和管理数据库连接的工具，通过连接池复用连接以减少资源消耗。它具备连接数控制、连接有效性检测、连接泄露控制和缓存语句等功能。Tomcat内置连接池、竞价接力 公式 源码Spring团队推荐使用DBCP，阿里巴巴的druid也是基于DBCP开发的。 DBCP支持通过JNDI获取数据源，并且可以获取JTA或XA事务中的连接对象，用于两阶段提交（2PC）的事务处理。本篇文章将通过例子来解释如何使用DBCP。 以下是文章的详细内容：使用例子需求
本例将展示如何使用DBCP连接池获取连接对象，并进行基本的增删改查操作。工程环境
JDK：1.8.0_
maven：3.6.1
IDE：eclipse 4.
mysql-connector-java：8.0.
mysql：5.7.
DBCP：2.6.0
主要步骤
创建Maven项目，打包方式为war（war也可以是jar，这里选择war是为了测试JNDI功能）。
引入DBCP相关依赖。
在resources目录下创建dbcp.properties文件，配置数据库连接参数及连接池基本参数。
编写JDBCUtils类，实现初始化连接池、获取连接、管理事务和资源释放等功能。
创建测试类，实现基本的增删改查操作。
配置文件详解
dbcp.properties文件包含数据库连接参数和连接池基本参数，如数据库URL、用户名、密码、连接池大小等。其中，数据库URL后面添加了参数以避免乱码和时区问题。建议根据项目需求调整参数设置。基本连接属性
数据库URL
用户名
密码
连接池大小
缓存语句（在MySQL下建议关闭）
连接检查参数（建议开启testWhileIdle，避免性能影响）
事务相关参数（通常使用默认设置）
连接泄漏回收参数
其他参数（较少使用）
源码分析
DBCP主要涉及以下几个类：BasicDataSource：提供基本的数据库操作数据源。
BasicManagedDataSource：BasicDataSource的子类，用于创建支持XA事务或JTA事务的连接。
PoolingDataSource：BasicDataSource中实际调用的源码编辑收苹果数据源，用于管理连接。
ManagedDataSource：PoolingDataSource的子类，用于支持XA事务或JTA事务的连接。
使用DBCP连接池创建连接时，首先创建BasicDataSource对象，初始化配置参数。然后从连接池中获取连接。连接获取过程涉及到数据源和连接池的创建，连接对象的包装和回收。通过JNDI获取数据源对象需求
使用JNDI获取DBCP数据源对象，以PerUserPoolDataSource和SharedPoolDataSource为例。为了在tomcat容器中测试，需要配置JNDI上下文。引入依赖
引入JNDI相关的依赖。
编写context.xml文件，配置JNDI上下文。
在web.xml中配置资源引用，将JNDI对象与web应用绑定。
测试结果
打包项目并部署到tomcat上运行，通过访问指定的jsp页面，验证JNDI获取数据源对象的正确性。使用DBCP测试两阶段提交
介绍如何使用DBCP实现JTA事务的两阶段提交（2PC）。使用DBCP的BasicManagedDataSource类支持事务处理。通过测试代码验证了2PC的正确性。 以上内容涵盖了DBCP的使用、配置、源码分析、JNDI集成以及两阶段提交的实现，为开发者提供了全面的参考。Druid之ExceptionSorter源码分析
ExceptionSorter机制在Druid连接池中扮演着关键角色，用于识别和剔除数据库操作过程中的"不可用连接"。当网络断开或数据库服务器崩溃时，连接池会遇到大量"不可用连接"，cupfox茶杯狐源码而ExceptionSorter机制正是通过异常类型、代码、原因和消息来判断这些连接是否可用，从而保证连接池的稳定性和高效性。
Druid连接池内置了多种ExceptionSorter，其设计旨在确保在数据库重启或网络中断后，连接池能够自动恢复工作。这使得ExceptionSorter成为判断连接池稳定性的重要指标。
初始化ExceptionSorter的代码位于DruidAbstractDataSource类的initExceptionSorter方法中。所有具体的ExceptionSorter实现了ExceptionSorter接口，该接口包含两个方法。这些方法的实现决定了ExceptionSorter如何根据特定的异常信息进行连接的处理。
在Druid中的使用场景主要是在数据库操作异常时，调用DruidPooledConnection类的handleException方法。当数据库操作出现异常，处理逻辑首先会判断该异常是否为致命性错误，即是否满足isExceptionFatal方法的返回条件。
以MySQL为例，isExceptionFatal方法的实现逻辑通常会根据异常的具体类型和错误代码来判断。当判定为致命性错误时，Druid会调用discardConnection方法关闭当前连接。这一过程有效地剔除了"不可用连接"，确保了连接池的健康状态。
综上所述，Druid通过ExceptionSorter机制实现了对"不可用连接"的高效识别与剔除，从而确保了数据库操作的稳定性和连接池的高效管理。关键在于isExceptionFatal方法的判断逻辑和discardConnection方法的执行，二者共同作用，使得连接池能够在异常情况下自动恢复，提供持续、稳定的数据库服务。
线上环境OOM频发，MyBatis有坑...
线上服务频繁遭遇 OutOfMemoryError（OOM）问题，对业务造成了严重影响，一天内服务重启多达五次，导致整个系统几乎瘫痪。通过Skywalking追踪，发现链路调用大部分呈现红色，亟待解决。作为排查者，我接手了这个任务。
首先，我分析了OOM的常见原因，主要包括堆内存和元空间不足。在我们的案例中，Mybatis的问题浮出水面。源码分析显示，Mybatis在拼接SQL时，通过集合存储SQL和参数，当SQL参数过多导致SQL过长时，集合会变得庞大，回收不及时就会引发内存溢出。
由于环境限制，无法直接通过jstack、jmap工具定位问题，这增加了排查的难度。但在网络搜索中，我找到了一篇与DruidDataSource和Mybatis相关的问题，这让我找到了问题的线索，即多线程并发操作可能导致内存占用过高，从而触发OOM。
进一步的源码分析揭示，DynamicContext类中的ContextMap（继承自HashMap）在存储SQL参数和占位符时，存在无法被GC回收的问题。当并发查询量增加时，这可能导致内存溢出。我通过线上复现情景，验证了这一理论，发现服务频繁进行Full GC，最终引发了OOM。
针对问题，我提出解决方案：优化SQL拼接，避免过长的SQL体积，强调代码和SQL编写的重要性。同时，为了应对未来可能的故障，我配置了docker中的OOM保留dump文件，以备不时之需。
SQL抽象语法树及改写场景应用
我们日常编写SQL语句，提交后获取结果集。例如，"select * from t_user where user_id > ;"，目标是从t_user表中筛选出user_id大于的所有记录。这条SQL经历了什么才能生成结果集呢？
不同数据库如MySQL、Oracle、TiDB、CK，乃至大数据计算引擎Hive、HBase、Spark，通过SQL引擎实现接受SQL并返回结果的功能。SQL引擎的核心执行逻辑大致为：词法分析、语法分析、查询优化、生成逻辑计划、物理计划，最后执行。
词法分析和语法分析引出了抽象语法树（AST）的概念。AST是对源代码语法结构的抽象表示，以树状形式展现，每个节点代表源码中的一种结构。SQL提交给SQL引擎后，首先经过词法分析，然后利用语法解析器生成AST。
以"select username,ismale from userInfo where age> and level>5 and 1=1"为例，抽象语法树简单理解为逻辑执行计划，经过查询优化器优化，得到逻辑计划树，实现谓词下推、剪枝等操作。逻辑计划进一步转换为物理计划，如数据扫描、聚合，最后执行。
ANTLR4工具广泛应用于解析SQL，通过构建G4文件描述语法，实现SQL拆解、封装和内容提取。在Java中，利用ANTLR4解析SQL，获取AST并提取表名。AST解析过程复杂，但通过简单字符串解析理解ANTLR4逻辑，有助于深入理解SQL解析。
在工业应用中，利用ANTLR4生成并解析AST，虽然提供了基础解析能力，但更深入处理通常需要进一步自定义操作。在Java生态中，Apache Sharding Sphere、Mycat等流行SQL解析工具实现了这一需求。
获取AST后，可以实现SQL的改写。改写SQL通常涉及添加占位符、正则匹配关键字，这些方法存在局限性和安全风险。基于AST的改写更安全，通过遍历树结构，调整目标节点，实现语法符合的改写。
利用Druid的SQL解析模块，通过SQLUtils类实现SQL改写，包括新增改写和查询改写。改写过程涉及识别SQL语法结构，如join、sub-query等。
在数据库数据隔离上，实现动态SQL改写，开发人员无需感知，通过在数据表上增加字段和环境标识，CRUD SQL自动增加标识字段（如flag='预发'、flag='生产'），操作数据仅限于当前应用环境。
简直了！通过源码告诉你阿里的数据库连接池Druid为啥如此牛逼
druid数据库连接池的强大之处在于其高效管理和丰富的功能。它通过复用连接减少资源消耗，具备连接数控制、可靠性测试、泄漏控制和缓存语句等标准特性，同时还扩展了监控统计和SQL注入防御等功能。
以入门需求为例，创建Maven项目，引入必要的依赖如JDK、maven、IDE，以及mysql-connector-java和druid。在项目中，通过JDBCUtil初始化连接池并获取连接，进行简单的增删改查操作。在web应用中，可以使用JNDI获取DruidDataSource，如在tomcat 9.0.容器下运行。
druid的监控统计功能强大，如StatFilter支持合并SQL、慢SQL记录和多个数据源监控数据的统一。StatViewServlet用于展示监控信息，配置WebStatFilter则能收集web-jdbc关联监控数据。同时，WallFilter用于防御SQL注入，提供定制化的参数配置选项。
druid的源码分析显示，它在连接池管理、配置方式的灵活性以及异常处理等方面展现出独特之处。尽管配置方式多样，但推荐优先使用最常见的方式，如properties文件。然而，过多的配置选项和缺乏统一的管理方式是其设计上的一个挑战。
总而言之，druid凭借其强大的功能和灵活的配置，为数据库连接池管理提供了高效且实用的解决方案，是阿里巴巴数据库连接池中的佼佼者。
