共计 8826 个字符，预计需要花费 23 分钟才能阅读完成。
HikariPool 之后，明天钻研另一支流连接池 Druid。
对于数据库连接池的根本认知
先对数据库连接池的根本工作原理做个理解，不论是 HikariPool、还是 druid，所有的数据库连接池应该都是依照这个基本原理工作和实现的，带着这个思路去学习数据库连接池，防止盲人摸象。
数据库连接池肯定会蕴含以下根本逻辑：
- 创立连贯并池化：初始化的时候创立、或者是在利用获取连贯的过程中创立，连贯创立好之后放在连接池（内存中的容器，比方 List）中保留。
- 获取数据库连贯：接管了获取数据库连贯的办法，从连接池中获取、而不是创立连贯。
- 敞开数据库连贯：接管了敞开数据库连贯的办法，将连贯偿还到连接池、而不是真正的敞开数据库连贯。
- 连接池保护：连接池容量、连贯超时清理等工作。
带着这个思路钻研 HikariPool 的源码，会有事倍功半的效用。
意识 Druid 的构造
包含以下几个局部：
- DruidConnectionHolder
- Connections
- evictConnections
- keepAliveConnections
- destroyConnectionThread/destroySchedulerFuture
- createConnectionThread/createSchedulerFuture
DruidConnectionHolder
HikariPool 通过 poolEntry 持有数据库连贯，Druid 通过 DruidConnectionHolder 持有数据库连贯。
DruidConnectionHolder 持有物理数据库连贯 Connectin 对象，以及该连贯的相干属性，比方 connectTimeMillis、lastActiveTimeMillis、lastExecTimeMillis，以及 underlyingReadOnly、underlyingAutoCommit、underlyingTransactionIsolation 等等。连接池能够依据这些属性以及相干参数执行相应的 houseKeep。
Connections
Connections 是 DruidConnectionHolder 组成的数组，是 Druid 连接池中惟一存储可用连贯的中央，看起来会比 HikariPool 简略许多（HikariPool 有三个存储连贯的中央），然而这可能也是 Druid 在性能上稍逊于 HikariPool 的起因之一。
evictConnections
存储须要被回收的连贯的数组，在连接池进行清理的时候用来存储须要被敞开的连贯。
keepAliveConnections
存储放弃流动的连贯的数组。
createConnectionThread/createSchedulerFuture
Druid 依据配置，能够通过 createConnectionThread 线程、或者 createSchedulerFuture 线程工作创立数据库连贯并退出连接池。
Druid 兴许并没有默认的 createSchedulerFuture 的实现，如果要启用 createSchedulerFuture，须要配置 createSchedulerFuture 的实现类。
createConnectionThread 是 Druid 默认的创立连贯的线程，负责获取物理连贯、组装物理连贯为 DruidConnectionHolder 并退出到 connections 数组中。
destroyConnectionThread/destroySchedulerFuture
与创立连贯的形式相似，Druid 提供两种不同的形式销毁（或者敞开）过期的数据库连贯。默认实现是 destroyConnectionThread。
好了，Druid 的根底构造理解完了，咱们采纳和 HikariPool 齐全一样的剖析套路，接下来要进入源码剖析了，次要包含：
- Druid 连接池的初始化
- 获取数据库连贯 – getConnection 办法
- 敞开数据库连贯 – close 办法
Druid 的初始化
Druid 的初始化过程貌似和 HikariPool 稍有不同，因为 HikariPool 默认的在获取连贯之前的 HikariPool 实例化过程中就实现了连接池的初始化。
所谓实现连接池的初始化，指的是依照参数的设定，实现了数据库连贯的创立和池化，也就是说连接池曾经筹备好了，利用在通过 getConnecton 办法获取连贯的时候，间接从连接池中 borrow 就能够了。
Druid 貌似不这样。咱们看一下 DruidDataSource 的实例化办法：
public DruidDataSource(){this(false);
}
public DruidDataSource(boolean fairLock){super(fairLock);
configFromPropety(System.getProperties());
}super 指的是 DruidAbstractDataSource，他的构造方法：
public DruidAbstractDataSource(boolean lockFair){lock = new ReentrantLock(lockFair);
notEmpty = lock.newCondition();
empty = lock.newCondition();}只初始化了 ReentrantLock，以及他的两个 Condition：empty 和 notEmpty。
而 configFromPropety 只是负责把参数从配置文件中读入，不做其余的事件。
所以，连接池的初始化过程没有放在 DruidDataSource 的创立过程中。
既然构造方法中没有实现连接池的初始化，咱们自然而然的就想到去看看 getConnection 办法，不做初始化、怎么能获取到数据库连贯？
果然，getConnectin 办法的第一行代码就是：调用 init() 办法。
init 的办法很长，不过有很多代码都是查看参数合理性的，这部分代码咱们间接跳过：
... 疏忽 n 多行代码
connections = new DruidConnectionHolder[maxActive];
evictConnections = new DruidConnectionHolder[maxActive];
keepAliveConnections = new DruidConnectionHolder[maxActive];创立了咱们后面说过的存储数据库连贯的 connections（其实就是池），以及另外两个辅助数组 evictConnections 和 keepAliveConnections，连接池的大小初始化为 maxActive。
接下来：
if (createScheduler != null && asyncInit) {for (int i = 0; i < initialSize; ++i) {submitCreateTask(true);
}
} else if (!asyncInit) {
// init connections
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);
}
}
}
if (poolingCount > 0) {
poolingPeak = poolingCount;
poolingPeakTime = System.currentTimeMillis();}
}查看 createScheduler 不空、并且参数设置为 asyncInit（异步初始化）的话，则提交 initialSize 个连贯创立工作。 咱们说过 createScheduler 并非 Druid 的默认实现，所以咱们临时不论这部分代码。
上面的代码逻辑是：如果不是异步初始化的话，那就是要同步初始化，也就是以后线程要负责实现连接池的初始化，则循环创立 initialSize 个物理连贯、封装为 DruidConnectionHolder 后间接退出到 connections 中。
这个过程就相当于实现了数据库连接池的初始化，然而倡议设置 asyncInit 参数为 true：异步初始化。因为如果同步初始化、并且 initialSize 设置比拟大的话，利用的首个 getConnection 办法必定会耗时比拟长，用户体验不好。
持续看代码，如果 asyncInit 设置为 true，异步初始化的话：
createAndLogThread();
createAndStartCreatorThread();
createAndStartDestroyThread();
从办法名上看，应该是启动了 3 个线程，别离是 createAndLogThread 线程、负责线程创立连贯的线程和负责销毁（敞开）连贯的线程。
createAndLogThread 线程负责定期收集 Druid 连接池的状态并通过 log 打印进去，是 Druid 统计分析的一部分。
createAndStartCreatorThread 是启动连贯创立线程，异步初始化的状况下，连接池就是通过 createAndStartCreatorThread 线程创立的。
createAndStartDestroyThread 是启动连贯销毁的线程，作用相似于 HikariPool 的 houseKeep 线程。
createAndStartCreatorThread 办法以及连贯创立线程、reateAndStartDestroyThread 办法以及连贯销毁线程的源码咱们先放放，稍后剖析。
咱们先一鼓作气实现 init() 办法源码的残余局部：
initedLatch.await();
init = true;
initedTime = new Date();
registerMbean();
if (connectError != null && poolingCount == 0) {throw connectError;}initedLatch 是数量 = 2 的 CountDownLatch，在 DruidDataSource 类成员变量初始化的时候定义好的，这里 initedLatch.await(); 的意思是期待连贯创立线程和连贯销毁线程实现启动。
之后，打标签 init=true，表明初始化已实现，进行异样解决、锁开释等开头工作。
初始化实现！
createAndStartCreatorThread
创立并启动“创立连接线程”：
protected void createAndStartCreatorThread() {if (createScheduler == null) {String threadName = "Druid-ConnectionPool-Create-" + System.identityHashCode(this);
createConnectionThread = new CreateConnectionThread(threadName);
createConnectionThread.start();
return;
}
initedLatch.countDown();}代码非常简单，就是创立并启动 createConnectionThread。createConnectionThread 线程负责物理连贯的创立、以及连贯的池化。
createConnectionThread#run
连贯的创立及池化是在 createConnectionThread 线程的 run 办法中实现的。
public void run() {initedLatch.countDown();
long lastDiscardCount = 0;
int errorCount = 0;
for (;;) {
// addLast
try {lock.lockInterruptibly();
} catch (InterruptedException e2) {break;}
long discardCount = DruidDataSource.this.discardCount;
boolean discardChanged = discardCount - lastDiscardCount > 0;
lastDiscardCount = discardCount;
try {
boolean emptyWait = true;
if (createError != null
&& poolingCount == 0
&& !discardChanged) {emptyWait = false;}
if (emptyWait
&& asyncInit && createCount < initialSize) {emptyWait = false;}线程启动之后会一直检测是否须要创立连贯，在 run 办法的无条件 for 循环中实现。
首先取得锁。
discardChanged 变量示意在每次循环检测过程中，被 discardCount 的连接数是否有增长。
而后定义了一个 emptyWait 变量，用来示意是否须要暂缓创立连贯、直到期待获取连贯的线程唤醒之后才创立。
对 emptyWait 的解决逻辑是：如果创立连贯产生了谬误并且以后连接池空、并且没有产生 discardChanged，则不期待。或者，如果是异步初始化并且初始化的连接池数量尚未满足 initialSize 的要求，则不期待。
而后：
if (emptyWait) {
// 必须存在线程期待，才创立连贯
if (poolingCount >= notEmptyWaitThreadCount //
&& (!(keepAlive && activeCount + poolingCount < minIdle))
&& !isFailContinuous()) {empty.await();
}
// 避免创立超过 maxActive 数量的连贯
if (activeCount + poolingCount >= maxActive) {empty.await();
continue;
}
}
} catch (InterruptedException e) {
lastCreateError = e;
lastErrorTimeMillis = System.currentTimeMillis();
if ((!closing) && (!closed)) {LOG.error("create connection Thread Interrupted, url:" + jdbcUrl, e);
}
break;
} finally {lock.unlock();
}这段代码是须要期待的状况，判断以后线程池数量满足期待条件（连接池数量大于 notEmptyWaitThreadCount 数量，activeCount + poolingCount 数量大于等于 minIdle 或者是 keepAlive）。或者，activeCount + poolingCount 曾经大于等于 maxActive 了，则调用 empty.await(); 也就是临时不再创立连贯了，期待获取连贯的线程唤醒之后再创立。 当然，期待是须要开释锁资源的。
接下来是不期待的代码：
PhysicalConnectionInfo connection = null;
try {connection = createPhysicalConnection();
} catch (SQLException e) {// 上面是一堆创立连贯失败的异样解决，疏忽 创立数据库物理连贯。之后：
if (connection == null) {continue;}
boolean result = put(connection);
if (!result) {JdbcUtils.close(connection.getPhysicalConnection());
LOG.info("put physical connection to pool failed.");
}
errorCount = 0; // reset errorCount
if (closing || closed) {break;}
}
}
}如果创立连贯过程中产生异样，connection==null，则 continue，持续创立。
否则，调用 put 办法，将新创建的连贯退出连接池。当然，如果退出失败的话则敞开刚创立好的连贯，免得资源节约。
接下来看一下连贯放入 connections 的 put 办法。
put 办法
protected boolean put(PhysicalConnectionInfo physicalConnectionInfo) {
DruidConnectionHolder holder = null;
try {holder = new DruidConnectionHolder(DruidDataSource.this, physicalConnectionInfo);
} catch (SQLException ex) {lock.lock();
try {if (createScheduler != null) {clearCreateTask(physicalConnectionInfo.createTaskId);
}
} finally {lock.unlock();
}
LOG.error("create connection holder error", ex);
return false;
}
return put(holder, physicalConnectionInfo.createTaskId);
}将 connection 封装为 DruidConnectionHolder，之后调用 put：
private boolean put(DruidConnectionHolder holder, long createTaskId) {lock.lock();
try {if (this.closing || this.closed) {return false;}
if (poolingCount >= maxActive) {if (createScheduler != null) {clearCreateTask(createTaskId);
}
return false;
}
connections[poolingCount] = holder;
incrementPoolingCount();
if (poolingCount > poolingPeak) {
poolingPeak = poolingCount;
poolingPeakTime = System.currentTimeMillis();}
notEmpty.signal();
notEmptySignalCount++;
if (createScheduler != null) {clearCreateTask(createTaskId);
if (poolingCount + createTaskCount < notEmptyWaitThreadCount //
&& activeCount + poolingCount + createTaskCount < maxActive) {emptySignal();
}
}
} finally {lock.unlock();
}
return true;
}首先获取锁资源。
之后判断如果创立的连接数大于最大流动连接数 poolingCount >= maxActive 的话，则不放入连接池间接返回。
接下来，连贯放入连接池 connections 中，poolingCount 加 1。
接下来 notEmpty.signal(); 告诉期待获取连贯的线程。
之后开释锁资源，连贯退出连接池实现！
createAndStartDestroyThread 办法
创立并启动 DestroyThread，间接看 destroyConnectionThread 的 run 办法：
public void run() {initedLatch.countDown();
for (;;) {
// 从后面开始删除
try {if (closed || closing) {break;}
if (timeBetweenEvictionRunsMillis > 0) {Thread.sleep(timeBetweenEvictionRunsMillis);
} else {Thread.sleep(1000); //
}
if (Thread.interrupted()) {break;}
destroyTask.run();} catch (InterruptedException e) {break;}
}
}
}查看 timeBetweenEvictionRunsMillis，该参数的意思是执行连贯回收的间隔时间，如果该参数设置为 >0，则线程睡眠 timeBetweenEvictionRunsMillis 之后再执行，否则线程每秒执行一次。
调用 destroyTask.run();-> shrink() 办法执行线程回收。
连贯回收的次要工作是 shrink 办法实现的，篇幅起因，放在下一篇文章钻研。
小结
理解了 Druid 连接池的根底构造及其初始化过程，以及连接池中连贯销毁的发动机制：通过 destroyConnectionThread 线程调用 destroyTask 对闲暇超时的连贯进行回收，确保连接池中的连贯放弃在衰弱状态。连贯回收的次要逻辑是在 shrink 办法中，其实也是 Druid 连接池中比拟要害的一部分，下一篇文章剖析。
Thanks a lot!
上一篇 连接池 HikariPool（二）– 获取及敞开连贯