zoukankan      html  css  js  c++  java
  • JDBC五数据源和数据池(web基础学习笔记十一)

    一、为什么使用数据源和连接池

    现在开发的应用程序,基本上都是基于数据的,而且是需要频繁的连接数据库的。如果每次操作都连接数据库,然后关闭,这样做性能一定会受限。所以,我们一定要想办法复用
    数据库的连接。因此针对这种情况,提出了数据源和连接池的概念。使用数据源和连接池可以达到复用数据库连接的目的。

    二、数据源和连接池概念

    其实,数据源和连接池是两个不同的概念。有些人会把它们弄混。
    数据源是用来连接数据库,获得Connection 对象的,在Java 中使用javax.sql.DataSource接口来表示。有了数据源,我们就不需要再编写其他连接数据的代码,直接从数据源获得连接就可以了。而且,不管使用什么样的数据库,都使用一样的方式获得数据库连接对象。那么数据源的对象是如何获得的呢?一般是由容器来创建的,我们在程序中使用JNDI 来获取。通过数据源创建的连接对象可以被自动放入连接池中统一管理

    连接池是用来管理Connection 对象的,连接池可以从数据源中获得连接,连接池中可以有若干个数据库连接对象,这些连接对象可以被重用。应用程序需要连接时,就向连接池申请,如果连接池中有空闲的连接,就会分配给应用程序,如果没有,可能就需要在等待队列里等待。而如果从连接池中获得了一个连接对象,等到使用完毕之后,通过调用Connection 的close()方法,就可以将连接还给连接池,这样这个连接对象就又编程空闲的了,可以等待下一次请求。而连接池中的连接对象将一直保持与数据库的连接,这样,就避免了频繁的连接和关闭。但是,这些连接对象会占用一定的内存空间。所以,我们要根据数据库的并发访问量,和服务器的硬件条件来决定连接池中的最大连接数。

    三、数据源和连接池,一个是用来创建连接对象的,一个是用来管理连接对象的

    四、在Tomcat 中配置数据源

    4.1在Tomcat 中使用数据源的步骤如下:

    • (1)在Tomcat 中加入数据库驱动文件
    • (2)配置Tomcat 的conf/context.xml
    <Context>
    <Resource name="jdbc/books"
    auth="Container" type="javax.sql.DataSource" maxActive="100" maxIdle="30" maxWait="10000" username="pbdevj" password="pwd1234"
    driverClassName="oracle.jdbc.OracleDriver "
    url="jdbc:oracle:thin:@localhost:1521:orcl "/>
    </Context>
    属性名称 说明
    name 指定Resource 的JNDI 名称
    auth

    指定管理Resource 的Manager(Container:由容器创建
    和管理|Application:由Web 应用创建和管理)

    type 指定Resource 所属的Java 类
    maxActive 指定连接池中处于活动状态的数据库连接的最大数目
    maxIdle 指定连接池中处于空闲状态的数据库连接的最大数目
    maxWait

    指定连接池中的连接处于空闲的最长时间,超过这个时
    间会抛出异常,取值为-1,表示可以无限期等待

    • (3)配置应用程序的web.xml 文件(可选)(注:新版本的Tomcat 不需要如下配置)

    • (4)使用JNDI 获取连接对象
    import javax.naming.Context;
    import javax.naming.InitialContext;
    import javax.sql.DataSource;
    //
    Context ic = new InitialContext();
    DataSource source = (DataSource)ic.lookup("java:comp/env/jdbc/books");
    Connection connection = source.getConnection();
  • 相关阅读:
    搭建了一个在线的机器学习webshell检测RESTful API
    CentOS yum 安装RabbitMQ
    python使用pika链接rabbitmq Connection reset by peer 解决办法
    docker image 转换 docker file
    破解微信某游戏
    任务型对话(一)—— NLU/SLU(意图识别和槽值填充)
    KL散度、JS散度、Wasserstein距离
    机器翻译评价指标 — BLEU算法
    文本相似度 — TF-IDF和BM25算法
    Deep Reinforcement Learning for Dialogue Generation 论文阅读
  • 原文地址:https://www.cnblogs.com/liunanjava/p/4246348.html
Copyright © 2011-2022 走看看