什么是 Java 中的数据库连接池?为什么使用连接池来管理数据库连接?

news2025/1/12 1:50:13

文章目录

    • 1. 数据库连接池的好处
      • 1.1 提高性能
      • 1.2 连接的重用
      • 1.3 连接管理和监控
    • 2. 代码演示
      • 2.1 新建maven项目
      • 2.2 配置maven地址
      • 2.3 配置 Druid 数据源
      • 2.4 编写测试代码
        • 2.4.1 创建一个 Druid 数据源连接池和获取连接
        • 2.4.2 编写测试类
        • 2.4.3 新建数据库表
        • 2.4.4 运行截图
    • 3. 完整代码下载

数据库连接池(database connection pool)是在 Java 中用于管理数据库连接的一种技术。它的主要目的是提高数据库连接的重用性和性能。在传统的数据库连接方式中,每次与数据库建立连接时都需要进行一系列的网络通信和身份验证操作,这样的开销较大并且会影响应用程序的性能。而连接池则通过预先创建一定数量的数据库连接,并将这些连接保存在一个池中,供应用程序随时使用和归还。

1. 数据库连接池的好处

1.1 提高性能

连接池可以避免频繁地创建和销毁数据库连接,从而节省了宝贵的资源和时间。通过重复使用现有的连接,可以大大减少连接建立和认证的开销,提高数据库操作的响应速度和整体性能。

1.2 连接的重用

连接池能够重复利用已经创建的连接,避免了每次操作都需要重新建立连接的开销。这样可以减少系统负载,提高并发处理能力,同时也减轻了数据库服务器的压力。

1.3 连接管理和监控

连接池可以提供连接的管理和监控功能,包括连接的分配和回收、连接的空闲超时处理、连接的健康检查等。这样可以确保连接的有效性和可靠性,避免无效或失效的连接被分配给应用程序使用。

2. 代码演示

2.1 新建maven项目

点击File,选择New - Project
在这里插入图片描述
选择Maven,点击Next
在这里插入图片描述
填写项目名称信息,点击Finish
在这里插入图片描述

2.2 配置maven地址

点击File,Settings设置
在这里插入图片描述
检索maven,配置为本地对应maven安装目录:未配置的,可点击查看我之前的博客文章:

安装Maven 3.6.1:图文详细教程(适用于Windows系统

在这里插入图片描述

2.3 配置 Druid 数据源

需要添加 Druid 的依赖。在 Maven 项目中,可以在 pom.xml 文件中添加以下依赖配置:

    <dependencies>
        <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>druid</artifactId>
            <version>1.2.6</version>
        </dependency>

        <dependency>
            <groupId>mysql</groupId>
            <artifactId>mysql-connector-java</artifactId>
            <version>5.1.47</version>
        </dependency>

    </dependencies>

点击刷新加载之后,显示如下图示:
在这里插入图片描述

2.4 编写测试代码

2.4.1 创建一个 Druid 数据源连接池和获取连接

package com.rucoding.druid;

/**
 * @author LiuYiXin
 * @version 1.0.0
 * @description
 */
import com.alibaba.druid.pool.DruidDataSource;
import java.sql.Connection;
import java.sql.SQLException;

public class DatabaseManager {
    private static DruidDataSource dataSource;

    static {
        dataSource = new DruidDataSource();
        dataSource.setDriverClassName("com.mysql.jdbc.Driver");
        dataSource.setUrl("jdbc:mysql://localhost:3306/mydatabase?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=UTC");
        dataSource.setUsername("root");  //链接账密信息结合实际自己的
        dataSource.setPassword("123456"); //链接账密信息结合实际自己的
        // 其他连接池配置参数
        dataSource.setInitialSize(10); // 初始连接数
        dataSource.setMaxActive(100); // 最大连接数
    }

    public static Connection getConnection() throws SQLException {
        return dataSource.getConnection();
    }
}

在上述代码中,我们使用 DruidDataSource 类创建了一个 Druid 数据源连接池,并设置了数据库连接的相关配置,例如数据库驱动、连接地址、用户名、密码等。连接池的大小由 setInitialSize() 和 setMaxActive() 方法指定。

2.4.2 编写测试类

package com.rucoding.demo;

/**
 * @author LiuYiXin
 * @version 1.0.0
 * @description
 */
import com.rucoding.druid.DatabaseManager;

import java.sql.Connection;
import java.sql.ResultSet;
import java.sql.SQLException;
import java.sql.Statement;

public class Main {
    public static void main(String[] args) {
        Connection connection = null;
        Statement statement = null;
        ResultSet resultSet = null;

        try {
            connection = DatabaseManager.getConnection();
            statement = connection.createStatement();
            resultSet = statement.executeQuery("SELECT id, username, age FROM users");

            while (resultSet.next()) {
                // 处理查询结果
                int id = resultSet.getInt("id");
                String username = resultSet.getString("username");
                int age = resultSet.getInt("age");
                System.out.println("ID: " + id + ", Username: " + username + ", Age: " + age);
            }
        } catch (SQLException e) {
            e.printStackTrace();
        } finally {
            // 释放资源
            if (resultSet != null) {
                try {
                    resultSet.close();
                } catch (SQLException e) {
                    e.printStackTrace();
                }
            }
            if (statement != null) {
                try {
                    statement.close();
                } catch (SQLException e) {
                    e.printStackTrace();
                }
            }
            if (connection != null) {
                try {
                    connection.close();
                } catch (SQLException e) {
                    e.printStackTrace();
                }
            }
        }
    }
}

在上述示例中,我们使用 DatabaseManager.getConnection() 方法从 Druid 连接池中获取一个数据库连接,并使用该连接执行查询操作。在使用完连接后,需要手动释放连接资源,以便将连接归还给连接池供其他请求使用。

2.4.3 新建数据库表

新建一个数据库,名字为mydatabase
在这里插入图片描述
执行建表语句并添加数据:

CREATE TABLE users (
  id INT PRIMARY KEY AUTO_INCREMENT,
  username VARCHAR(50) NOT NULL,
  age INT NOT NULL
);

INSERT INTO users (username, age) VALUES
  ('Alice', 25),
  ('Bob', 30),
  ('Charlie', 28);

2.4.4 运行截图

输出数据库users表数数据信息:在这里插入图片描述

3. 完整代码下载

下载传送门

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/561271.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

进程控制-进程的替换

回顾 对于进程&#xff0c;我们已经有了初步的了解&#xff0c;我们学会了进程的终止&#xff0c;进程的等待&#xff0c;还有如果创建子进程。 这次&#xff0c;我们来学习如何把一个进程运行的代码和数据替换成其他的代码和数据。 进程的替换 为什么要进程替换&#xff0…

Spark大数据处理讲课笔记----Spark任务调度

零、本节学习目标 理解DAG概念了解Stage划分了解RDD在Spark中的运行流程 一、有向无环图 &#xff08;一&#xff09;DAG概念 DAG&#xff08;Directed Acyclic Graph&#xff09;叫做有向无环图&#xff0c;Spark中的RDD通过一系列的转换算子操作和行动算子操作形成了一个…

进程控制--进程的等待

回顾 之前我们已经学习了进程的状态和进程的退出如果你没有这些基础知识&#xff0c;应先去了解进程的相关基础知识。 这次我们主要来学习如何让进程等待子进程的退出。 为什么要等待子进程&#xff1f; 之前我们在学习进程的状态的时候&#xff0c;我们知道了进程有一种状态…

JavaEE——阻塞式队列

文章目录 一、阻塞式队列二、生产者消费者模型1.发送方和接受方之间的 “解耦合”2. “削峰填谷”保证系统稳定性3、代码实现阻塞式队列 一、阻塞式队列 阻塞式队列&#xff0c;顾名思义也是一个队列&#xff0c;这个队列遵循的是先进先出的原则。 这里简单提一个特殊的队列&…

chatgpt赋能Python-python_output用法

Python Output 用法介绍 Python 是一种非常流行的编程语言&#xff0c;其简单而有效的语法和丰富的功能集使其成为了各种应用程序和数据分析项目的首选工具。 Python 在输出方面有非常灵活的方式&#xff0c;本文将介绍 Python Output 的用法。 使用 print 函数输出 Python …

python爬虫之request库的使用(友好版)

以下所有爬取的网站都是可以爬取的&#xff0c;爬取时请先学学法律哦~ 如有侵权&#xff0c;私信删除~ 本章目录~。~ 一&#xff0c;request库简介&#xff1a; 二&#xff0c;requests使用方法 1.GET请求 1.1&#xff0c;发起一个get请求 1.2&#xff0c;利用GET请求发…

三、数据仓库实践-拉链表设计

1 写在开头的话 拉链表&#xff0c;学名叫缓慢变化维&#xff08;Slowly Changing Dimensions&#xff09;&#xff0c;简称渐变维&#xff08;SCD&#xff09;&#xff0c;俗称拉链表&#xff0c;是为了记录关键字段的历史变化而设计出来的一种数据存储模型&#xff0c;常见于…

蓝奏云软件库源码分享下载(后端源码)

正文&#xff1a; FreePlus后台管理系统是一个基于[Thinkphp]的后台管理系统&#xff0c;提供了基本的应用管理、用户管理 、卡密管理 、笔记管理 、邮箱管理 、商城管理 、论坛管理 、附件管理、软件库、工具箱等功能。#### 软件架构thinkphp5.1mysql实现#### 安装教程(php必…

Spark大数据处理讲课笔记--- RDD持久化机制

零、本讲学习目标 理解RDD持久化的必要性了解RDD的存储级别学会如何查看RDD缓存 一、RDD持久化 &#xff08;一&#xff09;引入持久化的必要性 Spark中的RDD是懒加载的&#xff0c;只有当遇到行动算子时才会从头计算所有RDD&#xff0c;而且当同一个RDD被多次使用时&#…

基于SpringBoot的家乡特色推荐系统的设计与实现

背景 设计一个家乡特色推荐系统&#xff0c;通过这个系统能够满足家乡特色文章的管理功能。系统的主要功能包括首页&#xff0c;个人中心&#xff0c;用户管理&#xff0c;文章分类管理&#xff0c;文章分享管理&#xff0c;系统管理等。 管理员可以根据系统给定的账号进行登…

堪比ChatGPT,Claude注册和使用教程

新建了一个网站 https://ai.weoknow.com/ 每天给大家更新可用的国内可用chatGPT资源 Claude简介 Claude是一款人工智能聊天机器人。主要有以下特征: 使用自己的模型与训练方法,而不是基于GPT-3等开源框架。模型采用Transformer编码器与解码器的结构,并使用对话上下文的双向…

Spark大数据处理讲课笔记---RDD容错机制

零、本讲学习目标 了解RDD容错机制理解RDD检查点机制的特点与用处理解共享变量的类别、特点与使用 一、RDD容错机制 当Spark集群中的某一个节点由于宕机导致数据丢失&#xff0c;则可以通过Spark中的RDD进行容错恢复已经丢失的数据。RDD提供了两种故障恢复的方式&#xff0c…

全国大学生数据统计与分析竞赛2021年【研究生组】-B题:“互联网+教育”用户消费行为分析预测模型(附获奖论文和python代码实现)

目录 摘要 1 问题重述 2 问题分析 3 符号说明 4 模型建立与求解 4.1 问题一 4.1.1 数据预处理 4.1.2 处理结果 4.2 问题二 4.2.1 城市分布情况 4.2.2 用户登录情况 4.3 问题三 4.3.1 模型建立 4.3.2 模型求解 4.3.3 模型优化 4.4 问题四 4.4.1 模型建立 4.4.…

Windows 编译 OpenCV 头疼 ? 已编译好的,你要不要吧

一、使用官方编译好的 【Qt】opencv源码&官方编译好的opencv在windows下使用的区别_外来务工人员徐某的博客-CSDN博客 官方替我们编译好了&#xff0c;可以直接拿来用&#xff0c;但是看到下面这两个文件夹就知道&#xff0c;官方是用msvc编译器编译的&#xff0c;所以还是…

2天搞定-从零开始搞-量化交易-Python 【案例A股量化交易】第一节

搭建windows电脑开发环境 一,下载并搭建python 环境 1:python 安装过程教程:https://blog.csdn.net/weixin_44727274/article/details/126017386 2:python 下载地址官网:https://www.python.org/downloads/windows/ (过程较慢耐心等待,多版本选择) 3:python 本人放…

chatgpt赋能Python-python_noj

Python NOJ - 一款适合Python学习者的在线编程环境 Python NOJ是一款在线的Python编程环境&#xff0c;其全称为Python Online Judge&#xff0c;是一款适合Python学习者使用的编程工具。接下来&#xff0c;我们将介绍其主要特点和优势&#xff0c;并探讨其与其他在线编程环境…

chatgpt赋能Python-python_nmpy

Python NumPy&#xff1a;提高数据科学和数学计算的效率 在数据科学和数学计算领域&#xff0c;Python一直是最受欢迎的语言之一。NumPy是一个优秀的Python库&#xff0c;它通过提供一个强大的多维数组对象和与之相关的各种函数&#xff0c;极大地提高了Python在数据科学和数学…

2022下半年上午题

2022下半年上午题 b b d a c d 在做加法前先用补码表示 c a d c a c b b 专利权需要申请&#xff0c;题目中没说公司申请了专利 c c 前向传播取大值 d 反向传播求关键路径 b b b d a c 先在前驱图中把信号量定义下去 然后定义p,v操作 然后直接看图 1:从p1出来…

Spark大数据处理讲课笔记-- 理解RDD依赖

零、本讲学习目标 理解RDD的窄依赖理解RDD的宽依赖了解两种依赖的区别 一、RDD依赖 在Spark中&#xff0c;对RDD的每一次转化操作都会生成一个新的RDD&#xff0c;由于RDD的懒加载特性&#xff0c;新的RDD会依赖原有RDD&#xff0c;因此RDD之间存在类似流水线的前后依赖关系…

CANFDCAN协议对比 - 基础介绍_02

目录 四、CAN和CANFD区别 1、保留位 2、FDF-FD格式 五、高速传输机制 1、位速率切换 (Bit Rate Switch) 2、波特率5MBit/s 3、BRS和CRC界定符之间采用更高的波特率 六、CANFD数据场 1、经典CAN中DLC&#xff1a;9种可能的长度 2、CANFD中DLC&#xff1a;16种可能的长…