Druid

Alibaba Druid简单介绍及使用 Alibaba Druid(以下简称 Druid)是阿里巴巴开源的数据库连接池、SQL 解析、监控和扩展功能的工具集合。它不仅仅是一个数据库连接池,还提供了强大的监控和管理功能,可以帮助开发者更好地管理数据库连接、优化SQL查询以及监控数据库性能。 阅读详情

Druid 数据库连接池详解

Druid 是一个高性能的 Java 数据库连接池和监控工具,由阿里巴巴开源。它不仅提供基础的连接池功能,还支持 SQL 监控、防火墙防御、性能统计等高级特性。以下是核心内容:

一、核心功能
  1. 连接池管理

    • 动态调整连接数:支持设置最大活跃连接数(maxActive)和最小空闲连接数(minIdle),例如:
      druid.maxActive=10   # 最大连接数
      druid.minIdle=6      # 最小空闲连接数
      
      当流量高峰时连接数可达上限,空闲时自动回收至 minIdle。
    • 连接健康检查:通过 timeBetweenEvictionRunsMillis(检查间隔,如 2000ms)和 minEvictableIdleTimeMillis(最小空闲时间,如 10000ms)防止无效连接。
  2. SQL 监控与防御

    • 统计 SQL 执行性能(耗时、次数)并生成可视化报告。
    • 内置防火墙拦截危险 SQL(如 DROP TABLE),防止注入攻击。
  3. 监控集成

    • 提供 Web 页面实时查看连接池状态、SQL 执行情况。
    • 支持与 Spring Boot 无缝集成,通过 druid-spring-boot-starter 依赖快速启用。
二、Spring Boot 配置示例
  1. 引入依赖(pom.xml):
    <dependency>
      <groupId>com.alibaba</groupId>
      <artifactId>druid-spring-boot-starter</artifactId>
      <version>1.2.16</version>
    </dependency>
    
  2. 配置数据库连接(application.yml):
    spring:
      datasource:
        url: jdbc:mysql://localhost:3306/db
        username: root
        password: 123456
        druid:
          initial-size: 5
          max-active: 20
          min-idle: 5
          filters: stat,wall  # 启用统计和防火墙
    
    完整参数见 druid.properties 文件。
三、适用场景
  • OLTP 系统(如电商交易、用户管理):高频短事务,需快速获取/释放连接。
  • 高并发服务:通过连接复用降低数据库压力。
  • 安全敏感应用:依赖 SQL 防火墙防御攻击。
思维导图

在这里插入图片描述


Druid 数据库连接池技术详解

一、技术原理与核心算法

Druid 通过连接池化管理机制优化数据库访问,核心原理包括:

  1. 连接复用算法

    • 使用 ConcurrentLinkedQueue 存储空闲连接,实现O(1)O(1)O(1)时间复杂度的连接获取
    • LRU(最近最少使用)策略回收空闲连接,通过timeBetweenEvictionRunsMillis参数控制扫描频率
    • 连接有效性验证:通过 validationQuery(如SELECT 1)定时检查连接状态
  2. 流量控制算法

    • 基于令牌桶算法控制最大连接数(maxActive)
    • 等待队列使用公平锁机制,防止连接饥饿(maxWait参数控制超时)
  3. 监控统计模型

    • 滑动窗口记录 SQL 执行耗时:Tavg=∑i=1nTinT_{avg} = \frac{\sum_{i=1}^{n} T_i}{n}Tavg​=n∑i=1n​Ti​​
    • 哈希表存储 SQL 指纹,用于快速识别重复查询
二、数据结构与核心组件
DruidDataSource
连接池
监控统计
过滤器链
活跃连接 LinkedList
空闲连接 ConcurrentLinkedQueue
SQL执行统计
连接等待统计
StatFilter 监控
WallFilter 防火墙
LogFilter 日志
  1. 核心组件功能

    • DruidDataSource:连接池主入口,管理生命周期
    • DruidConnectionHolder:封装物理连接对象
    • StatFilter:收集 SQL 执行指标(执行次数、耗时)
    • WallFilter:基于规则引擎拦截危险 SQL(如DROP TABLE)
    • DruidStatManager:聚合监控数据并输出 JSON
  2. 关键数据结构

    • ConcurrentLinkedQueue<DruidConnectionHolder>:线程安全空闲连接队列
    • Map<String, SqlStat>:SQL 指纹到统计数据的映射
    • ReentrantLock:连接获取的公平锁,避免饥饿
三、架构功能图
+----------------+       +-----------------+       +---------------+
|  应用程序        |       |  Druid连接池     |       |  数据库        |
+----------------+       +-----------------+       +---------------+
       |                         |                         |
       | 1. getConnection()      |                         |
       |------------------------>|                         |
       |                         | 2. 从空闲队列获取连接     |
       |                         |------------------------>| 3. 建立连接
       |<------------------------|                         |
       | 4. 返回代理连接          |                         |
       |                         |                         |
       | 5. executeSQL()         |                         |
       |-------------------------------------------------->|
       |                         | 6. 过滤器链处理          |
       |                         | (统计/防火墙/日志)        |
       |<--------------------------------------------------|
       | 7. 返回结果              |                         |
       |                         |                         |
       | 8. close()              |                         |
       |------------------------>| 9. 连接归还到空闲队列     |
四、优缺点分析

优点:

  1. 集成监控统计,支持 Web 页面实时查看
  2. 内置 SQL 防火墙防止注入攻击
  3. 支持连接泄漏检测(removeAbandoned=true)
  4. 扩展性强,可通过 Filter 链自定义功能

缺点:

  1. 配置参数较多(30+),学习曲线陡峭
  2. 监控功能开启时轻微性能损耗(约3-5%)
  3. 原生监控界面不适合大规模集群
五、Java 代码示例(含中文注释)
import com.alibaba.druid.pool.DruidDataSource;
import java.sql.Connection;
import java.sql.PreparedStatement;
import java.sql.ResultSet;

public class DruidDemo {
    public static void main(String[] args) throws Exception {
        // 1. 创建Druid数据源实例
        DruidDataSource dataSource = new DruidDataSource();
        
        // 2. 配置数据库连接参数
        dataSource.setUrl("jdbc:mysql://localhost:3306/test");
        dataSource.setUsername("root");
        dataSource.setPassword("123456");
        
        // 3. 配置连接池参数
        dataSource.setInitialSize(5);          // 初始化连接数
        dataSource.setMinIdle(5);              // 最小空闲连接
        dataSource.setMaxActive(20);           // 最大活跃连接
        dataSource.setMaxWait(3000);           // 获取连接最大等待时间(ms)
        dataSource.setTimeBetweenEvictionRunsMillis(60000); // 空闲连接检查间隔
        
        // 4. 启用监控和防火墙
        dataSource.setFilters("stat,wall");    // 启用统计和SQL防火墙
        
        try (Connection conn = dataSource.getConnection(); // 5. 获取连接
             PreparedStatement stmt = conn.prepareStatement("SELECT * FROM users");
             ResultSet rs = stmt.executeQuery()) {
            
            // 6. 处理查询结果
            while (rs.next()) {
                System.out.println("User: " + rs.getString("name"));
            }
        } // 7. 自动关闭连接(归还到连接池)
        
        // 8. 关闭数据源(应用结束时调用)
        dataSource.close();
    }
}
思维导图

在这里插入图片描述


以下是针对 Druid 连接池的全面配置与优化指南,结合核心参数解析、安全机制及高并发实践:


一、慢 SQL 监控与优化

1. 配置方法(Spring Boot YAML)
spring:
  datasource:
    druid:
      filter:
        stat:
          enabled: true
          log-slow-sql: true          # 启用慢SQL日志
          slow-sql-millis: 500        # 定义慢SQL阈值(ms)
          merge-sql: true             # 合并相似SQL
      web-stat-filter:
        enabled: true                 # 启用Web请求监控
      stat-view-servlet:
        enabled: true                 # 开启监控面板
        url-pattern: /druid/*
        login-username: admin
        login-password: 密文密码      # 建议加密
2. 优化步骤
  1. 访问监控面板:http://host:port/druid/sql.html
  2. 分析 SQL 监控 页签:
    • 定位执行耗时 > slow-sql-millis 的SQL
    • 检查高并发场景下的 执行次数 与 最慢耗时
  3. 优化手段:
    EXPLAIN SELECT ...; -- 分析执行计划
    
    • 添加缺失索引(尤其关注 rows 列)
    • 重构大表关联查询
    • 避免 SELECT *,仅返回必要字段

关键参数:slow-sql-millis 需根据业务调整(支付系统建议 200ms,报表系统可放宽至 2s)


二、maxWait 参数详解

作用与配置
spring:
  datasource:
    druid:
      max-wait: 3000   # 单位:毫秒(默认-1无限等待)
  • 核心作用:连接池耗尽时,应用线程等待连接的最大时间
  • 高并发调优:
    • 设置原则:maxWait < 服务调用链超时时间
    • 避免级联雪崩:超时抛出 SQLTimeoutException 而非无限阻塞
    • 建议值:生产环境设置为 1-3 秒

对比 queryTimeout:maxWait 控制获取连接的等待时间,queryTimeout 控制SQL执行超时


三、微服务集中监控方案

架构与实现
Druid JMX Metrics
Prometheus Exporter
Prometheus Server
Grafana Dashboard
慢SQL告警
  1. 暴露指标:启用 Druid 的 StatFilter
  2. 采集配置(Prometheus):
    scrape_configs:
      - job_name: 'druid'
        static_configs:
          - targets: ['service1:port', 'service2:port']
    
  3. 告警规则(示例):
    - alert: SlowSQL
      expr: druid_slow_sql_count > 10
      for: 5m
    

四、SQL 防火墙自定义规则

防御注入攻击
filter:
  wall:
    enabled: true
    config:
      delete-allow: false      # 禁止无WHERE的DELETE
      drop-table-allow: false  # 禁止DROP TABLE
      condition-and-always-true-allow: false # 拦截1=1类攻击

自定义规则文件 druid-wall.json:

{
  "blackList": [
    { "sql": "SELECT * FROM user WHERE id=1 OR 1=1" }
  ],
  "whiteList": [
    { "table": "order", "allow": "SELECT" }
  ]
}

工作原理:
SQL 解析 → 语法树分析 → 规则引擎匹配 → 拦截违规操作


五、Druid vs HikariCP 性能对比

场景Druid 优势HikariCP 优势
SQL 监控与审计✅ 内置全链路监控、防火墙❌ 仅基础指标
高并发 OLTP⚠️ 监控带来 3-5% 性能损耗✅ 150万QPS(业界最高)
安全防护需求✅ SQL注入防御、敏感操作拦截❌ 无
连接泄漏检测✅ remove-abandoned 机制完善✅ 需手动配置

选型建议:

  • 金融/医疗等合规场景:Druid
  • 纯高性能要求:HikariCP

六、LRU 连接回收机制

算法实现
// 伪代码:基于 LinkedHashMap 的 LRU
public class DruidDataSource {
  protected LinkedHashMap<DruidConnectionHolder> connections;
  
  protected void recycleConnection(Connection conn) {
    if (connections.size() >= maxActive) {
      evictOldestConnection(); // 淘汰最久未使用连接
    }
    addNewConnection(conn);
  }
}

关键参数联动:

timeBetweenEvictionRunsMillis: 60000 # 回收线程间隔(ms)
minEvictableIdleTimeMillis: 300000   # 最小空闲时间(ms)
maxEvictableIdleTimeMillis: 900000   # 最大空闲时间(ms)

七、Spring Boot 多数据源配置

核心步骤
  1. 排除自动配置:
    @SpringBootApplication(exclude = DataSourceAutoConfiguration.class)
    
  2. 主数据源配置:
    @Bean
    @ConfigurationProperties("spring.datasource.master")
    public DataSource masterDataSource() {
        return DruidDataSourceBuilder.create().build();
    }
    
  3. 从数据源配置:
    @Bean
    @ConfigurationProperties("spring.datasource.slave")
    public DataSource slaveDataSource() {
        DataSource ds = DruidDataSourceBuilder.create().build();
        ds.setFilters("stat,wall"); // 独立监控配置
        return ds;
    }
    
  4. 路由数据源:
    @Bean
    public DataSource routingDataSource() {
        AbstractRoutingDataSource ds = new ...;
        ds.setDefaultTargetDataSource(masterDataSource());
        ds.setTargetDataSources(Map.of("master", ..., "slave", ...));
        return ds;
    }
    

八、Kubernetes 动态调参

热更新方案
# 1. 将配置存入 ConfigMap
apiVersion: v1
kind: ConfigMap
data:
  application.yaml: |
    spring:
      datasource:
        druid:
          max-active: 50 # 动态参数

# 2. 挂载到 Pod
spec:
  containers:
    volumeMounts:
      - name: config
        mountPath: /app/config
  volumes:
    - name: config
      configMap:
        name: druid-config

# 3. 应用监听配置变化(Spring Cloud Kubernetes)
@RefreshScope
public class DruidConfig {
    @Value("${spring.datasource.druid.max-active}") 
    private int maxActive;
    
    @PostConstruct
    public void reload() {
        dataSource.restart(); // 重置连接池
    }
}

九、连接泄漏检测机制

实现原理
spring:
  datasource:
    druid:
      remove-abandoned: true       # 启用检测
      remove-abandoned-timeout: 60 # 超时阈值(秒)
      log-abandoned: true          # 记录泄露堆栈

工作流程:

  1. 后台线程周期性扫描活跃连接
  2. 标记超过 remove-abandoned-timeout 未关闭的连接
  3. 强制回收连接并打印警告日志(含创建堆栈)

注意事项:生产环境建议超时时间 ≥ 业务最长事务时间


十、监控面板权限控制

安全加固方案
stat-view-servlet:
  enabled: true
  allow: 192.168.1.0/24 # IP白名单
  deny: 192.168.1.100   # 黑名单
  login-username: admin
  login-password: $加密密码

进阶方案:整合 Spring Security

@Configuration
public class DruidSecurityConfig extends WebSecurityConfigurerAdapter {
    protected void configure(HttpSecurity http) {
        http.antMatcher("/druid/**")
            .authorizeRequests().anyRequest().hasRole("ADMIN")
            .and().httpBasic();
    }
}

十一、高并发性能优化参数

关键参数矩阵
参数推荐值影响说明
maxActive= 最大并发数超过将触发 maxWait 等待
maxWait1000-3000ms避免线程阻塞导致雪崩
timeBetweenEvictionRunsMillis30000ms回收间隔过短增加CPU负载
minIdle= 平均并发预热连接减少获取延迟
poolPreparedStatementsfalseMySQL关闭PSCache提升性能

公式参考:
最大连接数 ≈ (Tthread/Tsql)×Ninstance(T_{thread} / T_{sql}) \times N_{instance}(Tthread​/Tsql​)×Ninstance​
其中:

  • TthreadT_{thread}Tthread​:应用线程数
  • TsqlT_{sql}Tsql​:SQL平均耗时
  • NinstanceN_{instance}Ninstance​:数据库实例数

十二、数据库密码加密

安全实践
# 1. 生成密钥对
java -jar druid-1.2.8.jar com.alibaba.druid.filter.config.ConfigTools your_password

# 输出:
privateKey: xxx
publicKey: yyy
password: zzz # 加密后密码
# 2. 安全配置
spring:
  datasource:
    druid:
      password: ${DB_PWD} # 从环境变量读取
      connection-properties: 
        config.decrypt: true
        config.decrypt.key: ${PUBLIC_KEY} # 公钥
      filters: config

安全增强:

  • 将私钥存入 Vault 或 KMS 系统
  • 运行时通过环境变量注入密钥
思维导图

在这里插入图片描述

介绍Druid连接池 Druid连接池是阿里巴巴开源的一款基于JDBC规范的高性能连接池。它支持MySQL, PostgreSQL, Oracle, DB2, Microsoft SQL Server等数据库,而且Druid提供了监控功能,可以监控连接池的状态。下面将详细介绍Druid连接池的使用及其特点。 阅读详情

相关推荐

Druid监控页的使用(极为方便定位性能问题)

背景:最近系统频繁被压测,使用100并发线程压测到时候,发现性能一直会越来越慢,最后稳定在2s左右就是上不去。当然我首先想到到是后台数据库到瓶颈,但是看了后台数据库到监控后 发现数据库到cpu和内存使用率都不高,那边是不是我某条sql慢呢,或者是连接池不够,在获取连接都时候等待呢?或者是大多数长事物阻塞了请求呢?或者是tomcat连接池都不够用呢?还是纯粹是我都代码逻辑慢呢?这个时候就是druid监控页面发挥作用都时候了。 Druid连接池是阿里巴巴开源的数据库连接池项目。Druid连接池为监控而生,.

qq_35789269的博客 6355

springboot学习笔记11:集成Druid

springboot学习笔记11:集成Druid 什么是Druid Java程序很大一部分要操作数据库,为了提高性能操作数据库的时候,又不得不使用数据库连接池。 Druid 是阿里巴巴开源平台上一个数据库连接池实现,结合了 C3P0、DBCP 等 DB 池的优点,同时加入了日志监控。 Druid 可以很好的监控 DB 池连接和 SQL 的执行情况,天生就是针对监控而生的 DB 连接池。 Druid已经在阿里巴巴部署了超过600个应用,经过一年多生产环境大规模部署的严苛考验。 Spring Boot 2.

好汤圆的博客 3399

SpringBoot整合Druid数据源

文章目录1. DRUID 简介2. 配置application.yml 文件3. Druid配置类4. 测试 1. DRUID 简介 Druid 是阿里巴巴开源平台上一个数据库连接池实现,结合了C3P0、DBCP、PROXOOL等DB池的优点, 同时加入了日志监控。 Druid 可以很好的监控DB连接池和SQL的执行情况,天生就是针对监控产生的DB连接池。 SpringBoot 2.0 以上默认使用 Hikar i数据源,可以说 Hikari 与 Druid 都是当前 Java Web 上最优秀的数

Yuuil 1791

Druid的介绍、使用和原理架构(数据摄取、数据查询)

Druid是MetaMarket公司研发的一款针对海量数据进行高性能实时分析的OLAP引擎(包含存储引擎和分析引擎当前已经捐献给Apache基金会。低延迟交互式查询:Druid提供低延迟实时数据摄取(入库),并采用预聚合、列式存储、位图索引 等手段使得海量数据分析能够亚秒级响应。高可用性( High Available ):Druid 使用 HDFS/S3 作为 Deep Storage,Segment 会在多个Historical 节点上进行加载;摄取数据时也可以多副本摄取,保证数据可用性和容错性。

迷雾总会解 9163

fluent linux运行算例,Fluent算例精选|03利用VOF和蒸发-冷凝模型

通过学习本算例您将获得?1、学会基本的VOF模型设置流程2、学会利用蒸发-冷凝模型来模拟传热沸腾目录1摘要42传热沸腾模型介绍43前处理44求解设置54.1启动Fluent54.2网格缩放64.3求解器设置74.4多相流模型设置84.5能量方程求解设置94.6紊流模型设置104.7添加材料114.8多相流中相设置124.9操作条件设置144.10边界条件设置154.10.1heatsource边界...

weixin_33278819的博客 3187

数字孪生通信层开发:C#实现OPC UA到Unity3D的实时数据映射(2026年工业级实战指南)

(西门子数字孪生总监):“在产线上,50ms的延迟意味着1%的设备误操作率。2026年,通信层不是‘工具’,是数字孪生的‘生命线’。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 183

Druid是什么和Druid的介绍

Druid的简介 Druid首先是一个数据库连接池。Druid是目前最好的数据库连接池,在功能、性能、扩展性方面,都超过其他数据库连接池,包括DBCP、C3P0、BoneCP、Proxool、JBoss DataSource。Druid已经在阿里巴巴部署了超过600个应用,经过一年多生产环境大规模部署的严苛考验。Druid是阿里巴巴开发的号称为监控而生的数据库连接池! 同时Druid不仅仅是一

nuliPerfect的博客 2万+

【STM32项目】基于STM32设计的震动马达超声波电机高频震动——高级定时器PWM互补输出带死区控制__资料编号3

实现高级定时器互补输出带死区控制,实现震动/超声波电机/马达,高频震动。使用 STM32F103 芯片输出两路互补 PWM,并带有死区和刹车控制功能。定时器 1 通道 1 及其互补通道输出PWM,且带死区控。当定时器 1 的刹车输入引脚被拉高时,产生刹车时间,即定时器 8 停止输出 PWM。当刹车输入引脚被拉高时,通道 1 和通道 2 将从有波形输入状态转换成无效电平状态。

嵌入式阿齐Archie 6742

Springboot集成 Druid

Druid是一个开源的数据库连接池和SQL查询优化工具,用于提高应用程序对数据库的性能和可扩展性。主要提供的功能:数据库连接池、数据库连接池监控、SQL查询优化、数据源管理、防御SQL注入、统计和监控。注意:SpringBoot2.0默认是用com.zaxxer.hikari.HikariDataSource作为数据源。提示:以下是本篇文章正文内容,下面案例可供参考以上就是SpringBoot集成Druid数据库连接池工具,及简单的SpringBoot自动装配的原理。

qq_44896640的博客 6158

别再把 SELECT SINGLE 当成 TOP 1:一篇讲透 SELECT SINGLE vs. SELECT UP TO 1 ROWS 的 ABAP SQL

ABAP开发中SELECT SINGLE与UP TO 1 ROWS的选择取决于查询意图:前者适用于主键唯一查询,后者配合ORDER BY可从多行中筛选特定记录。关键区别在于结果确定性:当条件不唯一时,SELECT SINGLE返回随机行且不支持排序,而UP TO 1 ROWS允许通过排序规则明确定义所需行。文章建议根据四种典型场景选择语法:全键查询用基础SELECT或SELECT SINGLE;部分键查询必须使用UP TO 1 ROWS+ORDER BY;存在性检查推荐SELECT SINGLE返回常量。正

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 201

2026快手爬虫终极指南:JA4+指纹绕过+sign全逆向+AES响应解密(附可运行代码)

快手2026反爬破解实战指南 本文深入剖析快手2026年最新反爬体系,提供完整的破解方案: 四层防御体系:从传输层(JA4+指纹)、应用层(sign参数)、设备层到行为层,90%的爬虫在前两层即被拦截 JA4+指纹绕过:使用curl_cffi模拟Chrome 124的TLS指纹,完美匹配真实浏览器特征 sign参数逆向:通过动态调试提取加密逻辑,Python实现MD5签名算法,包含参数排序和盐值处理 响应解密:破解AES-GCM加密接口数据,完整还原响应内容 技术亮点: 使用curl-impersonate

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 1810

从 Docker 中安装启动 Druid

Docker 在本 Docker 的快速指南中,我们将从Docker Hub下载 Apache Druid 镜像,在一台机器上安装并使用Docker和Docker Compose。 在完成初始设置后,集群将准备好加载数据。 同时,如果你已经完成了下面内容的阅读的话将会更好的帮助你理解 Docker 安装配置的相关内容。 Druid 基本概述 数据导入概述 如果你还能对 Docker 使用的相关知识有所了解的,也能够更好的帮助你在 Docker 上使用 Druid。 安装前提 Dock...

HONEY MOOSE 1130

verilog实现步进电机脉冲分配器(三相六拍)基于Nexys4DDR开发板

使用Verilog HDL设计的一个能够自启动、具有正反转功能的三相六拍步进电机脉冲分配器。已经写好Nexy4DDR的管脚约束文件 可以通过Nexys4DDR开发板的PMOD接口连接步进电机进行调试。 使用verilog语言 在vivado2018.2下运行编译下载都正确,(也可在ISE,QuartusII下使用)下面是工程截图: ...

QQ_778132974的博客 2593

Druid 介绍及配置

Druid是Java领域优秀的数据库连接池,提供强大的监控和扩展功能。支持从Maven中央仓库下载,源码托管在GitHub。通过StatFilter可开启监控统计,内置监控页面需配置StatViewServlet。提供WallFilter防御SQL注入,支持多种日志记录和连接泄漏监测。Druid解决了Oracle的PSCache内存问题,支持JNDI配置,兼容DBCP迁移。每月发布周期稳定,支持主流数据库。特色功能包括自动识别DriverClass、慢SQL日志、密码加密等。开发者可通过GitHub参与项目

ywl470812087的博客 12万+

还原 Windows 环境变量的默认值

有时候,我们可能需要还原环境变量的默认值,以修复可能的配置问题或恢复系统的正常运行。如果您只想还原某个特定的环境变量,可以跳过删除其他变量的步骤,仅删除需要还原的变量即可。在“环境变量”对话框中,继续向下滚动到“系统变量”部分。请注意,在执行以下步骤之前,您应该备份当前的环境变量设置,以便在需要时可以还原。在删除所有需要还原的环境变量后,点击“确定”按钮关闭“环境变量”对话框。在“用户变量”部分,选择需要还原的变量,然后点击“删除”按钮。在“高级”选项卡下方的“环境变量”部分,点击“环境变量”按钮。

PvDeveloper的博客 6343

idea使用druid的jar包_IDEA中DRUID连接池的基本使用

idea导入jar包方法DRUID jar包下载配置参数/*jdbcUrl 连接数据库的url:mysql : jdbc:mysql://localhost:3306/druid2username 数据库的用户名password 数据库的密码driverClassName驱动类名。根据url自动识别,这一项可配可不配,如果不配置druid会根据url自动识别dbType,然后选择相应的driver...

weixin_34826752的博客 1456

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

DRUID介绍

本文转自:https://www.cnblogs.com/wuyun-blog/p/5679073.html DRUID连接池的实用 配置详解 DRUID介绍     DRUID是阿里巴巴开源平台上一个数据库连接池实现,它结合了C3P0、DBCP、PROXOOL等DB池的优点,同时加入了日志监控,可以很好的监控DB池连接和SQL的执行情况,可以说是针对监控而生的DB连接池(据说是目前最...

heqinghua217的博客 652

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

【Druid】Druid读取Kafka数据的简单配置过程

Druid的单机版安装参考:https://blog.51cto.com/10120275/2429912 Druid实时接入Kafka的过程 下载、安装、启动kafka过程: wget http://mirrors.tuna.tsinghua.edu.cn/apache/kafka/2.2.1/kafka_2.11-2.2.1.tgz tar -zxvf kafka_2.11-2.2.1.tgz...

caobang3250的博客 1038

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

SpringBoot3集成Druid

Druid是阿里巴巴开源的高性能数据库中间件,集JDBC连接池、SQL解析器、安全防护和监控统计于一体。本文介绍了在SpringBoot项目中集成Druid的完整流程:首先选择对应版本的Starter依赖,然后配置数据源连接参数和Druid专属配置(包括连接池优化、SQL防火墙、监控页面等)。重点讲解了连接池调优参数、监控功能开启方式以及安全防护配置。最后通过访问/druid/login.html验证集成效果,可查看SQL监控数据。该方案为企业级应用提供了高性能、安全的数据库访问解决方案。

DayDayUp的博客 232

DRUID连接池

DRUID连接池Druid是阿里巴巴开发的号称为监控而生的数据库连接池,Druid是目前最好的数据库连接池。 在功能、性能、扩展性方面,都超过其他数据库连接池,同时加入了日志监控, 可以很好的监控DB池连接和SQL的执行情况。 ​ Druid已经在阿里巴巴部署了超过600个应用,经过一年多生产环境大规模部署的严苛考验。 ​ DRUID连接池使用的jar包: druid-1.0.9.jarDRUID...

h294590501的专栏 2万+

Druid VS Antlr4

DRUID VS ANTLR4 测试方法 环境:x86_64,eclipse kepler,jdk 6 测试对象:antlr v4,druid手写sql parser模块 测试过程:分别采用单线程、多线程并发测试。单线程时,比较antlr、druid各自解析1次同一条sql语句的性能;多线程(50线程)时,比较antlr、druid所有线程完成1次同一条sql解析的性能。 测试结果 ...

diefen3773的博客 939

Druid配置大全

【代码】Druid配置大全。

Lxn2zh的博客 909

Druid 安装要求

在本快速开始的内容部分,将向你介绍有关如何开始使用 Apache Druid 和一些相关的基本特性。 当你按照给出的步骤完成操作后,你将能够安装并且运行 Druid 和使用自带的批量数据摄取(ingestion)特性向安装成功的 Druid 实例中导入数据。 当前翻译基于的 Druid 版本为 apache-druid-0.21.1,本页面中的有关下载链接可能会随着版本更新而失效。 请自行根据官方办法的发行进度进行搜索更新和下载。 在开始我们下面的步骤之前,请先阅读Druid 概述和 数据摄取(in..

HONEY MOOSE 393
上一篇: HikariCP
下一篇: DBCP/C3P0
HuiSoul200
博客等级 码龄8年 274粉丝 82原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值