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
-
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:
当流量高峰时连接数可达上限,空闲时自动回收至druid.maxActive=10 # 最大连接数 druid.minIdle=6 # 最小空闲连接数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。
- 动态调整连接数:支持设置最大活跃连接数(
-
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。
-
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
- 引入依赖(
pom.xml):<dependency> <groupId>com.alibaba</groupId> <artifactId>druid-spring-boot-starter</artifactId> <version>1.2.16</version> </dependency> - 配置数据库连接(
application.yml):
完整参数见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

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:
-
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
- 使用
-
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)
- 基于令牌桶算法控制最大连接数(
-
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=1nTi
- 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
-
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
-
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:
- 集成监控统计,支持 Web 页面实时查看
- 内置 SQL 防火墙防止注入攻击
- 支持连接泄漏检测(
removeAbandoned=true) - 扩展性强,可通过 Filter 链自定义功能
缺点:
- 配置参数较多(30+),学习曲线陡峭
- 监控功能开启时轻微性能损耗(约3-5%)
- 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

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
- 访问监控面板:
http://host:port/druid/sql.html - 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
- 定位执行耗时 >
- 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
- 添加缺失索引(尤其关注
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
- 设置原则:
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
- 暴露指标:启用 Druid 的
StatFilter - 采集配置(Prometheus):
scrape_configs: - job_name: 'druid' static_configs: - targets: ['service1:port', 'service2:port'] - 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
- 排除自动配置:
@SpringBootApplication(exclude = DataSourceAutoConfiguration.class) - 主数据源配置:
@Bean @ConfigurationProperties("spring.datasource.master") public DataSource masterDataSource() { return DruidDataSourceBuilder.create().build(); } - 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; } - 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:
- 后台线程周期性扫描活跃连接
- 标记超过
remove-abandoned-timeout未关闭的连接 - 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 |
maxWait | 1000-3000ms | 避免线程阻塞导致雪崩 |
timeBetweenEvictionRunsMillis | 30000ms | 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 |
poolPreparedStatements | false | MySQL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

6355



被折叠的 条评论
为什么被折叠?



