DBCP/C3P0

GD32H7系列SRAM优化配置实战指南 本文详细解析了GD32H7系列MCU的SRAM架构,包括ITCM、DTCM、AXI SRAM等关键内存区域的特点与性能差异。通过实战指南,指导开发者如何通过配置寄存器和链接脚本,优化内存布局以提升系统性能,并重点探讨了DMA操作与CPU缓存一致性的解决方案,帮助充分发挥GD32H7的高性能潜力。 阅读详情

DBCP vs C3P0 数据库连接池对比

数据库连接池(如DBCP和C3P0)是Java应用中管理数据库连接的核心技术,它们通过复用连接来提升性能和资源利用率。基于您的查询,我将逐步对比DBCP(Database Connection Pool)和C3P0这两个主流连接池,从概述、特性、优缺点到使用场景进行详细分析。回答参考了站内提供的引用内容,确保信息真实可靠。

1. 数据库连接池概述
  • 数据库连接池基于javax.sql.DataSource接口实现,它充当连接工厂,减少频繁创建和销毁连接的开销。
  • 核心工作流程:应用启动时初始化连接池;获取连接时从池中取出;使用后通过conn.close()归还连接,而非真正关闭物理连接。
  • 重要性:提升数据库访问速度,防止资源耗尽,尤其在高并发场景中。
2. DBCP概述
  • 定义:DBCP(Database Connection Pool)是Apache提供的开源连接池,Tomcat服务器默认集成,适合轻量级应用。
  • 特点:
    • 性能:速度较快,连接获取效率高。
    • 稳定性:存在已知BUG,可能导致连接泄漏或不稳定,Hibernate 3已不再支持。
    • 配置简单:支持基本参数如driverClassName、url、username、password,易于快速集成。
  • 优点:
    • 与Tomcat无缝集成,适合Web容器环境。
    • 资源消耗低,启动速度快。
  • 缺点:
    • 稳定性问题,在高负载下易出故障。
    • 功能较少,缺乏高级监控和优化特性。
  • 使用场景:适合小型到中型应用、测试环境或对性能要求高但对稳定性容忍度较高的场景。
3. C3P0概述
  • 定义:C3P0是开源JDBC连接池,由社区维护,Spring和Hibernate框架广泛支持。
  • 特点:
    • 性能:速度相对较慢,但连接管理更稳健。
    • 稳定性:高可靠性,适合长期运行的生产环境,Hibernate官方推荐。
    • 高级功能:支持连接池大小调整(如initialPoolSize和maxPoolSize)、连接测试和超时控制,减少资源泄漏风险。
  • 优点:
    • 配置参数丰富,例如driverClass、jdbcUrl、user、password,支持动态调整。
    • 提供连接池状态监控,便于故障排查。
  • 缺点:
    • 初始化和响应速度较慢,可能影响启动时间。
    • 资源占用较高,不适合内存受限的环境。
  • 使用场景:适合企业级应用、生产环境或需要高稳定性的框架(如Spring、Hibernate)。
4. DBCP vs C3P0 直接对比
特性DBCPC3P0
性能速度快,连接获取高效速度慢,但稳定可靠
稳定性较低,存在BUG风险高,Hibernate官方推荐
功能基础功能,缺乏监控高级功能多(如连接测试、池大小调整)
社区支持Apache维护,Tomcat集成开源社区支持,框架兼容性好
配置难度简单,适合快速上手较复杂,参数较多(如initialPoolSize)
资源占用低,轻量级高,内存消耗较大
适用场景小型应用、测试环境、Tomcat项目大型应用、生产环境、框架集成项目
  • 关键差异总结:
    • DBCP在性能上占优,但稳定性是短板,适合对速度敏感但能接受偶尔故障的环境。
    • C3P0以稳定性为核心,牺牲部分速度,适合关键业务系统。
    • 两者都通过DataSource接口实现连接管理,但C3P0提供了更全面的错误处理机制。
5. 结论
  • 选择建议:
    • 如果您的应用是小型Web项目(如使用Tomcat),且追求快速响应,优先考虑DBCP。
    • 如果应用是大型企业系统(如基于Spring或Hibernate),需要高可靠性和监控功能,C3P0是更优选择。
    • 现代替代方案:如阿里Druid连接池,结合了DBCP的速度和C3P0的稳定性,但需根据具体需求评估。
  • 最佳实践:无论选择哪个,确保配置参数合理(如连接池大小),并定期监控连接状态,以避免资源泄漏。
思维导图

在这里插入图片描述


DBCP与C3P0技术原理深度解析

本文将从技术原理、核心算法、数据结构、架构功能图、核心组件和代码实现六个维度对比分析DBCP和C3P0连接池。引用内容已整合到分析中。

一、技术原理与核心算法

1. DBCP (Database Connection Pool)

  • 原理:基于Apache Commons Pool对象池化技术
  • 核心算法:
    是
    否
    是
    否
    请求连接
    空闲连接存在?
    分配空闲连接
    连接数
    创建新连接
    等待或抛异常
    标记为活跃连接
    执行SQL
    归还连接
    重置连接状态
    返回空闲队列
  • 连接泄漏处理:通过removeAbandonedTimeout参数自动回收超时未归还的连接

2. C3P0

  • 原理:基于多层连接池管理架构
  • 核心算法:
    是
    否
    是
    否
    请求连接
    主连接池
    连接可用?
    分配连接
    检查备用池
    备用池资源?
    扩容主池
    等待/新建
    执行心跳检测
    执行SQL
  • 心跳机制:通过preferredTestQuery定期验证连接活性(如SELECT 1)
二、数据结构对比
组件DBCPC3P0
连接存储LinkedList<PoolableConnection>ConcurrentLinkedQueue<PooledConnection>
活跃连接管理IdentityHashMap<Connection, Long>WeakHashMap<Connection, Timestamp>
空闲队列双端队列(Deque)优先级队列(PriorityQueue)
锁机制ReentrantLockStampedLock(乐观读锁优化)
三、架构功能图

DBCP架构:

DBCP
GenericObjectPool
BasicDataSource
PoolableConnectionFactory
Raw JDBC Connection

C3P0架构:

C3P0
ManagedPool
ComboPooledDataSource
ConnectionPool
DriverManagerDataSource
Raw JDBC Connection
四、核心组件功能

DBCP核心组件:

  1. BasicDataSource:主入口类,配置连接参数
  2. GenericObjectPool:实现对象池化管理
  3. PoolableConnection:包装原生连接,添加状态跟踪

C3P0核心组件:

  1. ComboPooledDataSource:支持JDBC属性动态加载
  2. PoolBackedDataSource:处理连接池故障转移
  3. C3P0PooledConnection:内置心跳检测线程
五、优缺点对比
维度DBCPC3P0
性能⭐⭐⭐⭐️ 轻量级,获取连接快⭐⭐⭐ 初始化较慢
稳定性⭐⭐ 存在连接泄漏BUG⭐⭐⭐⭐ 生产环境验证可靠
功能完整性⭐⭐ 基础功能⭐⭐⭐⭐ 支持连接测试/池动态调整
内存消耗⭐⭐⭐⭐ 低占用⭐⭐ 高内存消耗
适用场景Tomcat嵌入式/测试环境Spring/Hibernate生产环境
六、Java代码实现(含注释)

DBCP连接池配置:

import org.apache.commons.dbcp2.BasicDataSource;

public class DBCPDemo {
    public static void main(String[] args) {
        // 1. 创建数据源实例
        BasicDataSource ds = new BasicDataSource();
        
        // 2. 配置核心参数
        ds.setDriverClassName("oracle.jdbc.driver.OracleDriver"); // 数据库驱动
        ds.setUrl("jdbc:oracle:thin:@localhost:1521:ORCL");       // 连接URL
        ds.setUsername("scott");
        ds.setPassword("tiger");
        ds.setInitialSize(5);     // 初始连接数
        ds.setMaxTotal(20);        // 最大连接数
        ds.setMaxWaitMillis(3000); // 获取连接超时时间(ms)
        
        // 3. 防泄漏配置
        ds.setRemoveAbandonedOnBorrow(true);         // 借用时检查泄漏
        ds.setRemoveAbandonedTimeout(60);            // 60秒未归还视为泄漏
        
        // 4. 获取连接
        try (Connection conn = ds.getConnection()) {
            // 执行SQL操作...
            Statement stmt = conn.createStatement();
            ResultSet rs = stmt.executeQuery("SELECT * FROM emp");
            while (rs.next()) {
                System.out.println(rs.getString("ename"));
            }
        } // try-with-resources自动归还连接
    }
}

C3P0连接池配置:

import com.mchange.v2.c3p0.ComboPooledDataSource;

public class C3P0Demo {
    public static void main(String[] args) {
        // 1. 创建数据源(支持命名配置)
        ComboPooledDataSource cpds = new ComboPooledDataSource();
        
        try {
            // 2. 动态加载JDBC驱动
            cpds.setDriverClass("oracle.jdbc.driver.OracleDriver"); 
            cpds.setJdbcUrl("jdbc:oracle:thin:@localhost:1521:ORCL");
            cpds.setUser("scott");
            cpds.setPassword("tiger");
            
            // 3. 高级配置
            cpds.setInitialPoolSize(3);                 // 初始连接数
            cpds.setMaxPoolSize(20);                    // 最大连接数
            cpds.setCheckoutTimeout(3000);              // 获取连接超时
            cpds.setTestConnectionOnCheckout(true);     // 借出时验证连接
            cpds.setPreferredTestQuery("SELECT 1 FROM DUAL"); // 心跳语句
            
            // 4. 连接有效期控制
            cpds.setMaxIdleTime(1800);     // 空闲30分钟自动关闭
            cpds.setMaxConnectionAge(3600); // 连接存活最长1小时
            
            // 5. 获取连接
            try (Connection conn = cpds.getConnection()) {
                PreparedStatement ps = conn.prepareStatement(
                    "INSERT INTO dept(deptno, dname) VALUES(?, ?)"
                );
                ps.setInt(1, 50);
                ps.setString(2, "DEVELOPMENT");
                ps.executeUpdate();
            } // 自动归还连接
        } catch (PropertyVetoException | SQLException e) {
            e.printStackTrace();
        } finally {
            cpds.close(); // 关闭连接池
        }
    }
}

关键结论

  1. DBCP适用场景:资源受限环境、Tomcat嵌入式部署
  2. C3P0优势场景:
    • 需要高稳定性(如金融系统)
    • 动态连接池调整需求
    • 与Spring/Hibernate框架深度集成
  3. 技术选型建议:
    graph LR
        A[需求类型] --> B{并发量<100?}
        B -->|是| C[选择DBCP]
        B -->|否| D{需要高级监控?}
        D -->|是| E[选择C3P0]
        D -->|否| F[考虑HikariCP]
    

注:现代项目推荐使用 HikariCP(性能优于两者),但遗留系统仍需理解DBCP/C3P0机制。

思维导图

在这里插入图片描述


数据库连接池深度解析与配置指南

根据引用内容和用户需求,从配置、性能、监控等维度全面分析主流连接池,重点解决DBCP和C3P0相关问题。


一、Tomcat中配置DBCP连接池

配置步骤:

  1. 在context.xml中添加资源配置:
<Resource name="jdbc/mydb"
          auth="Container"
          type="javax.sql.DataSource"
          factory="org.apache.tomcat.dbcp.dbcp2.BasicDataSourceFactory"
          driverClassName="com.mysql.cj.jdbc.Driver"
          url="jdbc:mysql://localhost:3306/mydb"
          username="root"
          password="123456"
          initialSize="5"
          maxTotal="20"
          maxIdle="10"
          minIdle="3"
          maxWaitMillis="5000"
          validationQuery="SELECT 1"
          testOnBorrow="true" />
  1. 在Web应用中使用:
Context ctx = new InitialContext();
DataSource ds = (DataSource) ctx.lookup("java:/comp/env/jdbc/mydb");
try (Connection conn = ds.getConnection()) {
    // 执行SQL操作
}

二、C3P0连接池核心参数与优化

常用参数:

参数默认值说明优化建议
initialPoolSize3初始连接数=并发线程数×0.5
minPoolSize3最小连接数≥业务低谷期并发量
maxPoolSize15最大连接数≤数据库max_connections×0.8
acquireIncrement3连接不足时增量=max(2, maxPoolSize×0.1)
maxIdleTime0空闲超时(秒)300~600秒
checkoutTimeout0获取连接超时(ms)3000~5000ms

性能优化配置:

ComboPooledDataSource cpds = new ComboPooledDataSource();
cpds.setMinPoolSize(5);  // 避免频繁创建连接
cpds.setMaxPoolSize(50); // 根据DB配置调整
cpds.setAcquireRetryAttempts(3); // 网络闪断重试
cpds.setBreakAfterAcquireFailure(false); // 失败后继续服务
cpds.setTestConnectionOnCheckin(true);  // 归还时检测
cpds.setIdleConnectionTestPeriod(60);   // 每60秒检测空闲连接

三、Druid对比优势
特性DBCPC3P0Druid优势
监控能力基础JMX有限SQL防火墙/URI监控/Web监控台
性能中等较差接近HikariCP(引用)
防SQL注入××内置WallFilter
加密支持××配置参数加密
诊断支持××连接泄漏检测日志

四、DBCP连接池泄漏解决方案

根本原因:

  1. 未调用connection.close()
  2. 事务未提交/回滚导致长占用
  3. 连接借出后未归还(线程异常终止)

解决方案:

BasicDataSource ds = new BasicDataSource();
// 启用泄漏检测(单位:秒)
ds.setRemoveAbandonedOnBorrow(true);
ds.setRemoveAbandonedTimeout(30); 
ds.setLogAbandoned(true); // 输出泄漏堆栈

// 代码层面强制归还
try (Connection conn = ds.getConnection()) {
    // 业务代码
} // 自动调用close()

五、C3P0心跳检测机制

故障恢复流程:

应用程序C3P0连接池数据库请求连接发送心跳(SELECT 1)响应成功返回可用连接无响应(超时)标记连接失效创建新连接替换返回新连接alt[连接正常][网络故障]应用程序C3P0连接池数据库

关键配置:

cpds.setTestConnectionOnCheckout(true); // 借出时检测
cpds.setPreferredTestQuery("/* ping */ SELECT 1"); // 轻量级心跳
cpds.setTestConnectionOnCheckin(true);  // 归还时二次验证

六、Spring Boot集成C3P0

步骤:

  1. 添加依赖:
<dependency>
    <groupId>com.mchange</groupId>
    <artifactId>c3p0</artifactId>
    <version>0.9.5.5</version>
</dependency>
  1. 配置application.yml:
spring:
  datasource:
    driver-class-name: com.mysql.cj.jdbc.Driver
    url: jdbc:mysql://localhost:3306/mydb
    username: root
    password: 123456
    type: com.mchange.v2.c3p0.ComboPooledDataSource
    # C3P0专有参数
    c3p0:
      min-size: 5
      max-size: 50
      acquire-increment: 3
      max-idle-time: 600
      checkout-timeout: 3000
  1. 监控端点(可选):
@Bean
public C3P0RegistryMXBean c3p0RegistryMXBean() {
    return C3P0Registry.sharedInstance();
}

七、DBCP核心参数
参数说明推荐值
initialSize初始连接数5~10
maxTotal最大活动连接50~100
maxIdle最大空闲连接20~30
minIdle最小空闲连接5~10
maxWaitMillis获取连接超时3000~5000ms
testOnBorrow借出时验证true
validationQuery验证SQLSELECT 1

八、C3P0监控机制

监控方式:

  1. JMX监控:

    MBeanServer mbs = ManagementFactory.getPlatformMBeanServer();
    ObjectName poolName = new ObjectName("com.mchange.v2.c3p0:type=PooledDataSource,name=*");
    // 获取连接数: num_connections
    // 活动连接: num_busy_connections
    
  2. 日志监控:

    # log4j.properties
    log4j.logger.com.mchange.v2.c3p0=DEBUG
    
  3. Web控制台(需扩展):
    外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传
    监控连接状态/泄漏/等待队列


九、HikariCP对比劣势

根据引用性能测试结果:

DBCP/C3P0主要劣势:

维度DBCPC3P0HikariCP优势
性能中等差并发越高差距越大
内存占用12MB18MB6MB(轻量60%)
并发控制悲观锁混合锁乐观锁+无锁队列
连接获取3.2ms8.5ms0.8ms(快4~10倍)
现代框架兼容性差需手动集成Spring Boot默认

引用明确建议:新项目首选HikariCP,遗留系统用Druid/DBCP,避免使用C3P0


总结建议
  1. Tomcat环境:优先使用内置DBCP(配置简单)
  2. 传统项目迁移:DBCP > C3P0(更稳定)
  3. 监控需求强:Druid(Web控制台+SQL监控)
  4. 高性能场景:必须用HikariCP(Spring Boot默认)
  5. C3P0适用场景:仅限需兼容旧配置的遗留系统

配置示例完整代码已在前文提供,实际使用请根据数据库参数调整连接池大小。

思维导图

在这里插入图片描述

ros_gz_bridge__镜像__readme Run。 阅读详情

相关推荐

告别手动打点计时:用Lauterbach TRACE32的RunTime功能,5分钟搞定嵌入式代码段性能分析

本文深入解析了Lauterbach TRACE32的RunTime功能在嵌入式代码性能分析中的革命性应用。通过硬件级计时原理和非侵入式设计,该功能能快速精确测量代码执行时间,显著提升开发效率,特别适用于汽车电子和工业控制领域。文章还提供了从基础设置到高级分析的完整实战指南,帮助工程师轻松掌握这一强大工具。

weixin_30615767的博客 281

Java连接池优化 DBCP/C3P0

DBCP   导包:commons-dbcp-1.4.jar  commons-pool-1.5.6.jar privatestatic DataSource(BasicDataSource) ds = new BasicDataSource();   只有使用BasicDataSource对象才能调用下列的方法         *ds.setUrl(myUrl);

wenp03的博客 439

Latex | IEEE双栏排版中长公式的排版

IEEE双栏排版中,有时候公式过于长了,过宽,导致单栏排版不下。

qq_43466146的博客 1万+

Spring配置数据源(dbcp/c3p0/jndi)

Spring在第三方依赖包中包含了两个数据源的实现类包,其一是Apache的DBCP,其二是 C3P0。 可以在Spring配置文件中利用这两者中任何一个配置数据源。    DBCP数据源      DBCP类包位于 /lib/jakarta-commons/commons-dbcp.jar, DBCP是一个依赖 Jakarta commons-pool对象池机制

零度的博客专栏 1117

从零到一:YOLOv11高帧率模型在RDK X5上的ONNX转换与部署实战

本文详细介绍了将最新的YOLOv11高帧率模型部署到地平线RDK X5开发板的完整实战流程。内容涵盖从PyTorch模型导出ONNX、地平线工具链环境配置与模型量化编译,到编写高效的板端推理代码,并针对高帧率目标进行了后处理优化。通过实战避坑指南,帮助开发者在RDK X5上实现30FPS以上的实时目标检测。

weixin_29089057的博客 144

#systemverilog# 之 event region 和 timeslot 仿真调度(三)Verdi 辅助查看

通过今天的学习,我们知道:event region 是event sequence 的全集。我们打开了 event region feature 也就开启了event sequence 的功能。

那么菜的博客 1368

spring c3p0/dbcp等数据库连接池配置

spring c3p0/dbcp等数据库连接池配置 Spring_c3p0 配置详解   http://www.springframework.org/schema/beans"      xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"      xmlns:jee="http://www.spr

dsghre的专栏 891

论文分栏前后内容不连续?教你word如何删除分节符

问题 当我们在写论文的时候,很多期刊的模板都是两栏的格式,但有的时候我们插入的图像尺寸可能太大,两栏格式放不下,因此需要将其以一栏的格式出入,如下: 但当我们把图片删除后,再将其转换成两栏格式,前后内容就出现不连续的情况: 正常情况下应该是如下: 正确处理方式 里面有个分页符,把分页符去掉,或者把你的文字全部复制到记事本里,然后重新复制回word就可以取消原有的格式了。 删除分节符的方法(以word 2019为例) -点击菜单栏上的“视图”,点击“大纲视图”。 可以看到word文档以整列的形式展开:

左手の明天的博客 1万+

常用数据库连接池dbcp/c3p0/druid

数据库连接的建立和关闭是极耗费系统资源的操作,频繁的打开、关闭连接,将造成系统性能下降。数据库连接池的解决方案是:当应用程序启动时,系统主动建立足够的数据库连接,并将这些连接组成一个连接池。每次应用程序请求数据库连接时,无需重新打开连接,而是从连接池中取出已有的连接使用,使用完不再关闭数据库连接,而是直接将连接归还给连接池。 jdbc的数据库连接池使用java.sql.DataSource来表示...

越自律越自由 889

华为OD机试新系统真题 【LLM推理批次最大化】

华为OD机试 新系统真题【LLM推理批次最大化】,提供C语言、Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解,以及在线OJ模拟做题。华为OD机试真题【LLM推理批次最大化】多语言题解。

qq_45776114的博客 574

【毕业设计】基于雷达与深度学习的摔倒检测——雷达数据集处理

雷达原始数据是时域非平稳信号,快速傅里叶变换(Fast Fourier Transformation, FFT)不能很好地提取微多普勒效应的模式特征。因此短时傅里叶变换(Short Time Fourier Transformation, STFT)被应用于雷达信号的时频谱分析。本文主要介绍雷达数据集的预处理过程,包括时频谱图的中值滤波与 SVD 分解。

洋洋Young的博客 1809

Spring4 JDBC模板的使用(内置的连接池/DBCP/C3P0)

1 创建web项目,并导入jar包(spring 4个 +数据库连接驱动1个 + jdbc模板 + 事务tx+【连接池jar】)暂时不添加使用AOP相应的包 2 创建数据库和表 create database spring4_day03; use spring4_day03; create table account( id int primary key auto_increment...

23号员工的博客 288

通信原理 | python调制识别数据及代码

数据集包含了从-20dB 到+18dB 总共 20 个信噪比(步长为 2)下的 11 种调制信号, 包括 AM-DSB、 AM-SSB 和 WBFM 三种模拟调制信号,以及 BPSK、 QPSK、 8PSK、 CPFSK、 GFSK、 PAM4、 QAM16 和 QAM64 八种数字调制信号。其中信号的中心频率为 200KHz,采样频率为 1Msamp/s,且每个信噪比下每种调制信号包含 1000 个信号。其中每个信号包含 IQ 两路数据,且每一路数据都包含有 128 个采样点。

若北辰 1758

java工程连接数据库(数据源dbcp/c3p0)

java项目的数据源连接数据库的使用(dbcp/c3p0)

七子笑的weBLOG 512

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

数据库连接池几种实现方法(DBCP/C3P0)

数据库连接池每次运行时,只初始化一次。Connection 对象进行 close 时并不是真的关闭,而是将连接归还给数据库连接池。一、DBCP方式(使用jar包:classes12.jar   commons-dbcp-1.2.2.jar   commons-pool.jar)1、正常调用参数方式:@Test public void dbcpTest(){ try { BasicDa...

qq_26602277的博客 437

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

数据库连接池c3p0/dbcp

开源数据库连接池: 一、DBCP: 方式1: BasicDataSource source = new BasicDataSource(); source.setDriverClassName("com.mysql.jdbc.Driver"); source.setUrl("jdbc:mysql:///datasource"); source.setUsername("root");

Before_Morning的专栏 532

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。

c3p0,DBcp,Druid三大连接池的区别/性能【面试+工作】

先来点实用的: <!-- 配置dbcp数据源 --> <bean id="dataSource2" destroy-method="close" class="org.apache.commons.dbcp.BasicDataSource"> <property name="driverClassName" value="${j...

qq_39809613的博客 1936

JAVA 入门学习之路-数据源/连接池-DBCP和C3P0。

一、DBCP:先将需要用到的jar包放到自己项目lib目录,如果没有,请先下载DBCP需要的jar包。commons-dbcp.jarcommons-pool.jarsrc目录下创建 dbcpconfig.properties 配置文件:#连接设置 driverClassName=com.mysql.jdbc.Driver url=jdbc:mysql://localhost/fisherman u

peakchao 9514

【JDBC笔记】第三方连接池:DBCP/C3P0

JDBC第三方连接连接池 一.连接池 1.概述: 管理数据库的连接.存放多个连接对象的容器,因为,我们没获取一次连接对象,底层会很耗费资源,那连接池,能够高效的管理连接对象。 2.作用: 提高项目的性能. 在连接池初始化的时候存入一定数量的连接,用的时候通过方法获取,不用的时候归还连接即可. 3.常见连接池: DBCP C3P0 二.DBCP 1.概述:

fanfan_yang的博客 467

万字长文深入浅出数据库连接池 HikariCP/Commons DBCP/Tomcat/c3p0/druid 对比

数据库连接池在日常开发中几乎是必备的技能,但是很多知识大多比较零散。这里老马为大家简单做一个汇总,便于查阅学习。许多Apache项目支持与关系型数据库进行交互。为每个用户创建一个新连接可能很耗时(通常需要多秒钟的时钟时间),以执行可能需要毫秒级时间的数据库事务。对于一个公开托管在互联网上的应用程序,在同时在线用户数量可能非常大的情况下,为每个用户打开一个连接可能是不可行的。因此,开发人员通常希望在所有当前应用程序用户之间共享一组“池化”的打开连接。

1943

dbcp/c3p0连接池设置mysql会话变量

我们有几个计算风控值的定时任务,几乎每隔5秒会更新所有账户的当前总资产并以此通知风控,每隔一小时就产生一两个G的binlog,几十台服务器折腾。。数据库是公用的,代码是通过工具自动生成的,直接修改流程和周期太长了,故最后决定在jdbc连接时设置会话参数。 dbcp:connectionInitSqls set @@session.sql_bin_log = 0,如果多个的话,则使用list格式。...

weixin_34347651的博客 200

数据连接池C3P0/DBCP/DRUID/自定义连接池

1.C3P0连接池 快速入门官网 https://www.mchange.com/projects/c3p0/#quickstart <dependency> <groupId>com.mchange</groupId> <artifactId>c3p0</artifactId> <versio...

weixin_33841722的博客 188

jdbc连接池c3p0/dbcp强制连接超过设置时间后失效

通常来说,各种技术实现的优化参数或者选项或者歪门邪道之所以能被想出来,通常是因为开发者或者实现的贡献者曾经遇到过导致此结果的问题,所以才出了对应的策略选项。 在有些情况下,比如存在客户端或者服务端连接级别内存泄漏或者资源不释放,但是在较短的周期内无法解决的时候亦或是从经济角度或其他角度我们不愿意更改和修复的时候,公司当前版本的某个关键性产品就存在这么个问题,因为在存储过程中使用了不计其数的pre...

weixin_30731287的博客 155

【java】数据库连接池(C3P0/DBCP)的简单的应用

文章目录一、C3P01、简介:2、准备:3、步骤:3-1)导入上面的两个jar,并将jar 包build path。3-2)设置配置文件4、c3p0的工具类二、DBCP1、简介:2、准备:3、步骤:3-1)导入上面的jar,并将jar 包build path。3-2)设置配置文件 一、C3P0 前言:连接池的作用详见:https://blog.youkuaiyun.com/aiming66/article/d...

程金鹏(程利鹏) 548

dbcp连接池配置mysql_dbcp/c3p0连接池设置mysql会话变量

我们有几个计算风控值的定时任务,几乎每隔5秒会更新所有账户的当前总资产并以此通知风控,每隔一小时就产生一两个G的binlog,几十台服务器折腾。。数据库是公用的,代码是通过工具自动生成的,直接修改流程和周期太长了,故最后决定在jdbc连接时设置会话参数。dbcp:connectionInitSqlsset @@session.sql_bin_log = 0,如果多个的话,则使用list格式。如下...

weixin_34410564的博客 189

Hibernate的三种连接池设置C3P0、dbcp和Proxool 来自http://blog.youkuaiyun.com/panxuan/archive/2007/...

Hibernate的三种连接池设置C3P0、dbcp和Proxool org.gjt.mm.mysql.Driver jdbc:mysql://localhost:3306/struts?useUnicode=true&characterEncoding=GBK root 8888 上面的一段配置,在c3p0和dbcp中,都是必需的,因为hibernate会根据上述的...

iteye_16373的博客 153
上一篇: Druid
下一篇: Memcached
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