使用Spring管理数据源连接池

C3P0 数据源配置详解
不管通过何种持久化技术,都必须通过数据连接访问数据库,在Spring中,数据连接是通过数据源获得的。在以往的应用中,数据源一般是 Web应用服务器提供的。在Spring中,你不但可以通过JNDI获取应用服务器的数据源,也可以直接在Spring容器中配置数据源,此外,你还可以通过代码的方式创建一个数据源,以便进行无依赖的单元测试
配置一个数据源

    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。在此重点讲讲C3P0的配置:此后会更新DBCP。

<c3p0-config> 
  <default-config> 
  <!--当连接池中的连接耗尽的时候c3p0一次同时获取的连接数。Default: 3 --> 
  <property name="acquireIncrement">3</property> 
  <!--定义在从数据库获取新连接失败后重复尝试的次数。Default: 30 --> 
  <property name="acquireRetryAttempts">30</property> 
  <!--两次连接中间隔时间,单位毫秒。Default: 1000 --> 
  <property name="acquireRetryDelay">1000</property> 
  <!--连接关闭时默认将所有未提交的操作回滚。Default: false --> 
  <property name="autoCommitOnClose">false</property> 
  <!--c3p0将建一张名为Test的空表,并使用其自带的查询语句进行测试。如果定义了这个参数那么 
  属性preferredTestQuery将被忽略。你不能在这张Test表上进行任何操作,它将只供c3p0测试 
  使用。Default: null--> 
  <property name="automaticTestTable">Test</property> 
  <!--获取连接失败将会引起所有等待连接池来获取连接的线程抛出异常。但是数据源仍有效 
  保留,并在下次调用getConnection()的时候继续尝试获取连接。如果设为true,那么在尝试 
  获取连接失败后该数据源将申明已断开并永久关闭。Default: false--> 
  <property name="breakAfterAcquireFailure">false</property> 
  <!--当连接池用完时客户端调用getConnection()后等待获取新连接的时间,超时后将抛出 
  SQLException,如设为0则无限期等待。单位毫秒。Default: 0 --> 
  <property name="checkoutTimeout">100</property> 
  <!--通过实现ConnectionTester或QueryConnectionTester的类来测试连接。类名需制定全路径。 
  Default: com.mchange.v2.c3p0.impl.DefaultConnectionTester--> 
  <property name="connectionTesterClassName"></property> 
  <!--指定c3p0 libraries的路径,如果(通常都是这样)在本地即可获得那么无需设置,默认null即可 
  Default: null--> 
  <property name="factoryClassLocation">null</property> 
  <!--Strongly disrecommended. Setting this to true may lead to subtle and bizarre bugs. 
  (文档原文)作者强烈建议不使用的一个属性--> 
  <property name="forceIgnoreUnresolvedTransactions">false</property> 
  <!--每60秒检查所有连接池中的空闲连接。Default: 0 --> 
  <property name="idleConnectionTestPeriod">60</property> 
  <!--初始化时获取三个连接,取值应在minPoolSize与maxPoolSize之间。Default: 3 --> 
  <property name="initialPoolSize">3</property> 
  <!--最大空闲时间,60秒内未使用则连接被丢弃。若为0则永不丢弃。Default: 0 --> 
  <property name="maxIdleTime">60</property> 
  <!--连接池中保留的最大连接数。Default: 15 --> 
  <property name="maxPoolSize">15</property> 
  <!--JDBC的标准参数,用以控制数据源内加载的PreparedStatements数量。但由于预缓存的statements 
  属于单个connection而不是整个连接池。所以设置这个参数需要考虑到多方面的因素。 
  如果maxStatements与maxStatementsPerConnection均为0,则缓存被关闭。Default: 0--> 
  <property name="maxStatements">100</property> 
  <!--maxStatementsPerConnection定义了连接池内单个连接所拥有的最大缓存statements数。Default: 0 --> 
  <property name="maxStatementsPerConnection"></property> 
  <!--c3p0是异步操作的,缓慢的JDBC操作通过帮助进程完成。扩展这些操作可以有效的提升性能 
  通过多线程实现多个操作同时被执行。Default: 3--> 
  <property name="numHelperThreads">3</property> 
  <!--当用户调用getConnection()时使root用户成为去获取连接的用户。主要用于连接池连接非c3p0 
  的数据源时。Default: null--> 
  <property name="overrideDefaultUser">root</property> 
  <!--与overrideDefaultUser参数对应使用的一个参数。Default: null--> 
  <property name="overrideDefaultPassword">password</property> 
  <!--密码。Default: null--> 
  <property name="password"></property> 
  <!--定义所有连接测试都执行的测试语句。在使用连接测试的情况下这个一显著提高测试速度。注意: 
  测试的表必须在初始数据源的时候就存在。Default: null--> 
  <property name="preferredTestQuery">select id from test where id=1</property> 
  <!--用户修改系统配置参数执行前最多等待300秒。Default: 300 --> 
  <property name="propertyCycle">300</property> 
  <!--因性能消耗大请只在需要的时候使用它。如果设为true那么在每个connection提交的 
  时候都将校验其有效性。建议使用idleConnectionTestPeriod或automaticTestTable 
  等方法来提升连接测试的性能。Default: false --> 
  <property name="testConnectionOnCheckout">false</property> 
  <!--如果设为true那么在取得连接的同时将校验连接的有效性。Default: false --> 
  <property name="testConnectionOnCheckin">true</property> 
  <!--用户名。Default: null--> 
  <property name="user">root</property> 
  在Hibernate(spring管理)中的配置: 
  <bean id="dataSource" class="com.mchange.v2.c3p0.ComboPooledDataSource" destroy-method="close"> 
  <property name="driverClass"><value>oracle.jdbc.driver.OracleDriver</value></property> 
  <property name="jdbcUrl"><value>jdbc:oracle:thin:@localhost:1521:Test</value></property> 
  <property name="user"><value>Kay</value></property> 
  <property name="password"><value>root</value></property> 
  <!--连接池中保留的最小连接数。--> 
  <property name="minPoolSize" value="10" /> 
  <!--连接池中保留的最大连接数。Default: 15 --> 
  <property name="maxPoolSize" value="100" /> 
  <!--最大空闲时间,1800秒内未使用则连接被丢弃。若为0则永不丢弃。Default: 0 --> 
  <property name="maxIdleTime" value="1800" /> 
  <!--当连接池中的连接耗尽的时候c3p0一次同时获取的连接数。Default: 3 --> 
  <property name="acquireIncrement" value="3" /> 
  <property name="maxStatements" value="1000" /> 
  <property name="initialPoolSize" value="10" /> 
  <!--每60秒检查所有连接池中的空闲连接。Default: 0 --> 
  <property name="idleConnectionTestPeriod" value="60" /> 
  <!--定义在从数据库获取新连接失败后重复尝试的次数。Default: 30 --> 
  <property name="acquireRetryAttempts" value="30" /> 
  <property name="breakAfterAcquireFailure" value="true" /> 
  <property name="testConnectionOnCheckout" value="false" /> 
  </bean>

-----------------------------------程序员 闫帆原创---------------------------------------

转载请注明原创人信息  程序员 闫帆yanfanvip

http://blog.youkuaiyun.com/yanfan0916/article/details/7670233

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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