conection和ThreadLocal

本文介绍了一种使用ThreadLocal管理数据库连接的方法,通过在事务中保持连接的线程局部性,实现数据库连接的高效复用和管理。文章详细解释了如何在Java环境中创建和维护与事务相关联的数据库连接,包括获取连接、开启事务、提交或回滚事务以及关闭连接的全过程。

ThreadLocal 与Connection


import lombok.extern.slf4j.Slf4j;

import javax.sql.DataSource;
import java.sql.Connection;
import java.sql.SQLException;
import java.util.ArrayList;

/**
 * @Title: ConnectionManager
 * @ProjectName demo
 * @Description: TODO
 * @Author wangben
 * @Date 2019/7/1- 11:48
 */
@Slf4j
public class ConnectionManager {

    //创建一个私有静态的并且是与事务相关联的局部线程变量
    private static ThreadLocal<Connection> connectionHolder = new ThreadLocal<Connection>();

    /**
     * 获得数据库连接并加入到线程变量中
     * @param dataSource
     * @return
     */
    public static Connection getConnection(DataSource dataSource){
        //获得线程变量connectionHolder的值conn
        Connection conn = connectionHolder.get();
        if (conn == null){
            //如果连接为空,则创建连接,另一个工具类,创建连接
            try {
                conn = dataSource.getConnection();
            }catch (SQLException e){
                log.error("ConnectionManager getConnection error");
            }
            //将局部变量connectionHolder的值设置为conn
            connectionHolder.set(conn);
        }
        return conn;
    }

    /**
     * 关闭连接和从线程变量中删除conn
     */
    public static void closeConnection(){
        //获得线程变量connectionHolder的值conn
        Connection conn = connectionHolder.get();
        if (conn != null){
            try	{
                //关闭连接
                conn.close();
                //从线程局部变量中移除conn,如果没有移除掉,下次还会用这个已经关闭的连接,就会出错
                connectionHolder.remove();
            }catch(SQLException e){
                log.error("ConnectionManager closeConnection error",e);
            }
        }
    }

    /**
     *开启事务,手动开启
     */
    public static void beginTransaction(Connection conn){
        try {
            //如果连接存在,再设置连接,否则会出错
            if (conn != null){
                //默认conn是自动提交,
                if (conn.getAutoCommit()){
                    //关闭自动提交,即是手动开启事务
                    conn.setAutoCommit(false);
                }
            }
        }catch(SQLException e){
           log.error("beginTransaction error",e);
        }
    }

    /**
     * 提交事务
     */
    public static void commitTransaction(Connection conn){
        try{
            if (conn != null){
                if (!conn.getAutoCommit()){
                    conn.commit();
                }
            }
        }catch(SQLException e){
            log.error("commitTransaction" ,e);
        }
    }

    /**
     * 回滚事务
     */
    public static void rollbackTransaction(Connection conn){
        try {
            if (conn != null){
                if(!conn.getAutoCommit()){
                    conn.rollback();
                }
            }
        }catch(SQLException e){
            e.printStackTrace();
        }
    }

   //调用业务逻辑事务管理
public void addFlowCard(FlowCard flowCard)
		Connection conn = null;
		try {
			//从ThreadLocal中取得Connection
			conn = ConnectionManager.getConnection();

				//手动控制事务提交
				ConnectionManager.beginTransaction(conn);

			//添加流向单主信息
			flowCardDao.addFlowCardMaster(flowCardVouNo, flowCard);

			//添加流向单明细信息
			flowCardDao.addFlowCardDetail(flowCardVouNo, flowCard.getFlowCardDetailList());

			if (!conn.getAutoCommit()) {
				//提交事务
				ConnectionManager.commitTransaction(conn);
			}
		}catch(Exception e) {
			e.printStackTrace();
			if (!conn.getAutoCommit()) {
				//回滚事务
				ConnectionManager.rollbackTransaction(conn);
			}
			throw new ApplicationException("操作失败!");
		}finally {
			ConnectionManager.closeConnection();
		}
	}


}

end

【电能质量扰动】基于MLDWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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