一: 选择合适的JDBC 驱动程序模式,并作为程序设计的考虑因素之一
到目前为止,JDBC驱动程序有4种模式。选择何种模式主要取决于程序的应用范围。正确选择合适的模式,使之符合于数据库程序的设计,是提高程序性能必须考虑的一个方面。这里,我们给出JDBC驱动程序的4种模式的简要说明:
模式
|
层
|
工作机制
|
说 明
|
1
|
2
|
JDBC-ODBC
桥
|
把
JDBC
操作翻译成对应的
ODBC
调用。
|
2
|
2
|
本机
API/
集团式
Java
驱动
|
把
JDBC
操作翻译成针对特定数据库的调用。
|
3
|
3
|
网络协议
/
全
Java
驱动
|
把
JDBC
操作翻译成网络协议并转发给中间层服务器。
|
4
|
2
|
本级协议
/
全
Java
驱动
|
把
JDBC
操作直接转换成不使用
ODBC
或本机
API
的本机协议。
|
模式
|
优点
|
缺点
|
1
|
因为多数
RDBMS
平台都支持
ODBC
驱动程序
,
所以使用
Jdbc-Odbc
桥能与大量
ODBC
驱动程序协同工作。
|
1
:用户受底层
ODBC
驱动程序的功能限制。
|
2
:
ODBC
需要在每个客户端得到配置。
| ||
3
:不能用于
applet
中
,
因为
applet
不能加载本地调用。
| ||
2
|
不需要转换成
Odbc
调用,比模式
1
的性能要好得多。
|
使用
Java
本地接口,平台移植性不好。
|
3
|
广泛适用于
Internet/Intranet
的开发,安全性和性能都十分显著。
|
进行数据库操作时,需要花费较长的时间。
|
4
|
由于是通过本机协议访问数据库,所以性能很高。
|
用户需要给不同的数据库使用不同的
JDBC
驱动程序。
|
说明2:对于进行大型企业开发部署的数据库开发人员来说采用模式1作为设计基础,那简直就是噩梦。在企业应用中选择模式3才是明智的。由于笔者的经验有限,这里暂时不对基于模式3的情况进行分析。
小结:关于不同模式驱动程序的选择,其利弊以及和程序性能三者之间的联系,我们这里就不多说了。虽然模式1有诸多不好,但在后面的分析中我们仍然以模式1作为我们的实验环境。
|
Id
|
Name
|
Department
|
Position
|
Address
|
1
|
张三
|
物理系
|
团员
|
昆明
|
方法
|
方法说明
|
使用环境
|
1
|
为每个用户建立一个单独的连接,并反复使用该连接创建语句
,
执行相关的数据库操作。
|
每个用户必须经过验证才能使用该连接。
|
2
|
建立连接池
|
多用户
|
import java.sql.DriverManager;
Class.forName("sun.jdbc.odbc.JdbcOdbcDriver").newInstance();
}
ex.printStackTrace();
}
MakeConnection makeConnect = new MakeConnection();
makeConnect.setName(""+i+"");
makeConnect.start();
}
}
public static void main(String args[]){
TestJdbc test = new TestJdbc();
test.connect();
}
class MakeConnection extends Thread {
public void run(){
//关闭连接的方式,可以是上述4种方式之一
con = DriverManager.getConnection("jdbc:odbc:test");
con.close();
con = null;
}
e.printStackTrace();
}
}
|
方式
1
|
方式
2
|
方式
3
|
方式
4
|
预期创建连接数目
(
个
)
|
100
|
100
|
100
|
100
|
创建及关闭连接耗时
(
毫秒
)
|
6,540
|
7,850
|
20,320
|
13,950
|
实际生成连接实例数
(
个
)
|
100
|
100
|
100
|
100
|
剩余连接实例数
(
个
)
|
26
|
24
|
24
|
23
|
创建连接消耗内存量
(
字节
)
|
8,800
|
8,800
|
8,800
|
8,718
|
剩余连接占用内存量
(
字节
)
|
2,288
|
2,112
|
2,112
|
2,024
|
|
方式
1
|
方式
2
|
方式
3
|
方式
4
|
预期创建连接数目
(
个
)
|
100
|
100
|
100
|
100
|
创建及关闭连接耗时
(
毫秒
)
|
6,650
|
6,430
|
9,280
|
9,610
|
实际生成连接实例数
(
个
)
|
63
|
65
|
100
|
100
|
剩余连接实例数
(
个
)
|
63
|
65
|
100
|
100
|
创建连接消耗内存量
(
字节
)
|
5,544
|
5,720
|
8,800
|
8,800
|
剩余连接占用内存量
(
字节
)
|
5,544
|
5,720
|
8,800
|
8,800
|
接口类型
|
Insert语句
|
Update语句
|
Select语句
| |||
第一次测试耗时
|
第二次测试耗时
|
第一次测试耗时
|
第二次测试耗时
|
第一次测试耗时
|
第二次测试耗时
| |
Statement
|
2360 ms
|
2190 ms
|
3790 ms
|
3460 ms
|
3570 ms
|
2530 ms
|
PreparedStatement
|
1270 ms
|
1040 ms
|
2600 ms
|
2410 ms
|
440 ms
|
380 ms
|
方式
|
Select语句
| |||
执行100次语句结构相同的查询耗时
|
执行1000次语句结构相同的查询耗时
| |||
第一次测试
|
第二次测试
|
第一次测试
|
第二次测试
| |
方式1
|
1100 ms
|
330 ms
|
3510 ms
|
3020 ms
|
方式2
|
110 ms
|
50 ms
|
440 ms
|
380 ms
|
当程序开发人员为提高程序性能而绞尽脑汁时,我们首先得想一想在程序中是否使用了缓冲技术。在大量的基于C/S模式的应用程序中,我们可以从两个不同的角度使用它。从客户端的角度,我们可以把数据缓冲到本地机,从而避免进行相同的网络操作;从服务器端的角度,我们也可以缓冲那些经常使用的数据,从而缩短服务器对相同请求的响应时间。合理地使用缓冲技术能有效的提高程序性能。
经常出现这样的情况,在Java编程中一个或多个对象实例在程序运行期间被反复的使用。更具体的说,在JDBC编程中,用户经常使用某几条查询语句进行查询,每次执行查询都返回相同的结果集,这个时候我们就得考虑:那些反复使用的结果集是否应该被缓冲起来?如何使用这些结果集?用户更新数据时,如何保证这些结果集也能随之更新?
这里,我们将具体的讨论JDBC编程中如何实现对结果集的缓冲。首先,我们要澄清如下几个概念。
(1):在Java编程中如果要使用类,就得把类实例化成对象。类实例化成对象后,就要分配一块相应的内存空间存放该实例。通过对象引用,可以对这块内存空间进行操作。
(2):在JDBC中,执行查询操作返回的结果集,其实是一个指向数据库的连接,通过游标操作可以把需要的数据从数据库调入Java堆。我们用图表进一步说明:
(3):对结果集的缓冲实际上是对Java堆中指定的结果集对象进行缓冲,更确切的说应该是缓冲该对象的引用。
基于上述原理,我们决定使用java util 包中的Hashtable实现对结果集对象的缓冲。我们用查询语句本身作为该结果集对象的标志,也就是Hashtable的key字段, value字段则存放了一个Vector对象。此Vector存放了ResultSet的引用“指针”(暂且称为指针);Statement或者PreparedStatement的引用“指针”;结果集的记录数;如果该结果集具有可滚动的特性(JDBC2.0 API的新特性),则还可以存放当前游标的位置。存放的内容可以根据实际情况调整,但是ResultSet的引用“指针”和 Statement的引用“指针”是必须保存的。具体结构如下图所示:
但是,我们发现当内存空间很大,并且需要缓存的对象不是太多时,使用Hashtable的确是最省事的办法。可是,随着需缓存的对象数目的不断增加,Hashtable占用的内存空间也越来越大。为了,减少对内存的消耗,同时又能够实现缓存对象的目的。我们决定设置一个上限,当缓存对象的数目超过该上限时则把最不常用的ResultSet替换出来。下图是强化了的缓存结构:
(注:该数据结构以及LRU算法在jbuilder6.0的Database Pilot代码包里有一定介绍。)
当然为了降低系统消耗,使用的替换算法不能太复杂。另外,可以使用ArrayList和Hashmap来替代Vector和Hashtable,这样还能提高一点效率。但是ArrayList和Hashmap都是线程不安全的,而Vector和Hashtable却刚好相反。当我们建立的缓存需要支持多线程访问时,使用ArrayList和Hashmap就显得难以控制。所以这里我们牺牲效率以提高程序的稳定性是有意义的。
最后还得说明一点,当从缓存中删除一个对象实例时。应按如下步骤进行:
1. 使用close()方法关闭ResultSet(结果集)。
2. 使用close()方法关闭创建该结果集的语句(Statement,PreparedStatement)。
3. 删除Hasttable中的相应key及其value。
4. 从Vector中删除key.