Tomcat DBCP连接池配置

本文详细介绍如何在Tomcat中配置数据库连接池,包括下载管理界面、配置用户、添加JDBC驱动等步骤,并提供关键参数解释及JSP测试示例。
Tomcat连接池配置
a) 下载Tomcat管理界面,参见网址:http://tomcat.apache.org/download-55.cgi#5.5.23
b) 将管理界面的zip包解压,例如:apache-tomcat-5.5.23-admin.zip,将解压后的server/webapps/admin拷贝到tomcat相应的目录下(注意:是TOMCAT-HOME/server/webapps/,不是TOMCAT-HOME/webapps下)
c) 将解压包中TOMCAT-HOME/conf/Catalina/localhost/admin.xml拷贝到相应的目录下;
d) 打开TOMCAT-HOME/conf/ tomcat-users.xml,配置用户,如:
<user username="admin" password="admin" roles="admin,manager"/>
e) 将mySql的jdbc驱动拷贝到TOMCAT-HOME/common/lib下
f) 访问http://localhost/admin,登录到Tomcat系统管理界面
g) 选择Resourcesdata sources菜单,再选择create new datasource
h) 具体参数说明
i. JNDI NAME:注册到JNDI树上的名字
ii. Data Source URL:连接数据库的URL
iii. JDBC Driver Class:Jdbc驱动的完整类名称
iv. User Name:访问数据库的用户名
v. Password:访问数据库的密码
vi. Max. Active Connections:最大活跃连接,只同时可以有多少连接,设置为0无限制。
vii. Max. Idle Connections::最大空闲连接,表示没有数据库连接时,连接池也必须保持最大空闲连接数,设置为0时无限制
viii. Max. Wait for Connection::连接建立等待时间,单位为毫秒
ix. Validation Query:此参数用来查询池中的空闲连接(可以不用配置)
i) 点击保存按钮,再点击提交按钮
j) 找到TOMCAT-HOME/conf/server.xml文件,将生成的连接池部分拷贝到TOMCAT-HOME/conf/context.xml文件中
k) 将TOMCAT-HOME/conf/context.xm拷贝到project项目中的webroot/META-INF下
l) 采用JNDI访问连接池,如:
[code]Context initCtx = new InitialContext();
Context ctx = (Context)initCtx.lookup("java:comp/env");
//开始查找我们连接池的jndi
DataSource ds = (DataSource)ctx.lookup("jdbc/xxx");
conn = ds.getConnection();[/code]

JSP测试连接页面
[code]<%@ page language="java" import="java.util.*" pageEncoding="ISO-8859-1"%>
<%@ taglib prefix="c" uri="http://java.sun.com/jsp/jstl/core" %>
<%@ taglib prefix="sql" uri="http://java.sun.com/jsp/jstl/sql" %>
<sql:query var="rs" dataSource="jdbc/xxx">
select id, userName from t_user
</sql:query>

<html>
<head>
<title>My JSP 'index.jsp' starting page</title>
</head>

<body>
<a href="order.do">link</a>
<c:forEach var="row" items="${rs.rows}">
Foo ${row.id}<br/>
Bar ${row.userName}<br/>
</c:forEach>
</body>
</html>[/code]
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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