（三）Druid数据库连接池如何回收线程源码分析和高级参数优化

（1）销毁连接线程核心逻辑：

首先需要先知道几个关键的对象代表的含义：

• DruidConnectionHolder[] evictConnections对象中的connection都是准备关闭的，放进去就说明准备最后一起批量关闭,
• 参数 keepAliveCount 表示的是保活的连接数量
• 参数 evictCount 代表的是evictConnections数组中的需要关闭Conection的数量

第一大步，首先是先加锁，然后遍历DruidConnectionHolder中当前池子中所有的连接

1. 首先判断【空闲时间 < 配置参数minEvictableIdleTimeMillis && 空闲时间 < keepAliveBetweenTimeMillis】直接跳出循环，说明不需要回收该connection，然后继续
2. 如果 idleMillis >= 配置参数minEvictableIdleTimeMillis 说明需要进行回收该Connection对象，保证minIdle,空闲时间大于活跃时间则回收，继续
3. 如果keepAlive && idleMillis >= 配置参数keepAliveBetweenTimeMillis，说明空闲时间大于了保活时间，也需要回收该连接
4. 然后继续判断 【keepAlive && poolingCount + activeCount < minIdle】 ，如果成功，说明连接池中的Connection没有到达配置的minIdle参数，⚠️需要后面重新进行创建补上
5. 如果【evictCount > 0】为True，说明DruidConnectionHolder[] evictConnections中的连接需要关闭销毁
6. 如果【keepAliveCount > 0】为True的话，说明需要保活的DruidConnectionHolder[] keepAliveConnections连接需要进行keepAlive处理。
7. ⚠️最后如果第4步中的有需要进行创建的连接，这里需要进行emptySignal()通知创建连接线程创建新的连接来达到配置参数的minIdle

以下是shirk()方法的代码：

其实核心就是去维持当前池子中的连接数的一个

    public void shrink(boolean checkTime, boolean keepAlive) {
        try {
            lock.lockInterruptibly();
        } catch (InterruptedException e) {
            return;
        }

        boolean needFill = false;
        int evictCount = 0;
        int keepAliveCount = 0;
        try {
            if (!inited) {
                return;
            }
			//这个是根据用户的参数，来进行判断是不是需要对时间进行检验【比如通过用户配置的phyTimeoutMillis时间和minEvictableIdleTimeMillis参数时间】
            final int checkCount = poolingCount - minIdle;
            final long currentTimeMillis = System.currentTimeMillis();
            for (int i = 0; i < poolingCount; ++i) {
                DruidConnectionHolder connection = connections[i];

                if (checkTime) {
                    if (phyTimeoutMillis > 0) {
                        long phyConnectTimeMillis = currentTimeMillis - connection.connectTimeMillis;
                        if (phyConnectTimeMillis > phyTimeoutMillis) {
                            evictConnections[evictCount++] = connection;
                            continue;
                        }
                    }

                    long idleMillis = currentTimeMillis - connection.lastActiveTimeMillis;

                    if (idleMillis < minEvictableIdleTimeMillis
                            && idleMillis < keepAliveBetweenTimeMillis
                    ) {
                        break;
                    }

                    if (idleMillis >= minEvictableIdleTimeMillis) {
                        if (checkTime && i < checkCount) {
                            evictConnections[evictCount++] = connection;
                            continue;
                        } else if (idleMillis > maxEvictableIdleTimeMillis) {
                            evictConnections[evictCount++] = connection;
                            continue;
                        }
                    }

                    if (keepAlive && idleMillis >= keepAliveBetweenTimeMillis) {
                        keepAliveConnections[keepAliveCount++] = connection;
                    }
                } else {
                //如果不检测时间，就可以直接进行回收该Connection
                    if (i < checkCount) {
                        evictConnections[evictCount++] = connection;
                    } else {
                        break;
                    }
                }
            }

            int removeCount = evictCount + keepAliveCount;
            if (removeCount > 0) {
                System.arraycopy(connections, removeCount, connections, 0, poolingCount - removeCount);
                Arrays.fill(connections, poolingCount - removeCount, poolingCount, null);
                poolingCount -= removeCount;
            }
            keepAliveCheckCount += keepAliveCount;
			//这一步主要是为了如果当前池子中存活的连接如果过少，就需要去创建新的连接来进行满足用户配置的midle数量的连接
            if (keepAlive && poolingCount + activeCount < minIdle) {
                needFill = true;
            }
        } finally {
            lock.unlock();
        }
		//进行销毁线程
        if (evictCount > 0) {
            for (int i = 0; i < evictCount; ++i) {
                DruidConnectionHolder item = evictConnections[i];
                Connection connection = item.getConnection();
                JdbcUtils.close(connection);
                destroyCountUpdater.incrementAndGet(this);
            }
            Arrays.fill(evictConnections, null);
        }
		//对需要保持keepAlive的连接进行保活处理
        if (keepAliveCount > 0) {
            // keep order
            for (int i = keepAliveCount - 1; i >= 0; --i) {
                DruidConnectionHolder holer = keepAliveConnections[i];
                Connection connection = holer.getConnection();
                holer.incrementKeepAliveCheckCount();

                boolean validate = false;
                try {
                    this.validateConnection(connection);
                    validate = true;
                } catch (Throwable error) {
                    if (LOG.isDebugEnabled()) {
                        LOG.debug("keepAliveErr", error);
                    }
                    // skip
                }

                boolean discard = !validate;
                if (validate) {
                    holer.lastKeepTimeMillis = System.currentTimeMillis();
                    boolean putOk = put(holer, 0L);
                    if (!putOk) {
                        discard = true;
                    }
                }

                if (discard) {
                    try {
                        connection.close();
                    } catch (Exception e) {
                        // skip
                    }

                    lock.lock();
                    try {
                        discardCount++;

                        if (activeCount + poolingCount <= minIdle) {
                            emptySignal();
                        }
                    } finally {
                        lock.unlock();
                    }
                }
            }
            this.getDataSourceStat().addKeepAliveCheckCount(keepAliveCount);
            Arrays.fill(keepAliveConnections, null);
        }
		//这一步就是创建新的连接进行满足用户配置的midle数量
        if (needFill) {
            lock.lock();
            try {
                int fillCount = minIdle - (activeCount + poolingCount + createTaskCount);
                for (int i = 0; i < fillCount; ++i) {
                    emptySignal();
                }
            } finally {
                lock.unlock();
            }
        }
    }

（2）如果有很多个数据源，需要创建很多个DataSources的时候，怎么优化？

• 首先会先需要考虑到，因为我们创建很多个DataSources，那么其实每个DataSources都会创建三个线程，一个日志采集线程，一个连接创建线程，一个连接回收线程，如果无限多DataSources数据源的话，那么就会创建很多线程导致浪费资源，

• 在Druid中可以通过设置延迟/周期执行线程池，来通过线程池去统一管理所有的DataSources对象中的每个连接回收线程和连接创建线程，来进行优化，降低创建线程的开销

  druidDataSourceSingle.setDestroyScheduler(ScheduledExecutorService destroyScheduler);
   druidDataSourceSingle.setCreateScheduler(ScheduledExecutorService);