Druid源码阅读5-DruidDataSource的shrink过程
Druid源码阅读5-DruidDataSource的shrink过程
shrink方法是DestroyTask线程中回收连接的具体执行方法。
首先获得锁：
try {
lock.lockInterruptibly();
} catch (InterruptedException e) {
return;
}之后，要判断初始化状态是否完成，如果采用异步初始化，可能DestoryTask线程已经启动，但是连接池还没有初始化完成。
if (!inited) {
return;
}之后对连接池中的连接进行遍历，connections中，可连接的连接数记在poolingCount变量。 此时要记录一个checkCount，这个变量为 checkCount = poolingCount - minIdle;也就是checkCount为连接池中连接的数量减去最小空闲连接数设置minIdle。
此后进入checkTime逻辑，checkTime是调用shrink传入的参数，通常DestroyTask的调用这个参数都为true。 此后check的参数有：
- 判断物理连接是否超时：phyConnectTimeMillis > phyTimeoutMillis。如果超时，则将当前连接标记到evictConnections数组并退出当前循环。
- 判断空闲时间是否超时： 如果空闲时间小于最小于配置的minEvictableIdleTimeMillis时间且同时小于配置的keepAliveBetweenTimeMillis(idleMillis < minEvictableIdleTimeMillis && idleMillis < keepAliveBetweenTimeMillis) 则结束循环。 反之，当idleMillis大于minEvictableIdleTimeMillis或者大于maxEvictableIdleTimeMillis都被标记到evictConnections数组。
- 判断keepAlive是否超时：如果idleMillis >= keepAliveBetweenTimeMillis，则标记到keepAliveConnections数组。
如果checkTime为false,则将小于checkCount的全部连接都标记到evictConnections数组。
if (i < checkCount) {
evictConnections[evictCount++] = connection;
} else {
break;
}这之后进行removeCount的处理，removeCount = evictCount + keepAliveCount; 处理逻辑如下:
if (removeCount > 0) {
//将connections从removeCount到poolingCount的连接向前移动poolingCount - removeCount。
System.arraycopy(connections, removeCount, connections, 0, poolingCount - removeCount);
//将poolingCount - removeCount后续部分都置为空。
Arrays.fill(connections, poolingCount - removeCount, poolingCount, null);
poolingCount -= removeCount;
}这个逻辑实质上是将connections中计算出来的前N项都移除。 之前一直不理解这个逻辑，实际上需要详细看一下for循环中的逻辑。for循环中，如果checkTime为false,则直接将前面checkCount个连接都移除。 反之，由于connections中，通过recycle方法，将放回的连接都放在connections数组的最后面。get的连接也是从connections的尾部获取，那么可以确保connections的连接，index小的连接最少被使用。 那么在这里确定了需要移除的连接数之后，直接就可以将connetions的前面checkCount个连接都移除。
移除之后，可以解锁。之后对移除的连接进行处理。
} finally {
lock.unlock();
}对于evict的连接：
if (evictCount > 0) {
for (int i = 0; i < evictCount; ++i) {
DruidConnectionHolder item = evictConnections[i];
Connection connection = item.getConnection();
//关闭连接
JdbcUtils.close(connection);
//更新计数器
destroyCountUpdater.incrementAndGet(this);
}
//将evictConnections清空
Arrays.fill(evictConnections, null);
}关闭连接并清空evictConnections。
对于keepAliveCount连接，则需要分几种情况进行讨论：
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;
//校验连接是否还可用
try {
this.validateConnection(connection);
validate = true;
} catch (Throwable error) {
if (LOG.isDebugEnabled()) {
LOG.debug("keepAliveErr", error);
}
// skip
}
boolean discard = !validate;
//如果可用，则直接put到connections中，放置到尾部。
if (validate) {
holer.lastKeepTimeMillis = System.currentTimeMillis();
boolean putOk = put(holer, 0L, true);
if (!putOk) {
discard = true;
}
}
//如果不可用，则关闭连接
if (discard) {
try {
connection.close();
} catch (Exception e) {
// skip
}
lock.lock();
//加锁更新计数器
try {
discardCount++;
if (activeCount + poolingCount <= minIdle) {
emptySignal();
}
} finally {
lock.unlock();
}
}
}
this.getDataSourceStat().addKeepAliveCheckCount(keepAliveCount);
Arrays.fill(keepAliveConnections, null);
}对于keepalive状态的连接，为了更好的复用该连接，则首先判断该连接是否可用，如果可用，则调用put方法，将该连接的状态更新之后，放置到连接池的尾部。 可见，shrink中，并非所有的连接都会关闭，对于keepalive状态的连接，需要判断是否可用。可用的连接还可再次复用。
此时还有一种情况需要考虑，就是此时可用的连接仍然不够minIdle，那么连接池不满，需要继续创建连接。这个状态为needFill:
//keepAlive状态，且连接池中的连接加上被使用的连接仍然小于minIdle
if (keepAlive && poolingCount + activeCount < minIdle) {
needFill = true;
}处理逻辑：
if (needFill) {
//加锁
lock.lock();
try {
//如果minIdle 减去activeCount + poolingCount + createTaskCount 仍然不满，则通知创建线程创建连接
int fillCount = minIdle - (activeCount + poolingCount + createTaskCount);
for (int i = 0; i < fillCount; ++i) {
emptySignal();
}
//解锁
} finally {
lock.unlock();
}
} else if (onFatalError || fatalErrorIncrement > 0) {
lock.lock();
try {
emptySignal();
} finally {
lock.unlock();
}
}needFill和onFatalError 都需要通知生产者继续创建连接。
至此，shrink方法分析完毕。