当前位置:首页 > 文章列表 > 数据库 > MySQL > DBCP连接池产生大量未被回收对象

DBCP连接池产生大量未被回收对象

来源:SegmentFault 2023-02-17 14:09:53 0浏览 收藏

大家好,今天本人给大家带来文章《DBCP连接池产生大量未被回收对象》,文中内容主要涉及到MySQL、Java,如果你对数据库方面的知识点感兴趣,那就请各位朋友继续看下去吧~希望能真正帮到你们,谢谢!

有段时间线上出现Full GC时间过长导致系统响应慢,这里先粗略的记录下相关信息:
jvm参数配置:
Xms与Xmx相同:4096m
Xmn:1576m
非堆:512
垃圾回收器使用的是CMS
基本上两天老年代会增长近2G未回收的对象,dump出来的文件里存在大量的数据库连接对象:connectionPhantomRefs,后来换成公司自研的数据库连接池观察两天后老年代使用量基本上维持在256M,下面是dump文件有关内容:


点击CurrentHashMap,右键后List objects > with incoming references查看是哪些对象引用了该对象

可以明显看到是connectionPhantomRefs

这里有几个疑问还需要搞明白:
1,连接池配置了连接数量的上下限和存活时间,为什么还会产生这么多的连接对象
2,这么多的连接对象为什么没被及时回收
贴几个相关的连接:
https://blog.csdn.net/yl_hahh...
里面有分析引用list objects :
with incoming references 将列出哪些类引入该类;
with outgoing references 列出该类引用了哪些类
https://blog.csdn.net/u010657...
这里有提到mysql-connector-java 5.1.46启用线程去不断地清理被 GC 的数据库连接
https://zhuanlan.zhihu.com/p/...
这里有提到DirectByteBuffer的堆外内存的回收,就是依赖PhantomReference实现

终于介绍完啦!小伙伴们,这篇关于《DBCP连接池产生大量未被回收对象》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布数据库相关知识,快来关注吧!

版本声明
本文转载于:SegmentFault 如有侵犯,请联系study_golang@163.com删除
架构上如何设计领域模型和数据模型?架构上如何设计领域模型和数据模型?
上一篇
架构上如何设计领域模型和数据模型?
MySQL 那些常见的错误设计规范
下一篇
MySQL 那些常见的错误设计规范
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    679次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    696次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    741次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    709次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    548次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码