我一直以来，对性能测试中，连接池的大小要如何配置，不是太清楚；
就我所知道的，就DB自带对连接数的限制，在sqlserver中用select @@connection 可以查到，
在代码中，可以配置DB的连接池，
在中间件中，可以配置最大的线程数等等。
在性能测试中，这些配置显然很重要，要不然，木桶原理，哪一个低了，都是个性能瓶颈，在其他地方再怎么费力，也无能为力。
今天做了一个实验，不考虑中间件，不去考虑代码逻辑啊，接口调用什么的，只考虑数据库连接池，和实际并发数的影响。
工具也很简单，就用Jmeter中元件JDBC Connection Configuration配置DB连接数，再在JDBC请求中向表中新增一条记录。新增不像查询的，不会因为数据量的多少受影响。
因为线程数是受系统的用户数决定的，所以要分析受众数量，
可以通过以往的日志分析，一般系统中都会记录用户在何时，何种渠道，登录了，退出了，修改了，等等，总之是这样的交互表
通过分解，高峰时间段，以半小时，或每小时计算，每秒钟的最大用户数
也可以通过社会工程学，并叫上算法分析师，分析和计算出高峰期用户数量
还有一些是活动Campaign, 一段时间内的大促活动，比如双十一支付宝支付接口，比如商场活动促销，抢拍，秒杀，等等，
看看每秒钟的用户数量，能否大概掌握和预估一定的值；
比如我们这边，大促之前会通过短信或者微信的方式，通知我们的会员，在xxx链接领取优惠券，xxx时间可以积分兑换更多好礼，在xxx时候购买充值会员卡等等
分析有无裂变的方式，会引来更多会员，一般不太好控制，或者会故意将通知会员的速度调节慢些；
不可裂变，即用户即使转发链接给好友，好友不支持参与活动，这个时候，单位时间内能预估的会员就比较清楚。
分析活动短信或微信的转化率，即有百分之多少的会员，能够在收到通知后，立即点击链接来参与活动。
通常会有一个比例，但也有可能因为活动力度问题，比例不太一致。
总之，为了系统能文件运营，要用预估的峰值去跑。
而数据库的线程池： 可以根据预估的峰值，参考之后进行设置。
线程池的原理：
其实线程池的原理很简单，类似于操作系统中的缓冲区的概念，它的流程如下：
先启动若干数量的线程，并让这些线程都处于睡眠状态，当客户端有一个新请求时，就会唤醒线程池中的某一个睡眠线程，让它来处理客户端的这个请求，
当处理完这个请求后，线程又处于睡眠状态。
可能你也许会问：为什么要搞得这么麻烦，如果每当客户端有新的请求时，我就创建一个新的线程不就完了？
这也许是个不错的方法，因为它能使得你编写代码相对容易一些，但你却忽略了一个重要的问题?
那就是性能！
就拿我所在的单位来说，我的单位是一个省级数据大集中的银行网络中心，高峰期每秒的客户端请求并发数超过100，
如果为每个客户端请求创建一个新线程的话，
那耗费的CPU时间和内存将是惊人的，
如果采用一个拥有200个线程的线程池，
那将会节约大量的系统资源，使得更多的CPU时间和内存用来处理实际的商业应用，
而不是频繁的线程创建与销毁。
先看以下图：
图中两次压测，并发数一样，数据库连接池不一样，上一个是10，下面的一个是100，并发数都是100，连接池大的时候，吞吐量要大很多。
并且由于并发数大于连接池，导致上面的错误率很高，大多数的错误原因是：
Cannot get a connection, pool error Timeout waiting for idle object
实验的结果
从第一次到第四次结果来看
当DB的最大连接数：当并发数<=最大链接数的时候，且启动时间慢，相当于请求来了，就能处理。
此时相等时间内的总请求数相近，吞吐量彼此相近。
当DB的最大链接> 当前并发数，且启动时间慢，
此时相等时间内的总请求数相近，吞吐量彼此相近。
一般来讲，现在都是前后端分离的系统，面向的是全网的受众，
我觉得启动时间，设置为1，比较合适；
当然，我这边没有去监控MySQL所在机器的CPU和内存情况。
第九次和第十次的结果也可以看出，并发数如果大于了DB连接数，
相同时间内，第九次的处理的总的请求数明显大于第十次，吞吐量自然也高；
第十次吞吐量比第九次低了很多，且错误率达到7%，错误原因是：
不需要总是不停的去进行上下文切换，
第6次的失败原因：
Cannot create PoolableConnectionFactory (Communications link failure
The last packet sent successfully to the server was 0 milliseconds ago. The driver has not received any packets from the server.)
------------------------- A little Progress a day makes you a big success... ----------------------------
共同学习，写下你的评论
评论加载中...
作者其他优质文章
