1.MySQL JDBC 编译添加 Maven 依赖支持
2.Mysql - com.mysql.jdbc.Driver与com.mysql.cj.jdbc.Driver的区别
3.源码详解系列(四) ------ DBCP2的驱动驱动使用和分析（包括JNDI和JTA支持）已停更
4.Apache Calcite系列（五）：数据库驱动实现
5.Flink深入浅出：JDBC Connector源码分析

MySQL JDBC 编译添加 Maven 依赖支持

       在当前的工作项目中，需要对MySQL JDBC进行编译，源码原理即集成mysql-connector-j包。驱动驱动进入年，源码原理我们依然面临着手动下载和安装JAR包的驱动驱动传统方式，这从MySQL官方文档的源码原理残月源码JDBC源码编译指南中可见一斑。Oracle的驱动驱动这一做法似乎有意为之，给MySQL开发者带来了不便。源码原理

       为了解决这个问题，驱动驱动我决定将MySQL JDBC添加Maven依赖，源码原理以下是驱动驱动关键步骤：

       首先，确保你的源码原理项目配置了JUnit 5进行单元测试，这时需要在pom.xml中加入maven-surefire-plugin插件：

       xml

       org.apache.maven.plugins

        maven-surefire-plugin

       如果你希望尽快使用，驱动驱动而不是源码原理等待官方更新，可以直接从我fork的驱动驱动库中获取，选择feat-maven-dep分支。

       虽然这个过程略显繁琐，但通过这种方式，我们至少可以简化构建流程，提高开发效率。期待MySQL官方能尽快采纳这些改进。

Mysql - com.mysql.jdbc.Driver与com.mysql.cj.jdbc.Driver的区别

        spring常用dataSource配置如下:

        而 driver-class-name 的 com.mysql.jdbc.Driver 与 com.mysql.cj.jdbc.Driver 有什么区别呢?

        当5之后的版本选择 com.mysql.jdbc.Driver 的时候，会有警告提示，替换为 com.mysql.cj.jdbc.Drive

        查看源码可知，老版本的 Driver 继承了新版本的 Driver ，通过继承的方式兼容老版本，并添加了告警提示，如下:

源码详解系列(四) ------ DBCP2的使用和分析（包括JNDI和JTA支持）已停更

       DBCP是一个用于创建和管理数据库连接的工具，通过连接池复用连接以减少资源消耗。它具备连接数控制、连接有效性检测、连接泄露控制和缓存语句等功能。表白网源码iAppTomcat内置连接池、Spring团队推荐使用DBCP，阿里巴巴的druid也是基于DBCP开发的。

       DBCP支持通过JNDI获取数据源，并且可以获取JTA或XA事务中的连接对象，用于两阶段提交（2PC）的事务处理。本篇文章将通过例子来解释如何使用DBCP。

       以下是文章的详细内容：

       使用例子需求

       本例将展示如何使用DBCP连接池获取连接对象，并进行基本的增删改查操作。

       工程环境

       JDK：1.8.0_

       maven：3.6.1

       IDE：eclipse 4.

       mysql-connector-java：8.0.

       mysql：5.7.

       DBCP：2.6.0

       主要步骤

       创建Maven项目，打包方式为war（war也可以是jar，这里选择war是为了测试JNDI功能）。

       引入DBCP相关依赖。

       在resources目录下创建dbcp.properties文件，配置数据库连接参数及连接池基本参数。

       编写JDBCUtils类，实现初始化连接池、获取连接、管理事务和资源释放等功能。

       创建测试类，实现基本的增删改查操作。

       配置文件详解

       dbcp.properties文件包含数据库连接参数和连接池基本参数，如数据库URL、用户名、密码、同城爱聊源码连接池大小等。其中，数据库URL后面添加了参数以避免乱码和时区问题。建议根据项目需求调整参数设置。

       基本连接属性

       数据库URL

       用户名

       密码

       连接池大小

       缓存语句（在MySQL下建议关闭）

       连接检查参数（建议开启testWhileIdle，避免性能影响）

       事务相关参数（通常使用默认设置）

       连接泄漏回收参数

       其他参数（较少使用）

       源码分析

       DBCP主要涉及以下几个类：

       BasicDataSource：提供基本的数据库操作数据源。

       BasicManagedDataSource：BasicDataSource的子类，用于创建支持XA事务或JTA事务的连接。

       PoolingDataSource：BasicDataSource中实际调用的数据源，用于管理连接。

       ManagedDataSource：PoolingDataSource的子类，用于支持XA事务或JTA事务的连接。

       使用DBCP连接池创建连接时，首先创建BasicDataSource对象，初始化配置参数。然后从连接池中获取连接。连接获取过程涉及到数据源和连接池的创建，连接对象的包装和回收。

       通过JNDI获取数据源对象需求

       使用JNDI获取DBCP数据源对象，以PerUserPoolDataSource和SharedPoolDataSource为例。为了在tomcat容器中测试，需要配置JNDI上下文。

       引入依赖

       引入JNDI相关的依赖。

       编写context.xml文件，配置JNDI上下文。Linux源码分析资料

       在web.xml中配置资源引用，将JNDI对象与web应用绑定。

       测试结果

       打包项目并部署到tomcat上运行，通过访问指定的jsp页面，验证JNDI获取数据源对象的正确性。

       使用DBCP测试两阶段提交

       介绍如何使用DBCP实现JTA事务的两阶段提交（2PC）。使用DBCP的BasicManagedDataSource类支持事务处理。通过测试代码验证了2PC的正确性。

       以上内容涵盖了DBCP的使用、配置、源码分析、JNDI集成以及两阶段提交的实现，为开发者提供了全面的参考。

Apache Calcite系列（五）：数据库驱动实现

       Avatica，作为Apache Calcite的子项目，提供了实现JDBC和ODBC标准数据库驱动的能力。通过这个项目，开发者可以构建自定义数据库的Java驱动，或代理非JDBC、ODBC标准的数据库，而无需修改上层服务代码。本文将探讨Avatica的实现原理。

       在探讨Avatica实现细节之前，需要了解其架构。Avatica采用典型的英雄联盟的源码RPC架构，分为客户端和服务端两个部分。客户端将JDBC相关操作如建立连接、执行请求等通过RPC协议发送给服务端，服务端执行这些操作并返回结果。Avatica的核心概念有三个：连接、Statement和查询执行。

       接下来，我们将通过一个DEMO展示Avatica的使用方法。DEMO中，我们将使用Avatica框架访问MySQL数据库。代码包括客户端测试代码和服务器端代码。客户端首先建立连接，创建Statement，然后执行查询，最后打印结果。

       在建立连接的过程中，代码调用Driver的connect方法，实际上由AvaticaFactory创建连接，Avatica的Driver通过此方法创建AvaticaConnection。连接创建时，指定连接驱动、URL、元数据等信息。元数据使用RemoteMeta，它连接实际数据库并代理数据。

       客户端发送建立连接请求后，服务端处理逻辑通过Jetty网络服务实现。Jetty收到请求后，将请求交给AbstractAvaticaHandler处理。Handler内部处理流程包括：调用LocalService，LocalService再调用Meta处理连接请求，Meta根据请求内容选择合适的数据库驱动建立连接。

       创建Statement的过程与建立连接类似，通过远程请求实现。服务端创建Statement后，返回Statement ID给客户端，客户端通过ID执行后续操作。创建StatementHandle的过程也是远程请求，服务端创建Statement并返回。

       执行查询的过程与创建Statement类似，服务端根据Statement ID查找Statement，执行查询并返回结果。

       源码解读方面，主要关注几个关键目录：org.apache.calcite.avatica根目录下的JDBC框架代码，包括Connection、Statement、ResultSet等实现；org.apache.calcite.avatica.remote包下的Service定义、请求处理Handler以及RemoteMeta；Server端的org.apache.calcite.avatica.jdbc目录定义代理其他数据源的类，如JdbcMeta和JdbcResultSet；org.apache.calcite.avatica.server目录定义服务端Handler和启动服务。

       核心类包括消息类Handler、Service接口、Meta接口和Driver类。Handler负责处理网络请求，Service接口处理请求和响应，Meta接口处理JDBC规范操作请求，Driver类提供了实现Avatica框架的Driver。

       总结来说，Avatica通过构建RPC架构，实现JDBC和ODBC标准数据库驱动的自定义和代理，简化了数据库访问过程。通过理解和使用Avatica框架，开发者可以灵活地构建和管理数据库驱动，满足不同场景的需求。

Flink深入浅出：JDBC Connector源码分析

       大数据开发中，数据分析与报表制作是日常工作中最常遇到的任务。通常，我们通过读取Hive数据来进行计算，并将结果保存到数据库中，然后通过前端读取数据库来进行报表展示。然而，使用FlinkSQL可以简化这一过程，通过一个SQL语句即可完成整个ETL流程。

       在Flink中，读取Hive数据并将数据写入数据库是常见的需求。本文将重点讲解数据如何写入数据库的过程，包括刷写数据库的机制和原理。

       以下是本文将讲解的几个部分，以解答在使用过程中可能产生的疑问：

       1. 表的定义

       2. 定义的表如何找到具体的实现类（如何自定义第三方sink）

       3. 写入数据的机制原理

       （本篇基于1..0源码整理而成）

       1. 表的定义

       Flink官网提供了SQL中定义表的示例，以下以oracle为例：

       定义好这样的表后，就可以使用insert into student执行插入操作了。接下来，我们将探讨其中的技术细节。

       2. 如何找到实现类

       实际上，这一过程涉及到之前分享过的SPI（服务提供者接口），即DriverManager去寻找Driver的过程。在Flink SQL执行时，会通过translate方法将SQL语句转换为对应的Operation，例如insert into xxx中的xxx会转换为CatalogSinkModifyOperation。这个操作会获取表的信息，从而得到Table对象。如果这个Table对象是CatalogTable，则会进入TableFactoryService.find()方法找到对应的实现类。

       寻找实现类的过程就是SPI的过程。即通过查找路径下所有TableFactory.class的实现类，加载到内存中。这个SPI的定义位于resources下面的META-INFO下，定义接口以及实现类。

       加载到内存后，首先判断是否是TableFactory的实现类，然后检查必要的参数是否满足（如果不满足会抛出异常，很多人在第一次使用Flink SQL注册表时，都会遇到NoMatchingTableFactoryException异常，其实都是因为配置的属性不全或者Jar报不满足找不到对应的TableFactory实现类造成的）。

       找到对应的实现类后，调用对应的createTableSink方法就能创建具体的实现类了。

       3. 工厂模式+创建者模式，创建TableSink

       JDBCTableSourceSinkFactory是JDBC表的具体实现工厂，它实现了stream的sinkfactory。在1..0版本中，它不能在batch模式下使用，但在1.版本中据说会支持。这个类使用了经典的工厂模式，其中createStreamTableSink负责创建真正的Table，基于创建者模式构建JDBCUpsertTableSink。

       创建出TableSink之后，就可以使用Flink API，基于DataStream创建一个Sink，并配置对应的并行度。

       4. 消费数据写入数据库

       在消费数据的过程中，底层基于PreparedStatement进行批量提交。需要注意的是提交的时机和机制。

       控制刷写触发的最大数量 'connector.write.flush.max-rows' = ''

       控制定时刷写的时间 'connector.write.flush.interval' = '2s'

       这两个条件先到先触发，这两个参数都是可以通过with()属性配置的。

       JDBCUpsertFunction很简单，主要的工作是包装对应的Format，执行它的open和invoke方法。其中open负责开启连接，invoke方法负责消费每条数据提交。

       接下来，我们来看看关键的format.open()方法：

       接下来就是消费数据，执行提交了

       AppendWriter很简单，只是对PreparedStatement的封装而已

       5. 总结

       通过研究代码，我们应该了解了以下关键问题：

       1. JDBC Sink执行的机制，比如依赖哪些包？（flink-jdbc.jar，这个包提供了JDBCTableSinkFactory的实现）

       2. 如何找到对应的实现？基于SPI服务发现，扫描接口实现类，通过属性过滤，最终确定对应的实现类。

       3. 底层如何提交记录？目前只支持append模式，底层基于PreparedStatement的addbatch+executeBatch批量提交

       4. 数据写入数据库的时机和机制？一方面定时任务定时刷新，另一方面数量超过限制也会触发刷新。

       更多Flink内容参考：