目录

1. 前言
2. 简介
3. 问题一
4. 源码分析
5. 方案一
6. 问题二
7. 方案二
8. 总结

前言

相信大家对阿里的druid数据库连接池很熟悉了，在国内使用数据库操作的时候，绝大部分都会引用druid。当然今天不是介绍怎么使用druid，而是分析一下druid的监控。我们先来回顾一下druid是什么吧？

简介

1、Druid是阿里开源的一个JDBC应用组件， 其包括三部分：

• DruidDriver: 代理Driver，能够提供基于Filter－Chain模式的插件体系。
• DruidDataSource: 高效可管理的数据库连接池。
• SQLParser: 实用的SQL语法分析

2、通过Druid连接池中间件， 我们可以实现：

• 可以监控数据库访问性能，Druid内置提供了一个功能强大的StatFilter插件，能够详细统计SQL的执行性能，这对于线上分析数据库访问性能有帮助。
• 替换传统的DBCP和C3P0连接池中间件。Druid提供了一个高效、功能强大、可扩展性好的数据库连接池。
• 数据库密码加密。直接把数据库密码写在配置文件中，容易导致安全问题。DruidDruiver和DruidDataSource都支持PasswordCallback。
• SQL执行日志，Druid提供了不同的LogFilter，能够支持Common-Logging、Log4j和JdkLog，你可以按需要选择相应的LogFilter，监控你应用的数据库访问情况。
• 扩展JDBC，如果你要对JDBC层有编程的需求，可以通过Druid提供的Filter-Chain机制，很方便编写JDBC层的扩展插件

监控

druid最大的特色就是有相应的监控，可以帮忙我们查看到执行SQL日志，慢SQL语句，执行SQL的性能以及防止SQL注入等功能。

数据源

数据源菜单显示数据库连接池的基本信息，如连接地址、连接类型、最大连接数、最小连接数、初始连接等信息。

可通过逻辑连接打开次数、逻辑连接关闭次数来判断系统中是否存在有连接未关闭的情况(正常情况下打开次数和关闭次数应该一致)

SQL监控

SQL监控显示系统已执行过的每条SQL语句的执行情况。通过执行数、执行时间、最慢时间、事务中、错误数、最大并发、执行时间分布等统计维度来展现。

1、执行数：本条sql语句已执行的次数
2、执行时间：本条sql语句累计执行时间(单位：毫秒)
3、最慢：本条sql语句执行最慢一次的耗时(单位：毫秒)
4、执行时间分布【- - - - - - - -】：这8个 – 分别代表8个耗时区间的次数，从左至右依次是：
0-1毫秒次数、1-10毫秒次数、10-100毫秒次数、100-1000毫秒次数、1-10秒次数、10-100秒次数、100-1000秒次数、大于1000秒次数。 

WEB应用

主要统计本应用的并发、请求、事务提交、事务回滚等信息，另外统计了本应用在各操作系统上、各浏览器上的访问次数。

SQL防火墙

分防御统计、表访问统计、函数调用统计、SQL防御统计-白名单、SQL防御统计-黑名单这几项。其中若是涉嫌SQL注入的SQL语句将被拦截，出现在SQL防御统计-黑名单中

请求URL监控

统计了应用中各url的访问次数、请求时间、并发数等信息

Session监控

显示应用中session的请求时间、请求次数、最大并发等数据

问题一

我们看到了druid监控功能的强大，也发现了一个重大的问题，如图

druid控制台是针对每个实例的，不同的实例就有不同的druid控制台；但在生产环境中，会有多个实例，那监控平台会存在多个，那我们运维/开发人员查看的时候就麻烦了，需要打开多个控制台。不能整体查看监控数据。

那怎么解决呢？

源码分析

我们先来看一下druid的监控功能是怎么实现的？

我们看一下DruidDataSource核心类，里面有一个LogStatsThread线程

private LogStatsThread  logStatsThread;

在DruidDataSource初始化init方法中，调用了createAndLogThread方法，再看一下createAndLogThread这个方法，在timeBetweenLogStatsMillis属性大于0的时候就实例化LogStatsThread线程。

再来看一下LogStatsThread线程做了什么

LogStatsThread线程一直循环调用logStats方法，每次sleep睡眠timeBetweenLogStatsMillis毫秒。那我们就知道这个参数的本质就是每隔多少毫秒去执行logStats方法。

上面的代码表示，数据监控是存在DruidDataSourceStatValue实例里面，然后statLogger对象进行记录。到底存放到哪里，就由statLogger决定。

druid默认的DruidDataSourceStatLogger接口实现
DruidDataSourceStatLoggerImpl，

可以看到Druid是以Json形式进行日志输出的，具体的数据处理在log(DruidDataSourceStatValue)方法中进行，这个方法也是后续我们需要用到的。

方案一

Druid默认的持久化方式是进行文件记录，如果我们想要自定义监控记录的持久化方式则需要自定义StatLogger，参考以上StatLogger的默认实现，我们可以定义一个简单的StatLogger，如下所示：

在这里，我们重写了log(DruidDataSourceStatValue)方法，一个简单的StatLogger就定制完成了，下面需要在dataSource中配置这个statLogger，我们在配置文件中druid节点下加上如下配置：

time-between-log-stats-millis: 60000
stat-logger:

配置过程中发现 stat-logger 对应的是一个
DruidDataSourceStatLoggerAdapter对象，而yml配置文件中仅支持基本数据类型和Map、List等类型，查看源码可以发现，在DruidAbstractDataSource类中有如下定义：

支持直接设置statLogger对象和通过类名设置两种方式，回到配置文件中发现没有类名的这个配置项，如下：

既然通过配置文件不能够直接配置，那么我们就以配置类的方式来配置Druid数据源，新建一个Druid的配置类，如下所示：

其中@ConfigurationProperties表示配置的属性，这里会将配置文件中以spring.datasource.druid为前缀的值映射到DataSource对象的同名属性上，在这个方法中，我们将DatSource的statLogger设置为我们自定义的StatLogger。

这样配置之后，我们就可以看到每隔10秒会做监控数据的持久化了。

问题二

我们再仔细看一下上面的方案，如图

上面的方案会有一些问题

1、如果持久化数据库挂了，就会导致监控数据会丢失

2、在很多实例的时候，都会给数据库进行提交监控数据；会产生高并发问题

3、druid组件和监控持久化有一定耦合关系了。监控持久化业务异常就有可能会影响到druid

怎么解决呢？我们再回来看看druid之前的监控数据方案，druid默认把监控数据记录下日志文件中，这个方案其实已经把监控数据持久化到磁盘上面了，只是日志文件是保存在每个服务实例上面的。那是不是我们只要把这些日志都收集起来，保存到某处，这样是不是也就可以了？

方案二

我们来调整一下方案

这个方案涉及到大数据方面的知识点了，其实也不是太难，大家只要理解架构思路就行了

如上核心思想就是采集日志文件，然后把日志数据发送到消息中间件kafka（这样就起到了削峰作用）；再独立开发个持久化服务订阅kafka消息，做持久化业务。

这个方案就解决了之前方案一的问题，又能抗高并发，又能解耦合

方案中有个Flume组件，他的作用就是用来采集文件，然后同步到各个地方，常用到的就是同步到kafka中。

现在大多数Druid配置都是log4j作为logger，但是logback作为新一代的日志框架，我们有理由使用logback配置Druid Filter，之前的配置是：

dataSourceA.filters=stat,wall,log4j

Druid支持配置多种Filter，配置信息保存在druid-xxx.jar!
/META-INF/druid-filter.properties下面，具体如下：

我们知道，logback是slf4j的实现类，按照规定格式，改成下面就可以了：

dataSourceA.filters=stat,wall,slf4j

具体logback的配置，这里就不介绍了。

总结

本文介绍了druid的监控数据的统一化管理，可以方便我们开发运维进行监控，虽然我们已经把监控数据都进行了采集，那怎么在界面上面显示，这个就需要报表可视化的方案了，有时间老顾会给大家介绍，谢谢！！！

推荐阅读

千人千面精准推荐之大白话讲解协同算法（一）,看这篇就够了

企业实战之分布式锁方案一步步的演变

你了解滑动时间窗口吗？Sentinel核心源码剖析

Sentinel全局Feign默认熔断降级策略的思考

你所不知道的头部参数传递的坑，来吧！抓紧出坑

5分钟让你理解K8S必备架构概念，以及网络模型（一）

5分钟让你理解K8S必备架构概念，以及网络模型（二）

5分钟让你理解K8S必备架构概念，以及网络模型（三）

大厂如何基于binlog解决多机房同步mysql数据（一）？

大厂如何基于binlog解决多机房同步mysql数据（二）？

基于binlog的canal组件有哪些使用场景（三）？

基于binlog日志之canal企业应用及高可用原理（四）？

可用于大型应用的微服务生态灰度发布如何实现？

一线大厂级别公共Redis集群监控，细化到每个项目实例

Sharding-jdbc的实战入门之水平分表（一）

Sharding-Jdbc之水平分库和读写分离（二）