數(shù)據(jù)庫連接池的配置是開發(fā)者們常常搞出坑的地方，在配置數(shù)據(jù)庫連接池時，有幾個可以說是和直覺背道而馳的原則需要明確。

1萬并發(fā)用戶訪問

想象你有一個網(wǎng)站，壓力雖然還沒到Facebook那個級別，但也有個1萬上下的并發(fā)訪問——也就是說差不多2萬左右的TPS。那么這個網(wǎng)站的數(shù)據(jù)庫連接池應(yīng)該設(shè)置成多大呢？結(jié)果可能會讓你驚訝，因?yàn)檫@個問題的正確問法是：

“這個網(wǎng)站的數(shù)據(jù)庫連接池應(yīng)該設(shè)置成多小呢？”

下面這個視頻是Oracle Real World Performance Group發(fā)布的，請先看完：http://www.dailymotion.com/video/x2s8uec

因?yàn)檫@視頻是英文解說且沒有字幕，我替大家做一下簡單的概括：

視頻中對Oracle數(shù)據(jù)庫進(jìn)行壓力測試，9600并發(fā)線程進(jìn)行數(shù)據(jù)庫操作，每兩次訪問數(shù)據(jù)庫的操作之間sleep 550ms，一開始設(shè)置的中間件線程池大小為2048：

壓測跑起來之后是這個樣子的：

每個請求要在連接池隊列里等待33ms，獲得連接后執(zhí)行SQL需要77ms

此時數(shù)據(jù)庫的等待事件是這個熊樣的：

各種buffer busy waits，數(shù)據(jù)庫CPU在95%左右（這張圖里沒截到CPU）

接下來，把中間件連接池減到1024（并發(fā)什么的都不變），性能數(shù)據(jù)變成了這樣：

獲取鏈接等待時長沒怎么變，但是執(zhí)行SQL的耗時減少了。

下面這張圖，上半部分是wait，下半部分是吞吐量

能看到，中間件連接池從2048減半之后，吐吞量沒變，但wait事件減少了一半。

接下來，把數(shù)據(jù)庫連接池減到96，并發(fā)線程數(shù)仍然是9600不變。

隊列平均等待1ms，執(zhí)行SQL平均耗時2ms。

wait事件幾乎沒了，吞吐量上升。

沒有調(diào)整任何其他東西，僅僅只是縮小了中間件層的數(shù)據(jù)庫連接池，就把請求響應(yīng)時間從100ms左右縮短到了3ms。

But why?

為什么nginx只用4個線程發(fā)揮出的性能就大大超越了100個進(jìn)程的Apache HTTPD？回想一下計算機(jī)科學(xué)的基礎(chǔ)知識，答案其實(shí)是很明顯的。

即使是單核CPU的計算機(jī)也能“同時”運(yùn)行數(shù)百個線程。但我們都[應(yīng)該]知道這只不過是操作系統(tǒng)用時間分片玩的一個小把戲。一顆CPU核心同一時刻只能執(zhí)行一個線程，然后操作系統(tǒng)切換上下文，核心開始執(zhí)行另一個線程的代碼，以此類推。給定一顆CPU核心，其順序執(zhí)行A和B永遠(yuǎn)比通過時間分片“同時”執(zhí)行A和B要快，這是一條計算機(jī)科學(xué)的基本法則。一旦線程的數(shù)量超過了CPU核心的數(shù)量，再增加線程數(shù)系統(tǒng)就只會更慢，而不是更快。推薦：多線程內(nèi)容聚合

這幾乎就是真理了……

有限的資源

上面的說法只能說是接近真理，但還并沒有這么簡單，有一些其他的因素需要加入。當(dāng)我們尋找數(shù)據(jù)庫的性能瓶頸時，總是可以將其歸為三類：CPU、磁盤、網(wǎng)絡(luò)。把內(nèi)存加進(jìn)來也沒有錯，但比起磁盤和網(wǎng)絡(luò)，內(nèi)存的帶寬要高出好幾個數(shù)量級，所以就先不加了。

如果我們無視磁盤和網(wǎng)絡(luò)，那么結(jié)論就非常簡單。在一個8核的服務(wù)器上，設(shè)定連接/線程數(shù)為8能夠提供最優(yōu)的性能，再增加連接數(shù)就會因上下文切換的損耗導(dǎo)致性能下降。數(shù)據(jù)庫通常把數(shù)據(jù)存儲在磁盤上，磁盤又通常是由一些旋轉(zhuǎn)著的金屬碟片和一個裝在步進(jìn)馬達(dá)上的讀寫頭組成的。

讀/寫頭同一時刻只能出現(xiàn)在一個地方，然后它必須“尋址”到另外一個位置來執(zhí)行另一次讀寫操作。所以就有了尋址的耗時，此外還有旋回耗時，讀寫頭需要等待碟片上的目標(biāo)數(shù)據(jù)“旋轉(zhuǎn)到位”才能進(jìn)行操作。使用緩存當(dāng)然是能夠提升性能的，但上述原理仍然成立。

在這一時間段（即"I/O等待"）內(nèi)，線程是在“阻塞”著等待磁盤，此時操作系統(tǒng)可以將那個空閑的CPU核心用于服務(wù)其他線程。所以，由于線程總是在I/O上阻塞，我們可以讓線程/連接數(shù)比CPU核心多一些，這樣能夠在同樣的時間內(nèi)完成更多的工作。

那么應(yīng)該多多少呢？這要取決于磁盤。較新型的SSD不需要尋址，也沒有旋轉(zhuǎn)的碟片。可別想當(dāng)然地認(rèn)為“SSD速度更快，所以我們應(yīng)該增加線程數(shù)”，恰恰相反，無需尋址和沒有旋回耗時意味著更少的阻塞，所以更少的線程[更接近于CPU核心數(shù)]會發(fā)揮出更高的性能。只有當(dāng)阻塞創(chuàng)造了更多的執(zhí)行機(jī)會時，更多的線程數(shù)才能發(fā)揮出更好的性能。

網(wǎng)絡(luò)和磁盤類似。通過以太網(wǎng)接口讀寫數(shù)據(jù)時也會形成阻塞，10G帶寬會比1G帶寬的阻塞少一些，1G帶寬又會比100M帶寬的阻塞少一些。不過網(wǎng)絡(luò)通常是放在第三位考慮的，有些人會在性能計算中忽略它們。

上圖是PostgreSQL的benchmark數(shù)據(jù)，可以看到TPS增長率從50個連接數(shù)開始變緩。在上面Oracle的視頻中，他們把連接數(shù)從2048降到了96，實(shí)際上96都太高了，除非服務(wù)器有16或32顆核心。

計算公式

下面的公式是由PostgreSQL提供的，不過我們認(rèn)為可以廣泛地應(yīng)用于大多數(shù)數(shù)據(jù)庫產(chǎn)品。你應(yīng)該模擬預(yù)期的訪問量，并從這一公式開始測試你的應(yīng)用，尋找最合適的連接數(shù)值。

連接數(shù) = ((核心數(shù) * 2) + 有效磁盤數(shù))

核心數(shù)不應(yīng)包含超線程(hyper thread)，即使打開了hyperthreading也是。如果活躍數(shù)據(jù)全部被緩存了，那么有效磁盤數(shù)是0，隨著緩存命中率的下降，有效磁盤數(shù)逐漸趨近于實(shí)際的磁盤數(shù)。這一公式作用于SSD時的效果如何尚未有分析。

按這個公式，你的4核i7數(shù)據(jù)庫服務(wù)器的連接池大小應(yīng)該為((4 * 2) + 1) = 9。取個整就算是是10吧。是不是覺得太小了？跑個性能測試試一下，我們保證它能輕松搞定3000用戶以6000TPS的速率并發(fā)執(zhí)行簡單查詢的場景。如果連接池大小超過10，你會看到響應(yīng)時長開始增加，TPS開始下降。擴(kuò)展：用了這么久的數(shù)據(jù)庫連接池，你知道原理嗎？

筆者注：這一公式其實(shí)不僅適用于數(shù)據(jù)庫連接池的計算，大部分涉及計算和I/O的程序，線程數(shù)的設(shè)置都可以參考這一公式。我之前在對一個使用Netty編寫的消息收發(fā)服務(wù)進(jìn)行壓力測試時，最終測出的最佳線程數(shù)就剛好是CPU核心數(shù)的一倍。

公理：你需要一個小連接池，和一個充滿了等待連接的線程的隊列

如果你有10000個并發(fā)用戶，設(shè)置一個10000的連接池基本等于失了智。1000仍然很恐怖。即是100也太多了。你需要一個10來個連接的小連接池，然后讓剩下的業(yè)務(wù)線程都在隊列里等待。連接池中的連接數(shù)量應(yīng)該等于你的數(shù)據(jù)庫能夠有效同時進(jìn)行的查詢?nèi)蝿?wù)數(shù)（通常不會高于2*CPU核心數(shù)）。

我們經(jīng)常見到一些小規(guī)模的web應(yīng)用，應(yīng)付著大約十來個的并發(fā)用戶，卻使用著一個100連接數(shù)的連接池。這會對你的數(shù)據(jù)庫造成極其不必要的負(fù)擔(dān)。

請注意

連接池的大小最終與系統(tǒng)特性相關(guān)。

比如一個混合了長事務(wù)和短事務(wù)的系統(tǒng)，通常是任何連接池都難以進(jìn)行調(diào)優(yōu)的。最好的辦法是創(chuàng)建兩個連接池，一個服務(wù)于長事務(wù)，一個服務(wù)于短事務(wù)。

再例如一個系統(tǒng)執(zhí)行一個任務(wù)隊列，只允許一定數(shù)量的任務(wù)同時執(zhí)行，此時并發(fā)任務(wù)數(shù)應(yīng)該去適應(yīng)連接池連接數(shù)，而不是反過來。