JeecgBoot积木报表中SQL数据集使用存储过程导致连接池泄漏问题分析
2025-06-02 22:13:22作者:伍霜盼Ellen
问题背景
在JeecgBoot 3.6.2版本中集成的积木报表1.7.8版本,当用户在使用SQL数据集功能调用存储过程时,系统会出现数据库连接池资源泄漏的问题。具体表现为每次预览报表都会占用一个Druid连接池连接且不会释放,最终导致连接池耗尽,系统无法继续访问数据库。
问题现象
用户在使用SQL数据集功能时发现:
- 当SQL数据集中编写普通SQL查询语句时,系统运行正常,连接能够正确释放
- 当SQL数据集中调用存储过程时,每次预览操作都会占用一个数据库连接且不会释放
- 随着预览次数的增加,Druid连接池中的可用连接逐渐减少
- 当连接池被完全占用后,系统会出现数据库连接超时错误
技术分析
连接池泄漏原理
数据库连接池泄漏是指应用程序从连接池中获取连接后,未能正确释放回连接池的情况。在Java中,通常需要遵循"获取-使用-关闭"的模式来使用数据库连接。如果程序在获取连接后没有调用close()方法,或者close()方法没有被正确执行,就会导致连接泄漏。
存储过程调用的特殊性
与普通SQL查询相比,存储过程调用有以下特点:
- 可能返回多个结果集
- 可能包含输出参数
- 执行流程可能更复杂
- 可能需要特殊的方式来关闭相关资源
在积木报表的实现中,处理普通SQL查询时能够正确关闭连接,但处理存储过程时可能没有考虑到这些特殊性,导致相关资源未能正确释放。
解决方案
项目维护团队已经确认并修复了此问题,修复方案可能包括:
- 确保在存储过程执行完毕后显式关闭所有相关资源
- 使用try-with-resources语句确保资源释放
- 对存储过程调用的结果集进行完整遍历以确保底层连接可以被释放
- 在finally块中确保连接的关闭操作
用户应对措施
对于遇到此问题的用户,可以采取以下临时解决方案:
- 升级到包含修复的新版本
- 在等待新版本发布期间,可以考虑:
- 暂时避免在SQL数据集中使用存储过程
- 适当增大Druid连接池的最大连接数
- 设置合理的连接超时时间
最佳实践建议
- 在使用存储过程时,确保在代码中正确处理所有可能的结果集
- 使用连接池时,建议配置合理的监控和泄漏检测参数
- 对于复杂的数据库操作,建议进行充分的资源管理测试
- 定期检查数据库连接池的使用情况,及时发现潜在问题
总结
数据库连接池泄漏是Java应用中常见的问题之一,特别是在处理存储过程等复杂数据库操作时更容易出现。积木报表团队已经识别并修复了这一问题,用户可以通过升级到新版本获得修复。在日常开发中,开发者应当重视资源管理,确保数据库连接等稀缺资源能够被正确释放。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218