使用 mssql-python 实现连接池

连接池通过重复使用数据库连接，而不是为每个请求创建新的连接，从而提升应用性能。开通连接涉及多个耗时步骤：

驱动程序创建一个网络套接字。
驱动程序完成了TLS握手。
驱动程序通过服务器进行认证。
驱动程序验证连接参数。

连接池保持连接开放并可重复使用，因此你的应用无需为每个请求重复这些步骤。

默认行为

创建第一个连接时，默认会启用连接池。默认设置为：

设置	默认值	描述
`max_size`	100	每个唯一连接字符串的最大连接数
`idle_timeout`	600 秒（10 分钟）	空闲连接关闭前的秒数。

import mssql_python

# Pooling is automatically enabled with defaults
conn = mssql_python.connect(connection_string)

配置连接池

在创建任何连接前先配置池化：

import mssql_python

# Configure custom pool settings
mssql_python.pooling(max_size=50, idle_timeout=300)

# Now create connections
conn = mssql_python.connect(connection_string)

参数

该 pooling() 函数接受以下参数：

参数	类型	默认	描述
`max_size`	int	100	每个连接字符串的最大合并连接数。
`idle_timeout`	int	600	闲置连接从连接池中被移除前的秒数。
`enabled`	bool	是	启用或关闭池化。

禁用连接池化

要禁用池化，请在创建连接前先调用 pooling() ：enabled=False

import mssql_python

mssql_python.pooling(enabled=False)

# Connections are now created and destroyed per use
conn = mssql_python.connect(connection_string)

注释

在建立任何连接前先设置好池配置。建立连接后再打电话 pooling() 没有效果。

池化的工作原理

连接绳隔离

每个唯一的连接字符串都有自己独立的连接池。池之间不共享不同连接串的连接：

# These use separate pools
conn1 = mssql_python.connect("Server=<server1>;Database=<database1>;...")
conn2 = mssql_python.connect("Server=<server2>;Database=<database2>;...")

连接生命周期

获取（建立连接）：

连接池会移除陈旧的（因空闲超时而失效的）连接。
池尝试重复利用已有的连接：
- 它会检查连接是否处于正常状态。
- 它会重置连接状态。
- 如果两次检查都成功，则返回连接。
如果没有可重用连接且池低于 max_size，驱动程序会创建一个新的连接。
如果连接池已满且没有有效连接，驱动程序会引发错误。

释放（返回连接）：

如果泳池有容量，它会储存连接以供重复使用。
如果连接池处于 max_size 状态，驱动程序会立即关闭连接。

连接运行状况检查

驱动程序在重用池连接前会先进行连接健康检查。

活检：确保网络连接仍然有效。
复位检查：重置会话状态（隔离级别、设置），以便干净地重用。

如果任一检查失败，池会丢弃该连接并重新创建连接。

自动清理

空闲超时：驱动程序会关闭超过 idle_timeout 时长未使用的连接。
进程退出：当 Python 进程退出时，atexit处理器关闭所有池连接。

最佳做法

合理调整池规模

使池大小与应用程序的并发需求相匹配。

# For a web application with 20 concurrent requests
mssql_python.pooling(max_size=25)  # Slightly more than expected concurrency

使用上下文管理器

上下文管理器可确保你将连接妥善归还到连接池中。

with mssql_python.connect(connection_string) as conn:
    cursor = conn.cursor()
    cursor.execute("SELECT TOP 5 Name, ListPrice FROM Production.Product")
    rows = cursor.fetchall()
# Connection returned to pool

保持连接线一致

连接串中不同的参数会创建独立的池。

# These create THREE separate pools (inefficient)
conn1 = mssql_python.connect("Server=<server>;Database=<database>;Encrypt=yes;")
conn2 = mssql_python.connect("SERVER=<server>;DATABASE=<database>;ENCRYPT=yes;")  # Different case
conn3 = mssql_python.connect("Server=<server>;Database=<database>;Encrypt=yes;", timeout=30)  # Extra parameter

# Use a constant connection string instead
CONNECTION_STRING = "Server=<server>;Database=<database>;Encrypt=yes;"
conn1 = mssql_python.connect(CONNECTION_STRING)
conn2 = mssql_python.connect(CONNECTION_STRING)  # Same pool

请考虑 Azure SQL 连接限制

Azure SQL 数据库根据服务层级强制连接限制。以下数值为近似值；请查看链接文档以了解当前限制：

服务层	最大并发连接数
基本	30
标准 S0-S2	60-120
标准S3及后续版本	200
高级	500

将你的 max_size 价值设定在这些限制以下。

# For Azure SQL Standard S2 (120 limit)
mssql_python.pooling(max_size=100)  # Leave headroom

根据你的工作量调整空闲超时

频繁连接：使用较大的 idle_timeout 值以保持连接活跃。
零星连接：使用较短的idle_timeout值以释放资源。

# High-frequency API: keep connections warm
mssql_python.pooling(idle_timeout=1800)  # 30 minutes

# Batch job running every hour: release between runs
mssql_python.pooling(idle_timeout=60)  # 1 minute

局限性

当前实现相比其他驱动存在一些局限性：

Feature	地位
`ClearPool()` / `ClearAllPools()`	暂无
池统计信息/监控	暂无
每个连接的连接池覆盖设置	暂无
最小泳池规模	不可配置。

示例：网页应用模式

以下Flask示例展示了连接如何在不同请求间透明地池化：

import mssql_python
from flask import Flask, g

app = Flask(__name__)

# Configure pooling at startup
mssql_python.pooling(max_size=20, idle_timeout=300)

def get_db():
    if 'db' not in g:
        g.db = mssql_python.connect(app.config['DATABASE_URL'])
    return g.db

@app.teardown_appcontext
def close_db(error):
    db = g.pop('db', None)
    if db is not None:
        db.close()  # Returns to pool

@app.route('/products')
def list_products():
    conn = get_db()
    cursor = conn.cursor()
    cursor.execute("SELECT TOP 5 Name, ListPrice FROM Production.Product")
    return cursor.fetchall()

识别泳池耗尽

当连接池中的所有连接都在使用中，而你又请求新连接时，便会出现如下症状：

连接在等待可用连接时会卡住或超时。
应用吞吐量在负载下突然下降。
随着驱动创建无法重用的连接，内存使用率会上升。

常见原因：

连接不会被归还到池中。 用完后务必关闭连接，或使用上下文管理器。没有关闭的连接会保持关闭状态。
泳池规模对工作量来说太小了。 如果你有 50 个并发请求，但 max_size=20，则会有 30 个请求处于等待状态。
长时间运行的查询会占用连接。 拆分长操作或使用专用连接进行批量处理。

如何修复：

# 1. Always use context managers to guarantee return
with mssql_python.connect(connection_string) as conn:
    cursor = conn.cursor()
    cursor.execute("SELECT ...")
    rows = cursor.fetchall()
# Connection returned to pool here, even if an exception occurs

# 2. Size the pool to match your concurrency
mssql_python.pooling(max_size=50)  # Match or slightly exceed expected concurrent connections

# 3. Reduce idle timeout if connections go stale
mssql_python.pooling(idle_timeout=120)

反馈

此页面是否有帮助？

Last updated on 2026-07-22