简介Hive作为Hadoop生态中的数据仓库组件可对大规模数据集执行SQL-like查询Java应用常通过JDBC驱动与HiveServer2交互。面向Java开发者的Hive JDBC连接示例工程以Maven方式组织演示了从加载HiveDriver、建立连接、执行建表、插入与查询到关闭资源的完整流程能够帮助大数据开发入门者解决驱动引入、连接串配置与HQL调用等基础问题。压缩包为zip格式共包含22个文件、约24.97MB其中Java源码用于查看核心逻辑class文件为编译产物XML与POM等配置描述依赖关系及IDE工程结构jar包提供运行所需依赖并附带Git忽略文件整体目录划分标准可导入IntelliJ IDEA或Eclipse直接运行调试。目前已有2444人浏览学习。工程中对连接串、Kerberos认证信息、Statement与ResultSet使用等易错点都给出了可直接套用的写法既可作为最小可用模板也适合继续扩展ETL流程、数据导入或数据分析任务甚至可进一步整合Spring框架、MyBatis等形成更完整的数据处理应用。1. 用 Java JDBC 连 Hive 前先想清楚你连的到底是谁很多第一次接触数仓的 Java 工程师拿到 Hive 连接需求时第一反应是把 Hive 当成 MySQL写一个DriverManager.getConnection(jdbc:hive2://...)就完事。结果连接串拼完、依赖引完、程序跑起来遇到的第一句报错往往不是 SQL 写错而是Could not open client transport。这个报错的根因不是 Java 代码而是你根本没搞清楚 JDBC 连的那个进程叫什么、它需要哪些前置服务。Hive 本身不提供 JDBC 服务。真正接收 JDBC 请求的是 HiveServer2常简写为 HS2它会把 Java 这边发来的 HQL 翻译成分布式任务再提交给 HDFS 和计算引擎执行。所以用 Java JDBC 连接 Hive核心工作其实是两件事把 HS2 的地址、端口、认证方式配对以及把 HQL 语句用 JDBC 的语法规范发过去并接住返回结果。本文接下来会把这套配置从依赖、连接串、认证到增删改查逐个拆开最后给你一张避坑清单让你照着做完就能在本地跑通首个 Java 连接 Hive 的小程序。2. 先配齐前置条件HiveServer2、驱动依赖与驱动注册2.1 为什么「直接连 Hive」是个伪命题HiveServer2 的角色用 Java 连接 Hive 之前必须先理解一个事实Hive 这个组件本身不是一个常驻的网络服务。你在命令行里执行hive命令它是在本地起一个 CLI 进程去解析 HQL但 JDBC 需要的是一个长期监听端口、能接收远程请求的服务端进程这个角色由 HiveServer2 承担。HS2 监听在 10000 端口默认它接收 JDBC/ODBC/Thrift 协议请求并把 HQL 解析后提交给 Hive 的执行引擎MapReduce、Tez 或 Spark。这也解释了一个常见困惑为什么连接 Hive 有那么多前置条件。HS2 启动时依赖 Hive Metastore 提供的元数据服务而查询执行时又依赖 HDFS 和 YARN 的资源。换句话说Java 程序连接 HS2 只是拿到了一个「翻译入口」翻译后的任务仍然要落到集群里跑。所以你在写代码之前第一件事不是写Connection而是先确认三件事HS2 进程是否在运行、10000 端口是否在监听、Metastore 和 HDFS 是否健康。这些可以用一条命令快速确认# 检查 HS2 进程 ps -ef | grep HiveServer2 | grep -v grep # 检查端口监听 lsof -i:10000 netstat -tlnp | grep 10000如果进程和端口都不在请先到 Hive 安装目录下执行hive --service metastore和hive --service hiveserver2启动服务再回来写 Java 代码。很多新手在 IDE 里折腾半天依赖最后发现是服务端压根没起来这种顺序问题属于最容易避免却最常踩的坑。2.2 引入 hive-jdbc 依赖Maven 坐标与传递依赖的处理Hive 的 JDBC 驱动由 Hive 项目官方提供包名叫hive-jdbc。在 Maven 工程里添加依赖的方式如下版本号必须与集群中的 Hive 主版本一致比如集群装的是 Hive 3.1.x就用 3.1.3dependency groupIdorg.apache.hive/groupId artifactIdhive-jdbc/artifactId version3.1.3/version /dependency这个坐标本身没问题但它会带来一堆传递依赖——hadoop-client、hive-service、hive-metastore、libthrift等。这会让你的mvn package产物变得非常大而且如果项目里已经有其他 Hadoop 相关依赖版本冲突几乎是必然的。常见做法是对 Hadoop 相关的传递依赖做 exclude让 hive-jdbc 里的 Hadoop 相关依赖不参与最终的 classpath 拼接dependency groupIdorg.apache.hive/groupId artifactIdhive-jdbc/artifactId version3.1.3/version exclusions exclusion groupIdorg.apache.hadoop/groupId artifactId*/artifactId /exclusion exclusion groupIdorg.apache.hive/groupId artifactIdhive-service/artifactId /exclusion exclusion groupIdorg.apache.hive/groupId artifactIdhive-metastore/artifactId /exclusion /exclusions /dependency排除之后可能出现hive-common或hive-shims找不到的情况这时候再按报错逐个补依赖而不是一把梭全排干净。如果你是非 Maven 项目的拥趸也可以直接把HIVE_HOME/lib下的hive-jdbc-*.jar以及它依赖的一批lib/*.jar拷进项目的 lib 目录效果一样只是版本管理完全靠人肉。2.3 驱动注册Class.forName 不是可有可无Java 从 JDBC 4.0 开始支持 SPI 机制自动加载驱动理论上只要你把 jar 打进 classpathDriverManager会自动扫描META-INF/services下的驱动注册文件不再需要手动Class.forName。但在 Hive JDBC 这个场景里我强烈建议你保留这一行显式的注册代码原因有两个一是如果你项目里同时存在多个 JDBC 驱动比如 MySQL、Doris、Hive某些容器环境下 SPI 扫描顺序不可控可能加载到错误的驱动二是排除传递依赖后META-INF/services里的注册信息可能被合并或丢失自动注册会静默失败。static { try { Class.forName(org.apache.hive.jdbc.HiveDriver); } catch (ClassNotFoundException e) { throw new RuntimeException(找不到 hive-jdbc 驱动类请检查依赖是否引入, e); } }Hive 的驱动类路径是org.apache.hive.jdbc.HiveDriver注意不要写成 Hive 老版本用的org.apache.hadoop.hive.jdbc.HiveDriver。驱动类名写错是新手最常见的低级翻车点报错信息往往长得一模一样都是ClassNotFoundException但等你看到堆栈里的包名时半小时已经过去了。3. 连接 URL 与认证配置把连接串和认证信息写对3.1 连接 URL 的组成与常用参数Hive JDBC 的 URL 格式和 MySQL 有相似之处但参数更多。基础格式是jdbc:hive2://host:port/database例如连接一台主机名为hadoop01的 HS2默认端口 10000默认数据库bigdata写法如下jdbc:hive2://hadoop01:10000/bigdata如果 HS2 配置了传输模式为 HTTP比如前面挂了负载均衡或网关URL 就要带上一串参数jdbc:hive2://hadoop01:10001/;transportModehttp;httpPathcliservice这里有个容易混淆的地方transportModehttp和httpPathcliservice是配套使用的httpPath是 HS2 服务端配置的 HTTP 端点路径默认值就是cliservice一般不需要改。transportMode默认是 binary走的是 Thrift 二进制协议只有服务端用 HTTP 模式启动时才需要显式声明http。判断方式很简单在服务端hive-site.xml里查hive.server2.transport.mode是binary就用默认是http就加参数。还有两个实际工作中会用到的参数。setCurrentSchema可以直接切换数据库等同于 HQL 里的USE databasesasl.qop用来指定认证保护级别默认auth如果你在日志里看到握手相关的加密报错再按集群策略调整。这些参数直接在 URL 后追加即可多个参数用分号或分隔——注意是分号不是 MySQL 里熟悉的?jdbc:hive2://hadoop01:10000/bigdata;transportModebinary3.2 三种认证方式的 Java 端差异默认、LDAP、KerberosHiveServer2 服务端通过hive.server2.authentication配置认证方式Java 客户端必须与服务端匹配否则连接时握手就会失败。最常见的是三种第一种是默认的NONE认证。这种情况下HS2 把连接参数里的用户名当作 Hadoop 的登录用户密码字段被忽略。Java 端传一个空字符串作为密码即可。这种模式在测试环境很常见但生产环境基本不用。第二种是LDAP认证。HS2 连接 LDAP 服务器校验用户名密码Java 端必须传真实密码。它和 MySQL 的认证体验最接近URL 里的用户名和密码都会参与校验。第三种是KERBEROS认证这也是生产集群最常见的方式。Java 端需要准备 Kerberos 票据krb5.conf、keytab或使用缓存登录票据然后通过 Hadoop 组件里的UserGroupInformation完成登录再发起 JDBC 连接。这是三种方式里配置最繁琐的常见做法是先写一个登录逻辑import org.apache.hadoop.security.UserGroupInformation; System.setProperty(java.security.krb5.conf, /etc/krb5.conf); UserGroupInformation.loginUserFromKeytab(hiveEXAMPLE.COM, /path/to/hive.keytab);登录完成后再执行DriverManager.getConnection(url, hive, )。注意 Kerberos 模式下密码参数通常不参与登录认证靠的是票据密码传空串并带上 principal 信息。这里我强调一点Kerberos 连不上时先别急着看 Java 代码先拿 beeline 在命令行连一把能排除 80% 的票据和 principal 配置问题。3.3 写一个最小可用的连接工具类把上面这些信息收拢到一起写一个可复用的连接工具类。以下代码直接可运行注意把 URL 改成你集群的实际地址package com.example.hive; import java.sql.Connection; import java.sql.DriverManager; import java.sql.SQLException; /** * Hive JDBC 连接工具 * 环境Hive 3.1.x默认 NONE 认证用户名映射为 Hadoop 用户 */ public class HiveJdbcUtil { private static final String HIVE_URL jdbc:hive2://hadoop01:10000/bigdata; private static final String HIVE_USER hive; private static final String HIVE_PASSWORD ; static { try { // 显式注册驱动避免 SPI 扫描被多个驱动干扰 Class.forName(org.apache.hive.jdbc.HiveDriver); } catch (ClassNotFoundException e) { throw new RuntimeException(hive-jdbc 依赖未引入或驱动类不存在, e); } } public static Connection getConnection() throws SQLException { // DriverManager 会返回一个 Thrift 连接底层走 SASL 握手 return DriverManager.getConnection(HIVE_URL, HIVE_USER, HIVE_PASSWORD); } }这段代码里最值得关注的是密码为空串。NONE 认证模式下HS2 只认用户名密码传什么都行。团队里总有人习惯性填一个密码一旦服务端切到 LDAP 或 Kerberos那个假密码就成了第一个报错来源。建议把密码留空把认证逻辑留给后续扩展而不是在工具类里写死。工具类写完后用一个最简单的查询验证连接是否成功public class ConnectTest { public static void main(String[] args) throws SQLException { try (Connection conn HiveJdbcUtil.getConnection()) { System.out.println(连接成功 conn.getMetaData().getURL()); } } }这里用到了getMetaData()它能拿到 HS2 返回的数据库元信息顺便验证了连接通路。3.4 连接前先用 beeline 做一次冒烟验证写 Java 代码之前我建议先用 beeline 验证连接串本身是否可用。beeline 是 Hive 自带的命令行 JDBC 客户端它和 Java 程序走的是同一条 JDBC 通道。如果 beeline 连不上就别花时间调试 Java 代码了问题出在服务端或网络。beeline -u jdbc:hive2://hadoop01:10000/bigdata -n hive进入 beeline 后执行一句show databases;能看到库列表说明 HS2、Metastore、HDFS 都正常。这一步能极大缩小排查范围把「Java 代码问题」和「环境问题」隔离开。我见过太多同事在 IDE 里反复改依赖、清缓存、重启最后发现是 HS2 服务端挂了几小时。冒烟验证做在前面省下的时间远超过你敲这几条命令的时间。4. 用 JDBC 对 Hive 执行建表、加载与查询完整可跑代码4.1 DDL 与 DML建表、LOAD DATA 与查询连接建立后剩下的操作跟 MySQL 的 JDBC 很像但有几处细节完全不同。先看一段能直接跑的完整示例它完成建表、加载数据、查询三步import java.sql.*; public class HiveDmlDemo { public static void main(String[] args) throws Exception { Connection conn null; Statement stmt null; try { conn HiveJdbcUtil.getConnection(); stmt conn.createStatement(); // 1. 建表字段用逗号分隔行格式由 FIELDS TERMINATED BY 指定 String createSql CREATE TABLE IF NOT EXISTS t_user( id INT, name STRING, age INT) ROW FORMAT DELIMITED FIELDS TERMINATED BY , STORED AS TEXTFILE; stmt.execute(createSql); System.out.println(建表完成); // 2. 从 HDFS 加载数据INPATH 表示文件已在 HDFS 上 String loadSql LOAD DATA INPATH /user/hive/warehouse/bigdata.db/t_user_data.txt INTO TABLE t_user; stmt.execute(loadSql); System.out.println(数据加载完成); // 3. 查询并遍历结果 ResultSet rs stmt.executeQuery( SELECT id, name, age FROM t_user LIMIT 10); StringBuilder sb new StringBuilder(); while (rs.next()) { sb.append(rs.getInt(id)).append(, ) .append(rs.getString(name)).append(, ) .append(rs.getInt(age)).append(\n); } System.out.println(sb.toString()); rs.close(); } finally { if (stmt ! null) stmt.close(); if (conn ! null) conn.close(); } } }这里有三处和 MySQL JDBC 的差异务必记牢。第一建表和加载数据用的是execute()不是executeUpdate()——Hive JDBC 对 DDL 返回的行数语义没有统一标准某些版本executeUpdate()会返回 -1看起来像执行失败实际任务已经跑完。第二LOAD DATA INPATH的路径是 HDFS 路径不是本地文件路径文件需要先用hdfs dfs -put上传到 HDFS 对应目录。如果非要用客户端本机文件关键字要改成LOAD DATA LOCAL INPATH但生产环境不建议这样HS2 所在本机未必有你应用所在机器的文件。第三CREATE TABLE的存储格式默认是 TEXTFILE如果数据量大会建议换成 ORC 或 Parquet它们对后续查询性能影响巨大。4.2 PreparedStatement 做带参数的查询Hive 的 JDBC 驱动支持 PreparedStatement但支持程度不如 MySQL 完整主要用在带参数的查询场景。基本用法如下import java.sql.*; public class PreparedQueryDemo { public static void main(String[] args) throws Exception { String sql SELECT id, name, age FROM t_user WHERE id ? AND name ?; try (Connection conn HiveJdbcUtil.getConnection(); PreparedStatement ps conn.prepareStatement(sql)) { ps.setInt(1, 1001); ps.setString(2, zhangsan); ResultSet rs ps.executeQuery(); while (rs.next()) { System.out.println(rs.getInt(id) - rs.getString(name)); } rs.close(); } } }注意几点Hive 的 PreparedStatement 支持?占位符但底层会把参数替换后的完整 HQL 发送给 HS2 执行参数化更多是语法层面的支持并不会像 MySQL 那样做服务端预编译优化。另外setObject()方法可用但遇到Timestamp、Decimal、List这类复杂类型时要显式用对应的setTimestamp、setBigDecimal否则可能抛类型转换异常。在实际项目里PreparedStatement 主要用来防止字符串拼接带来的注入风险以及代码可读性。虽然 Hive 不像 MySQL 那样有大量注入攻击的场景但团队协作时统一用参数化写法是值得坚持的习惯。如果你的 SQL 里要动态拼库名、表名记住表名和库名不能用占位符只能做白名单校验后拼接这是 JDBC 本身的限制。4.3 ResultSet 读取与 Hive 类型映射从 ResultSet 里取值时不同 Hive 类型要对应不同的getXxx()方法。映射关系如下表这个表也经常出现在 Java 面试题里考察的是对 JDBC 规范类型的理解Hive 类型JDBC 读取方法对应的 Java 类型TINYINTgetByte()byteSMALLINTgetShort()shortINTgetInt()intBIGINTgetLong()longFLOATgetFloat()floatDOUBLEgetDouble()doubleBOOLEANgetBoolean()booleanSTRINGgetString()StringTIMESTAMPgetTimestamp()java.sql.TimestampDATEgetDate()java.sql.DateDECIMALgetBigDecimal()java.math.BigDecimal这里最容易踩的坑是 DECIMAL 和 TIMESTAMP。Hive 里 DECIMAL 默认精度是 10 位如果你用getDouble()读它大数会丢精度正确做法是一律用getBigDecimal()。TIMESTAMP 如果用getString()读会丢失时区信息在跨时区集群里表现尤其诡异。另外Hive 的表字段允许为 nullrs.getXxx()返回 null 时基本类型会自动拆箱成 0 或 false这种「看起来有值其实是 null」的问题在统计场景特别隐蔽遍历时建议用rs.getObject()先判断是否为空Object val rs.getObject(age); if (val ! null) { int age ((Number) val).intValue(); }SQL 层面的聚合函数在底层执行时走的其实是 Hive UDF/UDAF 的服务端逻辑比如count、sum、自定义的UDAFJDBC 客户端只负责发送 HQL 文本和接收结果集。理解这一点你就能明白为什么 JDBC 返回慢不代表代码有问题聚合计算整个过程都在集群里跑客户端能做的就是接住最终结果。5. 连接 Hive 的常见坑五个排查清单帮你定位5.1 驱动类找不到或 Fat Jar 冲突现象程序启动即抛ClassNotFoundException: org.apache.hive.jdbc.HiveDriver或者打好的 Fat Jar 在运行时报java.sql.SQLException: No suitable driver found。后者的迷惑性更强因为代码里确实写了Class.forName但找不到注册驱动。原因第一种情况是hive-jdbc依赖真的没引入。第二种情况多半是项目里同时存在 Spark、Hadoop 等依赖它们各自携带不同版本的 Hive 驱动打包时META-INF/services下的java.sql.Driver文件被合并或覆盖导致驱动注册信息丢失。解决先确认依赖树里有没有hive-jdbc执行mvn dependency:tree | grep hive。有依赖但报错就在打包插件里加上ServicesResourceTransformer把多个驱动注册文件合并最保险的做法是保留Class.forName(org.apache.hive.jdbc.HiveDriver)不去掉。如果还不行把 Spark 依赖里携带的旧版 hive 相关 jar 排除掉再重新打包。5.2 连接 10000 端口失败但 beeline 能连现象Java 代码报Could not open client transport with JDBC Uri: jdbc:hive2://...或者SASL negotiation failure。但你在同一台机器上用 beeline 连同一个地址又是成功的。原因这是 Java 地址解析和服务端返回值不一致导致的最常见的是 Kerberos 或 LDAP 环境下Java 端没有正确加载认证配置。还有一种情况是 URL 里的主机名在 Java 进程所在机器上解析到了不同的 IP而 HS2 的hive.server2.thrift.bind.host绑定的是另一个地址。解决先用 beeline 排除服务端问题再用排除法收窄 Java 端。检查krb5.conf和 keytab 路径是否可以被 Java 进程读到检查 URL 用的主机名在/etc/hosts里是否映射正确最后确认transportMode与 HS2 服务端配置一致。这套排查路径我走过很多遍绝大多数最后都栽在主机名解析和 Kerberos 票据的路径问题上而不是 Java 代码本身。5.3 执行报 Permission denied明明用户是 hive现象Java 程序执行LOAD DATA INPATH或CREATE TABLE时抛org.apache.hadoop.security.AccessControlException: Permission denied但命令行里用hive用户执行同样的语句是成功的。原因HiveServer2 默认开启hive.server2.enable.doAstrue也就是说它会用连接请求里的用户名去访问 HDFS。如果你的 Java 连接参数里用户名写的是hive但程序运行的机器上实际认证的 principal 不是hiveHDFS 的权限校验就会失败。还有一种是LOAD DATA INPATH的源文件属于别的用户读取受限。解决检查连接 URL 里-n指定的用户名是否有对应 HDFS 路径权限给该用户授权sudo -u hdfs hdfs dfs -chown -R hive:hive /user/hive/warehouse/bigdata.db开发调试环境可以临时把hive.server2.enable.doAs设为 false让所有 JDBC 请求都映射为启动 HS2 的操作用户但这会带来权限绕过的风险生产环境不建议这样做。记住一条经验Hive 的权限问题是「HS2 请求用户 HDFS 文件属主」双重概念Java 代码里的用户名往往不是你第一反应的那个 Linux 用户。5.4 executeUpdate 返回 -1以为操作失败现象Java 里用executeUpdate()执行CREATE TABLE或LOAD DATA返回值是 -1代码根据返回值判断操作失败抛了异常。原因Hive JDBC 的executeUpdate()约定返回受影响的行数但 DDL 语句压根没有行数概念驱动在不同 Hive 版本下返回 0 或 -1 都不一样。这在语义上并不是执行失败只是 JDBC 规范套用在数仓 DDL 上时出现的「水土不服」。解决不要用返回值判断 DDL 是否成功改用execute()然后看它有没有抛异常。如果一定要拿结果用Statement.getUpdateCount()但同样别依赖它判断 DDL 执行情况。这类虚假失败最容易在测试阶段让人抓狂调试半天最后发现 Hive 表已经建好了。5.5 中文乱码与元数据编码问题现象查询结果里中文字段值变成??或者表名、字段名在 ResultSet 元数据里是乱码。分区字段乱码的情况尤其多和热搜里出现的「删除 hive 乱码分区」往往是同一个根因。原因Hive JDBC 在建立连接时如果没有显式指定字符集客户端和服务端的字符集协商可能落到非 UTF-8另一层原因是 Hive 元数据库通常是 MySQL的表结构用了latin1编码导致 Metastore 返回的中文元数据本身就是乱的。解决连接 URL 加上characterEncodingUTF-8参数jdbc:hive2://hadoop01:10000/bigdata;characterEncodingUTF-8同时在服务端检查 Metastore 对应库表的字符集改成utf8mb4。如果历史脏数据已经存在需要把乱码分区删掉重建。记住排查顺序先看查询结果再看元数据最后看 Hive 元数据库的字符集绝大多数乱码问题逃不出这三层。6. 进阶把连接参数做成配置用 fetchSize 和元数据接口做体检6.1 参数外部化与推荐默认值把 URL、用户名、密码、fetchSize 全部写死在代码里的做法换一次集群就要改一次代码非常被动。我一般会把这些参数拆到外部配置文件hive-jdbc.properties中程序启动时加载Properties props new Properties(); props.load(new FileInputStream(hive-jdbc.properties)); String url props.getProperty(hive.jdbc.url); String user props.getProperty(hive.jdbc.user); int fetchSize Integer.parseInt(props.getProperty(hive.jdbc.fetchSize, 500));推荐默认值方面fetchSize控制在 500 到 1000 之间太大容易内存溢出太小则网络往返次数多connectTimeout建议设 60 秒QL 执行本身在服务端跑客户端超时设太短会误杀长任务。这些参数每个集群环境都不完全一样配置化之后换环境只需要改 properties 文件不用动编译产物。6.2 用 setFetchSize 控制大查询内存Hive JDBC 的 ResultSet 是一次性从 HS2 拉取一批数据到客户端默认大小由服务端hive.server2.thrift.resultset.default.fetch.size控制通常是 1000 行。查询百万行级结果时客户端 JVM 很容易 OOM。Java 端可以用Statement.setFetchSize()覆盖这个值Statement stmt conn.createStatement(); stmt.setFetchSize(500); ResultSet rs stmt.executeQuery(SELECT * FROM bigdata.t_user_detail);注意这个设置是「建议值」服务端未必完全遵循但它确实能影响驱动从 Thrift 通道拉取的批量大小。大结果集查询时配合只取需要的字段而不是SELECT *内存压力能缓解一大半。6.3 用 DatabaseMetaData 验证表结构连接建立后除了执行查询还可以通过DatabaseMetaData接口验证表是否存在、字段类型是否符合预期。这在做数据字典导出、自动化测试断言时非常实用DatabaseMetaData meta conn.getMetaData(); ResultSet tables meta.getTables(bigdata, null, %, new String[]{TABLE}); while (tables.next()) { System.out.println(tables.getString(TABLE_NAME)); }我个人的习惯是在写正式业务代码前先用这段代码把目标库里的表列一遍确认 HS2 的元数据服务返回正常再开始写建表和查询逻辑。这样能尽早把「连接成功但元数据异常」这一类隐藏问题暴露出来而不是等到业务跑挂了再排查。Java 连 Hive 这套链路真正难的不是 JDBC API 本身而是它背后那条 HiveServer2、Metastore、HDFS、认证体系串起来的长链路。建议你维护一份连接冒烟脚本每次部署环境变了先跑一遍连接测试再投入开发。当初我就是把连接串和 fetchSize 写死在代码里换了集群后翻车两次才老老实实把所有参数都拆到配置文件里。希望帮到你。本文还有配套的精品资源点击获取