wbjdbc 2.0.3

Optimized Python-Java JDBC bridge with connection pooling, batch execution, async queries, and caching for Informix and MongoDB

🧩 wbjdbc v2.0 — JDBC para Python (com suporte a Informix, Pooling, Async e Cache)

wbjdbc é uma biblioteca JDBC moderna e otimizada para Python, agora com recursos de pool de conexões, execução assíncrona, operações em lote, cache de metadados e mapeamento de tipos.
Totalmente compatível com versões anteriores (v1.x) e pronta para produção.

---

🚀 Principais Recursos

• 🔄 Pool de Conexões — Gerencia múltiplas conexões com reaproveitamento automático.
• ⚡ Execução em Lote — Até 10x mais rápido em inserções/atualizações massivas.
• 🧵 Execução Assíncrona — Suporte a dezenas de queries simultâneas.
• 🧠 Cache de Metadados — Reduz 95–99% das consultas de schema repetidas.
• 🧩 Mapeamento Automático de Tipos — Conversão bidirecional entre JDBC e Python.
• 🧮 Métricas e Logging Estruturado — Estatísticas detalhadas de desempenho.
• ⚙️ Configuração via .env ou Variáveis de Ambiente
• ✅ Compatível 100% com versões anteriores

---

🧰 Instalação

pip install wbjdbc

---

💡 Uso Básico

from wbjdbc import connect_optimized

conn = connect_optimized(
    db_type="informix-sqli",
    host="server",
    database="db",
    user="user",
    password="pass",
    server="informix"
)

df = conn.query("SELECT * FROM clientes LIMIT 10")
print(df)

---

⚙️ Execução em Lote

data = [(1, "Alice"), (2, "Bob")]
conn.execute_batch("INSERT INTO clientes VALUES (?, ?)", data)

---

🧵 Execução Assíncrona

future = conn.execute_async("SELECT COUNT(*) FROM clientes")
print(future.result())

---

📈 Métricas e Logging

• Tempo médio, p50, p95 e p99 de queries
• Estatísticas de pool, cache e conexões
• Exportação JSON para Prometheus ou Grafana

---

🔧 Configuração (.env)

DB_TYPE=informix-sqli
DB_HOST=server
DB_DATABASE=db
DB_USER=user
DB_PASSWORD=pass
POOL_MIN=10
POOL_MAX=20
CACHE_TTL=600

---

🧾 Changelog

v2.0.0

• Novo pool de conexões (thread-safe)
• Execução assíncrona e em lote
• Cache de metadados com invalidação
• Métricas detalhadas e logs estruturados
• Total compatibilidade com v1.x

---

🧑‍💻 Licença

MIT © 2025 Wander Freitas Batista

---

🇺🇸 wbjdbc v2.0 — JDBC for Python (Informix, Pooling, Async, Caching)

wbjdbc is a modern, optimized JDBC library for Python featuring connection pooling, async queries, batch execution, metadata caching, and type mapping.
Fully production-ready and 100% backward compatible with v1.x.

---

🚀 Main Features

• 🔄 Connection Pooling — Efficient, thread-safe connection reuse
• ⚡ Batch Execution — 5–10x faster inserts/updates
• 🧵 Async Query Execution — 50–100 concurrent queries supported
• 🧠 Metadata Caching — Up to 99% fewer repeated schema queries
• 🧩 Type Mapping — Automatic JDBC ↔ Python conversions
• 🧮 Metrics & Structured Logging
• ⚙️ Environment-based Configuration (.env)
• ✅ 100% Backward Compatible

---

🧰 Installation

pip install wbjdbc

---

💡 Basic Usage

from wbjdbc import connect_optimized

conn = connect_optimized(
    db_type="informix-sqli",
    host="server",
    database="db",
    user="user",
    password="pass",
    server="informix"
)

df = conn.query("SELECT * FROM customers LIMIT 10")
print(df)

---

⚙️ Batch Execution

data = [(1, "Alice"), (2, "Bob")]
conn.execute_batch("INSERT INTO customers VALUES (?, ?)", data)

---

🧵 Async Execution

future = conn.execute_async("SELECT COUNT(*) FROM customers")
print(future.result())

---

📊 Metrics & Logging

• Query latency (avg, p50, p95, p99)
• Pool and cache statistics
• JSON export for Prometheus/Grafana

---

🔧 Configuration Example (.env)

DB_TYPE=informix-sqli
DB_HOST=server
DB_DATABASE=db
DB_USER=user
DB_PASSWORD=pass
POOL_MIN=10
POOL_MAX=20
CACHE_TTL=600

---

🧾 Changelog

v2.0.0

• Thread-safe connection pool
• Async & batch execution
• Metadata cache with invalidation
• Detailed metrics and structured logs
• Full backward compatibility with v1.x

---

🧑‍💻 License

MIT © 2025 Wander Freitas Batista

Made by a Brazilian Developer 🇧🇷