图形化客户端
SQLyog
是一个图形化的管理
MySQL
数据库的工具，能够在任何地点管理你的数据库，可以通过网络来维护远端的MySQL
数据库，适合
DBA
Navicat for MySQL
是一个功能强大的
MySQL
数据库管理和开发工具，适用于开发者
开启远程服务
默认
MySQL
没有开启远程登陆支持，只能在
localhost
上使用
首先在
localhost
上登录数据库
还可以使用授权的方式进行处理
grant
alter user 'root'@'localhost' identified with mysql_native_password by '123456'
如果连接过程中报出加密插件验证失败，则可以修改口令所采用的加密方式。在
MySQL8
中引入了新特
性
caching_sha2_password
。客户端一般支持的都有
mysql_native_password
这种加密方法
索引
索引是存储引擎用于快速查找记录的一种数据结构，需要额外开辟空间和数据维护工作
mysql -uroot -p123456
use
mysql;
--
切换当前系统库
update user set
host=
'%'
where user
=
'root'
;
按照物理存储方式：聚簇和非聚簇
MyISAM
：
frm
元数据文件、
myd
数据、
sdi
索引数据，
MyISAM
都是非聚簇索引，数据和索引分别
存放
InnoDB
：
ibd
元数据文件、数据和索引，
innodb
存储引擎支持聚簇索引
按照数据结构：
B+
树、
hash
等
按照逻辑：主键索引、普通索引、唯一索引、空间索引（针对空间类型的数据）和全文索引
B-tree
B
树是一种自平衡的多叉查找树，在一个
B
树种最多可以开
m
个叉（
m>=2
）称为
m
阶
B
树
定义任意非叶子节点最多有
m
个儿子
根节点可以有
m-1
个键值【节点中存储了具体的数据
key-value
】，根节点的儿子数为
[2,m]
除去根节点以外的非叶子节点儿子数为
[m/2,m]
，非叶子节点的关键字个数为儿子数
-1
所有的叶子节点位于同一层
利用
k
个关键字将节点拆分为
k+1
段，分别指向
k+1
个儿子，同时需要满足查找树的大小关系
B-Tree
的特点：
关键字集合分布在整个树中
任何一个关键字出现且只能出现在一个节点中
搜索可能在非叶子节点就直接结束，其搜索性能等价于在关键字全集内进行一次二分查找
O(logN)
B
树在插入删除数据时会破坏
B
树的性质，所以插入删除时需要对数据进行分裂、合并、转移等操作以保持B
树性质
B+
树
就是在
B
树的基础上添加了顺序访问指针
有
n
个子树的节点包含有
n
个关键字
所有的关键字全部存储在叶子节点上，且叶子节点根据关键字从小到大的顺序连接
非叶子节点可以看作索引部分，节点中仅仅包含有其子树中最大或者最小的关键字
B+
树的查找过程类似
B
树，只是查找时，如果非叶子节点上的关键字等于给定值时，并不终止，而是继 续沿着指针指到叶子节点位置。因此不管在B+
树中是否查找成功，每次查找都时走了一条从根到叶子的全路径
B+
树的特点：
所有关键字都存储在叶子节点上，且链表中的关键字恰好是有序的
不可能是非叶子节点命中，所有查询的执行时间稳定
非叶子节点相当于叶子节点的索引，叶子节点相当于存储数据的存储层
非常适合文件索引系统
引入
B
树的原因
红黑树也可以实现索引，但是文件系统和数据库系统普遍采用的是
B
树或者
B+
树
首先需要建立索引的数据规模比较大，所以造成索引的数据量也不会太小，不可能全部存储在内存中， 索引经常需要以文件的形式存储在磁盘上，所以索引查找过程中就需要有磁盘IO
的消耗。索引的组织结 构需要尽量减少查找过程中磁盘的IO
存取次数。
磁盘的读取并不是严格的按需读取，每次都会预读，这是依据局部性原理：当一个数据被用到时，其附 近的数据也通常会被用到。磁盘的顺序读取效率很高，按照局部性原理，采用预读机制能够提高IO
效 率。预读的长度一般是页page
的整数倍，页是计算机存储管理的逻辑块，页大小一般都是
4k
或者
8k
。
数据库中利用磁盘预读的原理，将一个节点的大小设置为一个页大小，每个节点只需要一次
IO
就可以完 全载入，所以使用B
树作为索引结构是非常高效的。使用红黑树则树的高度比
B
树要高的多，而
B
树一般
只有
3-4
层高度
B+ 树就是在 B 树的基础上添加了顺序访问指针有 n 个子树的节点包含有 n 个关键字所有的关键字全部存储在叶子节点上，且叶子节点根据关键字从小到大的顺序连接非叶子节点可以看作索引部分，节点中仅仅包含有其子树中最大或者最小的关键字
B+ 树的查找过程类似 B 树，只是查找时，如果非叶子节点上的关键字等于给定值时，并不终止，而是继 续沿着指针指到叶子节点位置。因此不管在B+ 树中是否查找成功，每次查找都时走了一条从根到叶子的全路径B+ 树的特点：所有关键字都存储在叶子节点上，且链表中的关键字恰好是有序的不可能是非叶子节点命中，所有查询的执行时间稳定非叶子节点相当于叶子节点的索引，叶子节点相当于存储数据的存储层非常适合文件索引系统引入 B 树的原因红黑树也可以实现索引，但是文件系统和数据库系统普遍采用的是 B 树或者 B+ 树首先需要建立索引的数据规模比较大，所以造成索引的数据量也不会太小，不可能全部存储在内存中， 索引经常需要以文件的形式存储在磁盘上，所以索引查找过程中就需要有磁盘IO 的消耗。索引的组织结 构需要尽量减少查找过程中磁盘的IO 存取次数。磁盘的读取并不是严格的按需读取，每次都会预读，这是依据局部性原理：当一个数据被用到时，其附 近的数据也通常会被用到。磁盘的顺序读取效率很高，按照局部性原理，采用预读机制能够提高IO 效 率。预读的长度一般是页page 的整数倍，页是计算机存储管理的逻辑块，页大小一般都是 4k 或者 8k 。数据库中利用磁盘预读的原理，将一个节点的大小设置为一个页大小，每个节点只需要一次 IO 就可以完 全载入，所以使用B 树作为索引结构是非常高效的。使用红黑树则树的高度比 B 树要高的多，而 B 树一般只有 3-4 层高度