图形化客户端
文章目录
- 图形化客户端
- 开启远程服务
- 索引
- B-tree
- B+树
- 引入B树的原因
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
mysql -uroot -p123456
use mysql; -- 切换当前系统库
update user set host='%' where user='root'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_p
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
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
