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
