数据库学习笔记2-CSDN博客

本文深入探讨了数据库中的事务处理，包括ACID原则、事务的隔离级别以及实例演示转账操作。接着讲解了索引的重要性和不同类型的索引，如BTree索引，以及如何通过索引来优化查询性能。此外，还介绍了数据库权限管理和备份的基本方法。最后，简要提及了JDBC和数据库连接池的概念。

0413

数据库学习笔记2

第一、二、三、四、五章
六、事务（TRANSACTION）
七、索引（index）
八、权限管理和备份
九、规范数据库设计
- 35. 如何设计一个项目的数据库
- 36.数据库的三大范式（了解）
十、JDBC（重点）

第一、二、三、四、五章

点这里

六、事务（TRANSACTION）

28.事务ACID原则、脏读、不可重复读、幻读

1.什么是事务？
事务就是将一组SQL语句放在同一批次内去执行；
如果一个SQL语句出错,则该批次内的所有SQL都将被取消执行；（要么都成功，要么都失败）
MySQL事务处理只支持InnoDB和BDB数据表类型。

2.事务原则（巨重要）
ACID原则：原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）、持久性（Durability） （脏读，幻读，不可重复读…）

参考博客链接：事务ACID理解

原子性（Atomicity）：

原子性是指事务是一个不可分割的工作单位，事务中的操作要么都发生，要么都不发生。或者说是两个操作要么一起成功，或者一起失败，不能只发生其中一个动作。

一致性（Consistency）：

事务前后数据的完整性必须保持一致。针对一个事务操作前与操作后的状态一致。例如：两个人转账，两人一共1000块，操作前和操作后的总和都是1000。

隔离性（Isolation）：

事务的隔离性是多个用户并发访问数据库时，数据库为每一个用户开启的事务，不能被其他事务的操作数据所干扰，多个并发事务之间要相互隔离。

持久性（Durability）：

持久性是指一个事务一旦被提交，它对数据库中数据的改变就是永久性的，接下来即使数据库发生故障也不应该对其有任何影响，即事务结束后的数据不会因为外界原因导致数据丢失；
举例：
操作前A：800，B：200
操作后A：600，B：400
如果在操作前（事务还没有提交）服务器宕机或者断电，那么重启数据库以后，数据状态应该为
A：800，B：200 – 相当于没发生，回滚到事务开始前的状态
如果在操作后（事务已经提交）服务器宕机或者断电，那么重启数据库以后，数据状态应该为
A：600，B：400 – 即实务操作成功后，带来的改变是不可逆的。

隔离所导致的一些问题：
①脏读(Dirty Read)：

指一个事务读取了另外一个事务未提交的数据的现象就是脏读。
例如：
在事务A执行过程中，事务A对数据资源进行了修改，事务B读取了事务A修改后的数据；
由于某些原因，事务A并没有完成提交，发生了RollBack操作，则事务B读取的数据就是脏数据。

②不可重复读(Nonrepeatable Read)：

在同一个事务中读取表中的某一行数据，前后两次读取的数据不一致的现象就是不可重复读(Nonrepeatable Read)。（这个不一定是错误，只是某些场合不对）
例如：
事务B读取了两次数据资源，在这两次读取的过程中事务A修改了数据，导致事务B在这两次读取出来的数据不一致。
不可重复读强调的是单条数据的更新。

③虚读（幻读）：

是指在一个事务内读取到了别的事务插入的数据，导致前后读取数量总量不一致。（一般是行影响，如下图所示：多了一行）
例如：
事务B前后两次读取同一个范围的数据，在事务B两次读取的过程中事务A新增了数据，导致事务B后一次读取到前一次查询没有看到的行。
幻读强调的是整个集合的增减。

在这里插入图片描述

注意：
幻读和不可重复读有些类似，但是幻读强调的是集合的增减，而不可重复读强调的是单条数据的更新。

29. 测试事务实现转账

执行事务：（原理）

mysql 是默认开启事务自动提交，即autocommit = 1
所以要手动处理事务，就要①先关闭（系统默认的）事务自动提交的设置：

-- 关闭
SET autocommit = 0;

②然后就可以手动处理事务了，先开启事务：

-- 事务开启
START TRANSACTION;  -- 标记一个事务的开始，从这个之后的sql都在同一个事务内

③然后是一组sql：

INSERT XX
INSERT XX

④执行完这一组sql，可以有以下两种操作：

-- 回滚 ： 只要没COMMIT，就还可以滚回到的原来的样子 
ROLLBACK;
-- 提交 ： 持久化（一旦提交，再回滚也滚不回去了）
COMMIT;

⑤最后结束手动处理事务，即恢复到系统默认设置autocommit = 1

-- 事务结束
SET autocommit = 1; -- 开启自动提交（系统默认设置）

综上：

-- 手动处理事务
-- 1.
SET autocommit = 0;  -- 关闭自动提交
-- 2.
-- 事务开启
START TRANSACTION;  -- 标记一个事务的开始，从这个之后的sql都在同一个事务内
-- 3.
INSERT XX
INSERT XX
-- 4.
-- 回滚 ： 只要没COMMIT，就还可以滚回到的原来的样子 
ROLLBACK;
-- 提交 ： 持久化（一旦提交，再回滚也滚不回去了）
COMMIT;
--5.
-- 事务结束
SET autocommit = 1; -- 开启自动提交

-- 补充：（了解）
SAVEPOINT 保存点名 -- 设置一个事务的保存点
ROLLBACK TO SAVEPOINT 保存点名 -- 回滚到保存点
RELEASE SAVEPOINT 保存点名 -- 撤销保存点

在这里插入图片描述

示例：（转账实现）

-- 创建数据库：
CREATE DATABASE `shop` CHARACTER SET utf8 COLLATE utf8_general_ci; 
-- 创建数据表：
CREATE TABLE `account` (
  `id` INT(4) NOT NULL AUTO_INCREMENT,
  `name` VARCHAR(20) NOT NULL,
  `money` DECIMAL(10,2) NOT NULL, -- VARCHAR(30)
  PRIMARY KEY(`id`)
)ENGINE=INNODB DEFAULT CHARSET=utf8
-- 插入数据
INSERT INTO `account`
VALUES(12,'小王',1000),(16,'小张',800)

-- 执行事务：
-- 1.关闭自动提交
SET autocommit = 0 
-- 2.开启事务
START TRANSACTION
-- 3.一组sql（虽然是一组sql，但也要挨个单句执行，多句执行应该可以，但现在是初学阶段）
UPDATE `account` SET `money` = `money` - 20 WHERE `name`='小王'
UPDATE `account` SET `money` = `money` + 20 WHERE `name`='小张'
-- 4.只要没COMMIT，就可以回滚；一旦提交，再回滚也滚不回去了
ROLLBACK
COMMIT
-- 5.恢复系统的默认设置
SET autocommit = 1

结果：
执行事务之前：
在这里插入图片描述
执行事务之后：

（只要没执行COMMIT，通过执行ROLLBACK是可以回到上上张图片的；一旦执行COMMIT，信息就永久更新，不可逆）

注意：（在实际应用中）

上面的示例只是手动去处理事务，在实际应用中，会把上面示例中的第3步和第4步放在一个try...catch...中，如果要执行的一组sql没有问题，能成功运行，就自动COMMIT，如果运行失败，相当于是异常情况，就跳到catch中自动回滚。
在这里插入图片描述

七、索引（index）

30,31小结

30主要讲了以下内容：

啥是索引：是一种数据结构，用它可以快速找到数据。
索引的分类：主键索引（只能有一个）、唯一索引、常规索引、全文索引。
添加索引的三种方式：1.创建数据表的时候；2.用ALTER创建；3.用CREATE创建。
删除索引：DROP INDEX 索引名 ON 表名字;
查看所有索引：SHOW INDEX FROM 表名;
然后用全文索引写了个例子，来说明有索引和没索引的区别：没索引就是整个数据表去搜索，有索引就是直接一下子找到。
这里面用了关键字EXPLAIN来查看sql执行的状况，相当于是个工具，可以查看这次查询一共用了多久的时间，查找了多少行数据。

31中又写了一个例子，依然是全文索引：

把数据量增加到100万条；
用了一个函数mock_data()，先把这个函数写好；
然后执行这个函数SELECT mock_data();
然后又借助关键字EXPLAIN来说明加索引和不加索引的区别：不加索引，查一条数据要用1s多，加上索引再查这条数据只用0.01s。

结论：索引在小数据量的时候，用处不大，但是在大数据的时候，优势十分明显。

30.索引的介绍、分类、添加、示例

索引的定义：

索引（index）是帮助MySQL高效获取数据的数据结构。

索引的本质：

索引是数据结构。

索引的作用：

提高查询速度；
确保数据的唯一性；
可以加速表和表之间的连接 , 实现表与表之间的参照完整性；
使用分组和排序子句进行数据检索时 , 可以显著减少分组和排序的时间；
全文检索字段进行搜索优化。

索引的分类：

主键索引（primary key）：
唯一的标识，主键的内容不可重复，且只能有一个列（字段）作为主键。
唯一索引（unique key）：
避免出现重复的列名（字段名），可以有多个唯一索引，即可以将多个列标识为唯一索引。
常规索引（key / index）：
默认的index 或者 key 关键字
全文索引（FullText index）：
在特定的数据库引擎下才有，如MYISAM；
可以快速定位数据。

注意：主键索引只能有一个；唯一索引可以有多个。

添加所有的三种方式：
参考链接：数据库创建索引和删除索引的方式总结
1.创建表时给字段增加索引

-- 格式：
CREATE TABLE 表名 (
      字段名1 数据类型 [完整性约束条件…],
      字段名2 数据类型 [完整性约束条件…],
      [UNIQUE | FULLTEXT | PRIMARY]   INDEX/KEY
      [索引名] (字段名)
)ENGINE=INNODB DEFAULT CHARSET=utf8

-- 示例：
CREATE TABLE `result`(
   
  -- 省略一些代码
   
  PRIMARY KEY (`student_name`), -- 主键索引
  INDEX/KEY `ind` (`studentNo`,`subjectNo`), -- 常规索引
  UNIQUE KEY `UK_IDENTITY_CARD` (`identity_card`), -- 唯一索引
  FULLTEXT INDEX `FI_PHONE` (`phone`) -- 全文索引
)ENGINE=INNODB DEFAULT CHARSET=utf8

注意：因为主键索引是唯一的，所以不需要索引名，直接在括号里写字段名即可。
在这里插入图片描述
2.用ALTER在已建好的表上创建索引

-- 格式：
ALTER TABLE 表名 ADD [UNIQUE | FULLTEXT | ] INDEX/KEY
     索引名 (字段名)

-- 示例：
ALTER TABLE `student` ADD PRIMARY KEY (`student_name`); -- 主键索引
ALTER TABLE `result` ADD INDEX `ind`(`studentNo`,`subjectNo`); -- 常规索引
ALTER TABLE `student` ADD UNIQUE KEY `UK_IDENTITY_CARD` (`identity_card`); -- 唯一索引
ALTER TABLE `student`  ADD FULLTEXT INDEX `FI_PHONE` (`phone`); -- 全文索引

3.用CREATE在已建好的表上创建索引
语法：create index 索引名 on 表名(字段)

-- 格式：
CREATE [UNIQUE | FULLTEXT ] INDEX
     索引名 ON 表名 (字段名)

-- 示例：
CREATE INDEX `name` ON `student` (`studentname`);

注意：Create不能用于创建Primary key索引

其他操作：（删除索引、显示索引信息）

-- 删除索引：
DROP INDEX 索引名 ON 表名字;
DROP INDEX `name` ON `student` -- 示例
-- 删除主键索引: 
ALTER TABLE 表名 DROP PRIMARY KEY;
ALTER TABLE 表名 DROP INDEX 索引名;

-- 显示索引信息: 
SHOW INDEX FROM 表名;

一个完整的示例：

-- 显示所有的索引信息：
SHOW INDEX FROM `student`
-- 创建一个索引：
CREATE INDEX `name` ON `student` (`studentname`)
-- 删除索引：
DROP INDEX `name` ON `student`


-- 用explain来查看sql执行的状况，相当于是个工具，可以查看这次查询一共用了多久的时间，查找了多少行数据
-- 非全文索引：
SELECT * FROM `student` WHERE `studentname`='张伟强'
EXPLAIN SELECT * FROM `student` WHERE `studentname`='张伟强'

-- 增加全文索引：
ALTER TABLE `student` ADD FULLTEXT INDEX `name`(`studentname`);
-- 全文索引：
SELECT * FROM `student` WHERE `studentname`='张伟强'
EXPLAIN SELECT * FROM `student` WHERE MATCH(`studentname`) AGAINST('张伟强');

示例所用到的数据表：
在这里插入图片描述
结果：
查看所有索引：

非全文索引：
在这里插入图片描述

添加全文索引：
在这里插入图片描述

全文索引：
在这里插入图片描述

解释下上面的全文索引：
– 全文搜索通过 MATCH() 函数完成。
– 搜索字符串作为 against() 的参数被给定。搜索以忽略字母大小写的方式执行。对于表中的每个记录行，MATCH() 返回一个相关性值。即，在搜索字符串与记录行在 MATCH() 列表中指定的列的文本之间的相似性尺度。

-- 示例：
EXPLAIN SELECT *FROM student WHERE MATCH(studentname) AGAINST('love');

补充：
全文索引的版本、存储引擎、数据类型的支持情况：

MySQL 5.6 以前的版本，只有 MyISAM 存储引擎支持全文索引；
MySQL 5.6 及以后的版本，MyISAM 和 InnoDB 存储引擎均支持全文索引;
只有字段的数据类型为 char、varchar、text 及其系列才可以创建全文索引；
测试或使用全文索引时，要先看一下自己的 MySQL 版本、存储引擎和数据类型是否支持全文索引。

参考链接：
【MySQL优化】——看懂explain_漫漫长途，终有回转；余味苦涩，终有回甘-CSDN博客_explain

31. SQL编程创建100万条数据测试索引

1.建表app_user：

CREATE TABLE app_user (
  `id` BIGINT(20) UNSIGNED NOT NULL AUTO_INCREMENT COMMENT 'ID',
  `name` VARCHAR(50)  DEFAULT '' COMMENT '用户昵称',
  `email` VARCHAR(50)  NOT NULL COMMENT '用户邮箱',
  `phone` VARCHAR(20)  DEFAULT '' COMMENT '手机号',
  `gender` TINYINT(4)  UNSIGNED DEFAULT '0' COMMENT '性别（0：男  1：女）',
  `password` VARCHAR(100)  NOT NULL COMMENT '密码',
  `age` TINYINT(4)  DEFAULT '0' COMMENT '年龄',
  `create_time` DATETIME  DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  `update_time` TIMESTAMP NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  PRIMARY KEY (`id`)
) ENGINE=INNODB DEFAULT CHARSET=utf8mb4 COMMENT='app用户表'

2.批量插入100w条数据：（mock_data()是个函数）

DELIMITER $$ -- 写函数之前必须要写，标志
CREATE FUNCTION mock_data()
RETURNS INT
BEGIN
  DECLARE num INT DEFAULT 1000000;
  DECLARE i INT DEFAULT 0;
  WHILE i<num DO
    INSERT INTO app_user(`name`,`email`,`phone`,`gender`,`password`,`age`)
    VALUES(CONCAT('用户',i),'123345@qq.com',CONCAT('18',FLOOR(RAND()*((999999999-100000000)+100000000))),FLOOR(RAND()*2),UUID(),FLOOR(RAND()*100));
    SET i = i+1;
  END WHILE;
  RETURN i;
END;

-- 执行函数
SELECT mock_data();

-- 查表
SELECT * FROM app_user;

3.测试：

-- 测试：
-- 查看索引信息：
SHOW INDEX FROM `app_user`

-- 删除索引：
DROP INDEX id_app_user_name ON `app_user`

SELECT * FROM app_user WHERE `name` = '用户9999'; -- 1.260 sec
EXPLAIN SELECT * FROM app_user WHERE `name` = '用户9999'; -- 0.002 sec

-- 创建索引：
-- id_表名_字段名  索引名
-- CREATE INDEX 索引名 ON 表名(`字段名`);
CREATE INDEX id_app_user_name ON app_user(`name`);

SELECT * FROM app_user WHERE `name` = '用户9999'; -- 0.001 sec
EXPLAIN SELECT * FROM app_user WHERE `name` = '用户9999'; -- 0.001 sec

结果：
不加索引：
在这里插入图片描述

加索引：
在这里插入图片描述

在这里插入图片描述
查看索引信息：

结论：
索引在小数据量的时候，用处不大，但是在大数据的时候，区分十分明显。

32. 索引的原则、数据结构

索引的原则：

索引不是越多越好；
不要对经常变动的数据加索引；
小数据量的表建议不要加索引；
索引一般应加在查找条件的字段。

索引的数据结构：

1.Hash类型的索引；
2.BTree（B树）：INNODB引擎默认的数据结构；
3.全文索引。

– 我们可以在创建上述索引的时候，为其指定索引类型，分两类
hash类型的索引：查询单条快，范围查询慢
btree类型的索引：b+树，层数越多，数据量指数级增长（我们就用它，因为innodb默认支持它）

– 不同的存储引擎支持的索引类型也不一样
InnoDB 支持事务，支持行级别锁定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；
MyISAM 不支持事务，支持表级别锁定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；
Memory 不支持事务，支持表级别锁定，支持 B-tree、Hash 等索引，不支持 Full-text 索引；
NDB 支持事务，支持行级别锁定，支持 Hash 索引，不支持 B-tree、Full-text 等索引；
Archive 不支持事务，支持表级别锁定，不支持 B-tree、Hash、Full-text 等索引；

参考链接：MySQL索引背后的数据结构及算法原理

32’ 补充1: BTree索引（32中参考链接的内容）

摘要：
MySQL数据库支持多种索引类型，如BTree索引，哈希索引，全文索引等等。
为了避免混乱，本文将只关注于BTree索引，因为这是平常使用MySQL时主要打交道的索引，至于哈希索引和全文索引本文暂不讨论。

第一部分：数据机构及算法基础
数据库查询是数据库的最主要功能之一，我们都希望查询数据的速度能尽可能的快。

常见的查询算法有

顺序查找（linear search）：这种复杂度为O(n)的算法在数据量很大时显然是糟糕的。
二分查找（binary search）：二分查找要求被检索数据有序；
二叉树查找（binary tree search）：二叉树查找只能应用于二叉查找树上；
二叉查找树的改进：平衡二叉树（AVL树）+ 红黑树 -->见下面的 8.3 基于树的查找法补充：红黑树和AVL树的详解和区别

在实际的数据库系统几乎没有使用二叉查找树或其进化品种红黑树（red-black tree）实现，因为数据本身的组织结构不可能完全满足各种数据结构（例如，理论上不可能同时将两列都按顺序进行组织）。所以在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引（index）。

目前大部分数据库系统及文件系统都采用B-Tree或其变种B+Tree作为索引结构。

B树：（1）–>（2）–>（3）
（1）二叉排序树，又叫二叉查找树：

若左子树为空，则左子树上所有结点的值均小于根结点的值；
若右子树为空，则右子树上所有结点的值均大于等于根结点的值；
左右子树也分别为二叉排序树。
中序遍历一个二叉排序树可以得到一个递增有序序列。

（2）m叉排序树，又叫m路查找树：

一个结点最多有m棵子树，m-1个关键字；
子树Pi中的所有关键字均大于Ki，小于K(i+1)；
子树P0中的关键字均小于K1，子树Pn中的所有关键字均大于Kn；
子树Pi也是m路查找树
书本P289的例8.7
（3）B树，一颗平衡的m路查找树：
每个结点做多有m棵子树；
根结点至少有2棵子树；
除根结点之外的所有非叶结点至少有ceiling(m/2)棵子树，ceiling(m/2) - 1个关键字；
所有叶结点在同一层，也叫失败结点；
B树是“从叶向根”生长的，而根对每个分支是公用的，所以不论根长到多“深”，各分支的长度同步增长，因而各分支是“平衡”的；
书中P289的例8.8、8.9，—B树的基本性质
P293的例8.10，8.11，—B树中插入一个关键字
P296的例8.12，8.13，—B树中删除一个关键字

**B树**有许多变种，其中最常见的是B+Tree，例如MySQL就普遍使用B+Tree实现其索引结构。那么B树和B+树区别在哪？

参考链接1：简单剖析B树（B-Tree）与Ｂ+树
常说的B-树就是B树，没有所谓的B减树。
聚集索引（Clustered Index）、非聚集索引（NonClustered Index）、卫星数据？
B+树相比B树的优势：
　　1.单一节点存储更多的元素，使得查询的IO次数更少；
　　2.所有查询都要查找到叶子节点，查询性能稳定；
　　3.所有叶子节点形成有序链表，便于范围查询。

参考链接2：B树和B+树
不同数据库引擎（MYISAM引擎和INNODB引擎）中B+树的差异：。

参考链接3：B树与B+树简明扼要的区别

参考链接4：面试总结：B树，B+树的原理及区别

参考链接5：面试题：B（B-）树，B+树，B树和B+树的区别，B树和B+树的优点

参考链接6：B树、B-树、B+树、B*树之间的关系

第二部分：MySQL索引实现：

MyISAM索引实现
InnoDB索引实现

第三部分：索引使用策略及优化

32’’ 补充2：数据结构教材的第八章查找算法

8.2 基于线性表的查找法

顺序查找法：
折半查找法：顺序存储、数据有序
分块查找法：创建一个索引表，每个索引项记录一个块的起始位置和块中的最大关键字，索引表按关键字有序排列（即块之间有序，块内无序）。先用顺序查找或折半查找锁定块，然后在块内用顺序查找法。

8.3 基于树的查找法

二叉排序树：（二叉查找树）
若左子树为空，则左子树上所有结点的值均小于根结点的值；
若右子树为空，则右子树上所有结点的值均大于等于根结点的值；
左右子树也分别为二叉排序树。
中序遍历一个二叉排序树可以得到一个递增有序序列。
平衡二叉排序树：（AVL树）
左右子树的高度之差的绝对值小于等于1；左右子树也是平衡二叉排序树。
结点的平衡因子（Balance Factor）是指结点的左右子树深度之差，AVL树中所有结点的平衡因子只能是-1、0、1。
给一个AVL树上插入一个结点，可能导致树失衡，失衡类型及相应的调整方法可归纳为四种：LL型、LR型、RR型、RL型。
红黑树和AVL树的区别：（见下面的详解）
B树：
见教材的P288 - P298，或者直接看上面的32’ 补充1：BTree索引

补充：红黑树和AVL树的详解和区别

（参考链接：红黑树和AVL树（平衡二叉树）区别、链接2）

AVL树是严格的平衡二叉树，一旦失衡就要通过旋转来保持平衡，而旋转是非常耗时的，因此AVL树适合用于插入与删除次数比较少，但查找比较多的情况。由于维护这种高度平衡所付出的代价比从中获得的效率收益还大，故而实际的应用不多，更多的地方是用追求局部而不是非常严格整体平衡的红黑树。当然，如果应用场景中对插入、删除不频繁，只是对查找要求较高，那么AVL还是较优于红黑树。

红黑树是一种二叉查找树，但在每个节点增加一个存储位表示节点的颜色，可以是红或黑（非红即黑）。通过对任何一条从根到叶子的路径上各个节点着色的方式的限制，红黑树确保没有一条路径会比其它路径长出两倍，因此，红黑树是一种弱平衡二叉树（由于是弱平衡，可以看到，在相同的节点情况下，AVL树的高度低于红黑树），相对于要求严格的AVL树来说，红黑树的旋转次数少，插入，删除，查找的复杂度都是O（log N），所以对于搜索，插入，删除操作较多的情况下，就用红黑树。。

红黑树的规则：

规则1: 每个节点不是黑色就是红色（非红即黑）；
规则2： 根节点为黑色；
规则3：红色节点的父节点和子节点不能为红色；红色结点的两儿子都是黑的
规则4：所有的叶子节点都是黑色（空节点视为叶子节点NIL）；
规则5：任意一个节点到叶子节点的每条路径上黑色节点的个数都相等；
规则6（特点）：从根节点到叶子节点的最长的路径不多于最短的路径的长度的两倍。

红黑树插入节点时的思路：（参考链接：红黑树与平衡二叉树区别？）
插入的节点总是设为红节点，当其复节点为红节点时，这就有破坏了规则3，就需要调整。将插入节点作为考察节点，考察其叔父，如果也是红节点，则将其父亲和叔父改为黑节点，而将其祖父改为红节点，然后以其祖父为考察节点。如果其叔父是黑节点则做一旋转变换可以搞定，没有图不太好说明，你可以自己考虑一下，总之它的思想是把“多出来”的红色往上一层推去，确保下面层红黑性质，最后推到根以后，如果依然违反性质1，则可以直接把根由红改黑即可，就相当于把这“多出来”的红色推到树以外的节点去了。
删除节点时先要找到顶替的节点，如果删去的节点是黑色则破坏了规则5，也需要调整。调整的思想也同前面类似，把这个黑色赋予顶替节点，则顶替节点相当于有两重黑色，然后将它的两重黑色向上推，一直推到根，再从根推到外面去了。

平衡二叉树和红黑树的区别：

	AVL树	红黑树
概念	严格的平衡二叉树，左右子树高度差的绝对值≤1	弱平衡树，见上面的：红黑树的规则
失衡类型及相应的调整方法	`LL型、LR型、RR型、RL型`	见上面的红黑树插入节点时的思路
插入、删除	因为要通过旋转来恢复平衡，代价高	O（log N）
查找	O（log N）	O（log N）
应用	适合用于插入与删除次数比较少，但查找比较多的情况如果应用场景中对插入、删除不频繁，只是对查找要求较高，那么AVL还是较优于红黑树。	对于查找，插入，删除操作较多的情况下，就用红黑树；广泛用于C++的STL中，map和set都是用红黑树实现的
左右自述的高度差绝对值	小于等于1	某些时刻可能会超过1，但红黑树确保没有一条路径会比其它路径长出两倍，只要符合红黑树的规则即可
失衡后的具体操作	只要不平衡就会进行旋转	改变颜色+旋转
是否是高度平衡	是，严格的平衡二叉树	否，弱平衡的二叉树，插入最多两次旋转，删除最多三次旋转

多余的内容：（不用看）

平衡二叉树和红黑树的区别：
+ 平衡二叉树的左右子树的高度差绝对值不超过1，
但是红黑树在某些时刻可能会超过1，**红黑树确保没有一条路径会比其它路径长出两倍**，只要符合红黑树的五个条件即可；
+ 二叉树**只要不平衡就会进行旋转**，
而红黑树不符合规则时，**有些情况只用改变颜色不用旋转，就能达到平衡**；
+ AVL树适合用于**插入与删除次数比较少，但查找比较多**的情况，
对于**搜索，插入，删除操作较多的情况**下，就用**红黑树**；
+ AVL 树是**高度平衡的**，频繁的插入和删除，会引起频繁的reblance，导致效率下降，
红黑树不是高度平衡的，算是一种折中，插入最多两次旋转，删除最多三次旋转。

8.4 计算式查找法（哈希表）

八、权限管理和备份

33. 数据库用户管理

方式一：用SQLyog可视化管理用户

添加用户；
删除用户；
管理用户权限（全局权限、对某个数据库的权限、对某个数据表的权限）

在这里插入图片描述
方式二：用sql命令管理用户
（首先找到用户表，在mysql数据库–>user数据表中）
用sql命令对用户进行管理，实质上就是对用户表进行增删改查。

创建用户、修改密码、重命名、用户授权、查看权限、撤销权限、删除用户

-- 创建用户：
-- 格式：CREATE USER 用户名 IDENTIFIED BY '密码'
CREATE USER lele IDENTIFIED BY '123456'
CREATE USER 'user_name'@'192.168.1.1' IDENTIFIED BY '123456'

-- 修改密码(修改当前用户密码)：当前用户是root
SET PASSWORD = PASSWORD('654321'); -- 记得把密码改回来('123456')
-- 修改密码(修改指定用户密码)：
SET PASSWORD FOR lele = PASSWORD('654321'); -- 记得把密码改回来('123456')
-- 修改密码：（数据库笔记1中的两条修改密码的命令行）
UPDATE mysql.user SET authentication_string=PASSWORD('123456') WHERE USER='root' AND HOST = 'localhost';
UPDATE USER SET PASSWORD=PASSWORD('123456')WHERE USER='root'; 修改密码

-- 重命名：
-- 格式：RENAME USER 原名字 TO 新名字;
RENAME USER lele TO lele2

-- 用户授权：
-- 格式：GRANT 权限列表 ON 数据库名.数据表名 TO 用户名
-- 给 用户lele2 授予 所有的库的所有的表 全部的权限ALL PRIVILEGES，
GRANT ALL PRIVILEGES ON *.* TO lele2
-- （解释：*.* 表示所有库的所有表； 库名.表名 表示某库下面的某表
-- 这里的 ALL PRIVILEGES 是除了给别人授权不行，其他都能干，
-- 即ALL PRIVILEGES指除了GRANT权限之外的所有权限）


-- 查看权限：
-- 查看当前用户的权限：
SHOW GRANTS; 或 SHOW GRANTS FOR CURRENT_USER; 或 SHOW GRANTS FOR CURRENT_USER();
-- 查看用户lele2的权限：（除GRANT权限之外的ALL PRIVILEGES）
SHOW GRANTS FOR lele2
-- 结果：GRANT ALL PRIVILEGES ON *.* TO 'lele2'@'%'
-- 查看root的权限：（有GRANT权限，和ALL PRIVILEGES）
SHOW GRANTS FOR root@localhost 
-- 结果：GRANT ALL PRIVILEGES ON *.* TO 'root'@'localhost' WITH GRANT OPTION

-- 撤销权限：（和授予权限正好相反）
-- 格式：REVOKE 权限列表 ON 数据库名.数据表名 FROM 用户名
REVOKE ALL PRIVILEGES ON *.* FROM lele2 --撤销用户lele2的所有权限
-- REVOKE ALL PRIVILEGES, GRANT OPTION FROM root -- 撤销root的所有权限
-- 不建议这么干！！！

-- 删除用户：
DROP USER lele2

授予权限的结果：
授予权限之前：
在这里插入图片描述

授予权限之后：（GRANT ALL PRIVILEGES ON *.* TO lele2）
在这里插入图片描述

权限解释：

-- 权限列表
ALL [PRIVILEGES]    -- 设置除GRANT OPTION之外的所有简单权限
ALTER    -- 允许使用ALTER TABLE
ALTER ROUTINE    -- 更改或取消已存储的子程序
CREATE    -- 允许使用CREATE TABLE
CREATE ROUTINE    -- 创建已存储的子程序
CREATE TEMPORARY TABLES        -- 允许使用CREATE TEMPORARY TABLE
CREATE USER        -- 允许使用CREATE USER, DROP USER, RENAME USER和REVOKE ALL PRIVILEGES。
CREATE VIEW        -- 允许使用CREATE VIEW
DELETE    -- 允许使用DELETE
DROP    -- 允许使用DROP TABLE
EXECUTE        -- 允许用户运行已存储的子程序
FILE    -- 允许使用SELECT...INTO OUTFILE和LOAD DATA INFILE
INDEX     -- 允许使用CREATE INDEX和DROP INDEX
INSERT    -- 允许使用INSERT
LOCK TABLES        -- 允许对您拥有SELECT权限的表使用LOCK TABLES
PROCESS     -- 允许使用SHOW FULL PROCESSLIST
REFERENCES    -- 未被实施
RELOAD    -- 允许使用FLUSH
REPLICATION CLIENT    -- 允许用户询问从属服务器或主服务器的地址
REPLICATION SLAVE    -- 用于复制型从属服务器（从主服务器中读取二进制日志事件）
SELECT    -- 允许使用SELECT
SHOW DATABASES    -- 显示所有数据库
SHOW VIEW    -- 允许使用SHOW CREATE VIEW
SHUTDOWN    -- 允许使用mysqladmin shutdown
SUPER    -- 允许使用CHANGE MASTER, KILL, PURGE MASTER LOGS和SET GLOBAL语句，mysqladmin debug命令；允许您连接（一次），即使已达到max_connections。
UPDATE    -- 允许使用UPDATE
USAGE    -- “无权限”的同义词

GRANT OPTION    -- 允许授予权限


/* 表维护 */

-- 分析和存储表的关键字分布
ANALYZE [LOCAL | NO_WRITE_TO_BINLOG] TABLE 表名 ...
-- 检查一个或多个表是否有错误
CHECK TABLE tbl_name [, tbl_name] ... [option] ...
option = {QUICK | FAST | MEDIUM | EXTENDED | CHANGED}
-- 整理数据文件的碎片
OPTIMIZE [LOCAL | NO_WRITE_TO_BINLOG] TABLE tbl_name [, tbl_name] ...

34. MySQL备份

为什么要备份？

保证重要的数据不丢失；
数据转移。

MySQL数据库备份方法（三种方法）

1.直接拷贝数据库文件和相关配置文件； – data文件夹（数据库笔记1中有提及）
2.在sqlyog这种可视化工具中手动导出；-- 可视化操作
3.使用命令行mysqldump导出。 – 命令行

在sqlyog这种可视化工具中手动导出

在想要导出的表或者库中，右键：
在这里插入图片描述
注意下图中三处框起来的地方即可：

使用命令行`mysqldump`导出

导出：

-- 导出一张表 ：
-- 格式：mysqldump -h主机 -u用户名 -p密码 数据库 表名 >物理磁盘位置/文件名
mysqldump -hlocalhost -uroot -p123456 school student >D:/a.sql

-- 导出多张表 ：
-- 格式：mysqldump -h主机 -u用户名 -p密码 数据库 表名1 表名2 >物理磁盘位置/文件名
mysqldump -hlocalhost -uroot -p123456 school student result >D:/b.sql

-- 导出整个数据库 ：
-- 格式：mysqldump -h主机 -u用户名 -p密码 数据库 >物理磁盘位置/文件名
mysqldump -hlocalhost -uroot -p123456 school >D:/c.sql