当前位置: 首页 > news >正文

【MySQL】:想学好数据库,不知道这些还想咋学

image.png

客户端—服务器

客户端是一个“客户端—服务器”结构的程序
C(client)—S(server)
客户端和服务器是两个独立的程序,这两个程序之间通过“网络”进行通信(相当于是两种角色)

客户端

  • 主动发起网络通信的一方——>请求
  • 可以决定要不要去吃饭,去哪个地方吃饭,具体吃啥

服务器

  • 被动接受网络通信的一方——>响应
  • 只能被动地接受客人的点菜要求,不能指定他们点什么

特点

  1. 被动接受请求,返回响应
  2. 服务器往往是要给多个客户端提供服务,而不是只给一个
    也有少数情况下,服务器只给一个或几个固定的客户端提供服务
  3. 服务器不知道客户端什么时候会发来请求,因此只能时刻准备着 7*24

MySQL的客户端和服务器,是可以在不同主机上的

图形化界面客户端

  • 其实还有一些图形化界面的客户端,也是可以使用的 Datagrip,Navicat,Workbench…(本质上都是要给服务器发送请求,服务器返回响应)
  • 这些都依赖图形化界面(得在本地的 windows 上运行,公司用的 Linux 服务器一般都是没有图形化界面的)
  • 需要你在本地 windows 图形化客户端,通过网络访问 Linux 服务器上的 mysql 服务器
  • 有些公司,尤其是大厂,对于 Linux 服务器的访问权限控制的比较严格,一般都是不允许直接访问,而是通过“跳板机”,“堡垒机”这样的方式来访问,图形化客户端就用不了

  • 使用图形化界面门槛更低,能够使用命令行反过来使用图形化界面,都是很容易的
  • 实际工作中,很多时候无法使用图形化界面客户端,但是命令行客户端是肯定能使用的


数据库的介绍

  • 客户端在一个主机——客户端只是一个和用户交互的界面
  • 服务器在一个主机——往往这个主机对配置的要求更高一些

服务器是主体

一台电脑的组成

一台电脑,大概分为这几个部分

  1. CPU(中央处理器)
    • 计算机最核心的部分
    • 通用计算芯片
    • 可以进行各种各样的算术运算逻辑运算
    • 就像是一个大学生,既会算1+1,又会算微积分
  2. 显卡(GPU)
    • 专用计算芯片
    • 只能进行一些特定的运算和逻辑
    • 就像是小学生,只会算1+1,但算得比CPU快很多,可以理解成是一群小学生来算1+1
    • AI 时代,显卡非常关键,AI 中很多计算都是类似于 1+1 的计算,计算量非常庞大,GPU更适合
  3. 内存:储存数据的主要部分之一
  4. 硬盘:储存数据的主要部分之一
  5. 电源
  6. 主板
  7. 散热器
  8. 外存:也是存储数据的(属于计算机专业术语)
    • 软盘(几乎淘汰)
    • U盘
    • 光盘(几乎淘汰)
    • 硬盘

计算机存储数据的两个关键部分

内存

  • 存储空间小
    image.png|209
  • 访问速度快(是硬盘的几千倍)

硬盘

  • 存储空间大image.png|447
  • 访问速度慢
    • 机械硬盘,在服务器存储上用得很多
    • 固态硬盘,速度比机械硬盘快很多
  • 优势
    • 数据空间大
    • 成本低
    • 可以持久化存储

比较

存储空间访问速度成本安全
硬盘持久储存(掉电之后,数据仍然存在)
内存数据易失(掉电之后,数据会消失)

相关文章:

【MySQL】:想学好数据库,不知道这些还想咋学

客户端—服务器 客户端是一个“客户端—服务器”结构的程序 C(client)—S(server) 客户端和服务器是两个独立的程序,这两个程序之间通过“网络”进行通信(相当于是两种角色) 客户端 主动发起网…...

1.关于linux的命令

1.关于文件安装的问题 镜像站点服务器:cat /etc/apt/sources.list 索引文件:cd /var/lib/apt/lists 下载文件包存在的路径:cd /etc/cache/apt/archives/2.关于dpkg文件安装管理器的应用: 安装文件:sudo dpkg -i 文件名; 查找文件目录:sudo …...

【人工智能】机器学习 -- 决策树(乳腺肿瘤数)

目录 一、使用Python开发工具,运行对iris数据进行分类的例子程序dtree.py,熟悉sklearn机器实习开源库。 二、登录https://archive-beta.ics.uci.edu/ 三、使用sklearn机器学习开源库,使用决策树对breast-cancer-wisconsin.data进行分类。 …...

【proteus经典实战】LCD滚动显示汉字

一、简介 Proteus是一款功能丰富的电子设计和仿真软件,它允许用户设计电路图、进行PCB布局,并在虚拟环境中测试电路功能。这款软件广泛应用于教育和产品原型设计,特别适合于快速原型制作和电路设计教育。Proteus的3D可视化功能使得设计更加直…...

数据结构复习1

1、什么是集合? 就是一组数据的集合体,就像篮子装着苹果、香蕉等等,这些“水果”就代表数据,“篮子”就是这个集合。 集合的特点: 集合用于存储对象。 对象是确定的个数可以用数组,如果不确定可以用集合…...

订单管理系统需求规范

1. 引言 1.1 目的 本文档旨在明确描述订单管理系统的功能、非功能性需求以及约束条件,以指导系统的分析、设计、开发、测试和部署。 1.2 范围 本系统将支持在线订单处理,从客户下单到完成配送的全过程管理,包括库存管理、支付处理、订单跟…...

swiftui使用ScrollView实现左右滑动和上下滑动的效果,仿小红书页面

实现的效果如果所示,顶部的关注用户列表可以左右滑动,中间的内容区域是可以上下滚动的效果,点击顶部的toolbar也可以切换关注/发现/附近不同页面,实现翻页效果。 首页布局 这里使用了NavigationStack组件和tabViewStyle样式配置…...

深入理解并使用 MySQL 的 SUBSTRING_INDEX 函数

引言 在处理字符串数据时,经常需要根据特定的分隔符来分割字符串或提取字符串的特定部分。MySQL 提供了一个非常有用的函数 SUBSTRING_INDEX 来简化这类操作。本文将详细介绍 SUBSTRING_INDEX 的使用方法、语法,以及通过实际案例来展示其在数据库查询中…...

elementUI在手机端使用遇到的问题总结

之前的博客有写过用vue2elementUI封装手机端选择器picker组件,支持单选、多选、远程搜索多选,最终真机调试的时候发现有很多细节样式需要调整。此篇博客记录下我调试过程中遇到的问题和解决方法。 一、手机真机怎么连电脑本地代码调试? 1.确…...

【初阶数据结构】5.栈和队列

文章目录 1.栈1.1 概念与结构1.2 栈的实现2.队列2.1 概念与结构2.2 队列的实现3.栈和队列算法题3.1 有效的括号3.2 用队列实现栈3.3 用栈实现队列3.4 设计循环队列 1.栈 1.1 概念与结构 栈:一种特殊的线性表,其只允许在固定的一端进行插入和删除元素操…...

高通Android 12 设置Global属性为null问题

1、最近在做app调用framework.jar需求&#xff0c;尝试在frameworks/base/packages/SettingsProvider/res/values/defaults.xml增加属性 <integer name"def_xxxxx">1</integer> 2、在frameworks\base\packages\SettingsProvider\src\com\android\provide…...

Xcode代码静态分析:构建无缺陷代码的秘诀

Xcode代码静态分析&#xff1a;构建无缺陷代码的秘诀 在软件开发过程中&#xff0c;代码质量是至关重要的。Xcode作为Apple的官方集成开发环境&#xff08;IDE&#xff09;&#xff0c;提供了强大的代码静态分析工具&#xff0c;帮助开发者在编写代码时发现潜在的错误和问题。…...

Qt各个版本安装的保姆级教程

文章目录 前言Qt简介下载Qt安装包安装Qt找到Qt的快捷方式总结 前言 Qt是一款跨平台的C图形用户界面应用程序开发框架&#xff0c;广泛应用于桌面软件、嵌入式软件、移动应用等领域。Qt的强大之处在于其高度的模块化和丰富的工具集&#xff0c;可以帮助开发者快速、高效地构建出…...

数学建模--优劣解距离法TOPSIS

目录 简介 TOPSIS法的基本步骤 延伸 优劣解距离法&#xff08;TOPSIS&#xff09;的历史发展和应用领域有哪些&#xff1f; 历史发展 应用领域 如何准确计算TOPSIS中的理想解&#xff08;PIS&#xff09;和负理想解&#xff08;NIS&#xff09;&#xff1f; TOPSIS方法在…...

Springboot开发之 Excel 处理工具(三) -- EasyPoi 简介

引言 Springboot开发之 Excel 处理工具&#xff08;一&#xff09; – Apache POISpringboot开发之 Excel 处理工具&#xff08;二&#xff09;-- Easyexcel EasyPoi是一款基于 Apache POI 的高效 Java 工具库&#xff0c;专为简化 Excel 和 Word 文档的操作而设计。以下是对…...

【BUG】已解决:python setup.py bdist_wheel did not run successfully.

已解决&#xff1a;python setup.py bdist_wheel did not run successfully. 目录 已解决&#xff1a;python setup.py bdist_wheel did not run successfully. 【常见模块错误】 解决办法&#xff1a; 欢迎来到英杰社区https://bbs.csdn.net/topics/617804998 欢迎来到我的主…...

Java 中如何支持任意格式的压缩和解压缩

&#x1f446;&#x1f3fb;&#x1f446;&#x1f3fb;&#x1f446;&#x1f3fb;关注博主&#xff0c;让你的代码变得更加优雅。 前言 Hutool 是一个小而全的Java工具类库&#xff0c;通过静态方法封装&#xff0c;降低相关API的学习成本&#xff0c;提高工作效率&#xf…...

从零开始实现大语言模型(八):Layer Normalization

1. 前言 Layer Normalization是深度学习实践中已经被证明非常有效的一种解决梯度消失或梯度爆炸问题,以提升神经网络训练效率及稳定性的方法。OpenAI的GPT系列大语言模型使用Layer Normalization对多头注意力模块,前馈神经网络模块以及最后的输出层的输入张量做变换,使shap…...

<数据集>混凝土缺陷检测数据集<目标检测>

数据集格式&#xff1a;VOCYOLO格式 图片数量&#xff1a;7353张 标注数量(xml文件个数)&#xff1a;7353 标注数量(txt文件个数)&#xff1a;7353 标注类别数&#xff1a;6 标注类别名称&#xff1a;[exposed reinforcement, rust stain, Crack, Spalling, Efflorescence…...

【LabVIEW作业篇 - 3】:数组相加、for循环创建二位数组、数组练习(求最大最小值、平均值、中位数、提取范围内的数据、排序)

文章目录 数组相加for循环实现直接使用加函数 for循环创建二位数组数组练习 数组相加 要求&#xff1a;用两种方法实现两个数组相加 for循环实现 在前面板中分别创建两个数值类型的一维数组&#xff0c;并设置相应的值&#xff0c;然后在程序框图中创建一个for循环&#xff…...

BUUCTF:[网鼎杯 2018]Fakebook 漏洞链深度剖析:从SQL注入到SSRF的实战利用

1. 初探Fakebook&#xff1a;信息收集与源码泄露 打开题目链接后&#xff0c;我习惯性地在URL后添加/robots.txt进行探测。这个文件就像网站的"藏宝图"&#xff0c;经常能发现开发者不想被公开的路径。果然&#xff0c;在这里发现了/user.php.bak这个备份文件。下载后…...

初创团队如何借助Taotoken统一管理AI模型调用与成本

&#x1f680; 告别海外账号与网络限制&#xff01;稳定直连全球优质大模型&#xff0c;限时半价接入中。 &#x1f449; 点击领取海量免费额度 初创团队如何借助Taotoken统一管理AI模型调用与成本 对于资源有限的初创技术团队而言&#xff0c;在产品中集成人工智能功能已成为…...

SRWE终极窗口管理指南:免费解锁Windows窗口任意调整能力

SRWE终极窗口管理指南&#xff1a;免费解锁Windows窗口任意调整能力 【免费下载链接】SRWE Simple Runtime Window Editor 项目地址: https://gitcode.com/gh_mirrors/sr/SRWE 你是否曾为Windows窗口管理的限制感到困扰&#xff1f;想要调整游戏窗口大小进行高清截图&am…...

GENIVI DLT Viewer:从编译到实战连接的完整指南

1. 环境准备&#xff1a;搭建DLT Viewer开发环境 第一次接触GENIVI DLT Viewer时&#xff0c;我花了两天时间才把环境搭好。现在回想起来&#xff0c;其实只要抓住几个关键点就能少走弯路。DLT Viewer是汽车电子和嵌入式领域常用的日志分析工具&#xff0c;主要用于查看设备端…...

CV顶会周度精选:7篇驱动工业落地的视觉模型新范式

1. 这不是论文速读清单&#xff0c;而是一份“视觉模型进化切片报告” 你点开这篇标题&#xff0c;大概率是想快速抓住过去七天里计算机视觉领域真正值得花时间的几篇新工作——不是刷榜论文&#xff0c;不是工程缝合怪&#xff0c;而是那种读完会让人下意识摸键盘、想立刻跑个…...

CANopen协议核心机制与工业自动化应用实践

1. CANopen协议的核心机制解析 CANopen协议作为工业自动化领域的通信标准&#xff0c;其核心在于三个关键机制&#xff1a;对象字典、网络管理&#xff08;NMT&#xff09;以及过程数据对象&#xff08;PDO&#xff09;/服务数据对象&#xff08;SDO&#xff09;。理解这些机制…...

从Claude Code到nanocode:轻量级AI编程助手核心架构与工程实践

1. 项目概述&#xff1a;从Claude Code到nanocode的轻量化之路 如果你是一名开发者&#xff0c;尤其是对AI编程助手&#xff08;AI Agent&#xff09;的内部工作原理充满好奇&#xff0c;那么你很可能听说过Anthropic的Claude Code。它是一个功能强大的命令行AI代理&#xff0…...

Armv8-A原子操作指令解析与应用优化

1. A64原子操作指令概述在Armv8-A架构中&#xff0c;A64指令集提供了一组强大的原子操作指令&#xff0c;这些指令在多核处理器环境下对实现线程安全的并发操作至关重要。原子操作的核心特性是保证特定内存操作的不可分割性——即这些操作要么完全执行&#xff0c;要么完全不执…...

别再瞎写 Prompt 了:2026年最实用的10条LLM提示词技巧

别再瞎写 Prompt 了&#xff1a;2026年最实用的10条LLM提示词技巧强烈推荐收藏&#xff01;从 OpenAI 官方指南到社区实践精华&#xff0c;每条技巧都附带 ❌ 错误示范 → ✅ 正确示范 → &#x1f4a1; 原理说明。这个问题你肯定遇到过 你打开 ChatGPT&#xff0c;输入&#x…...

Ruby开发者指南:使用chatgpt-ruby轻量级封装集成OpenAI API

1. 项目概述&#xff1a;一个为Ruby开发者打造的OpenAI API轻量级封装 如果你是一名Ruby开发者&#xff0c;正琢磨着如何在自己的Rails应用、Sinatra服务或者一个简单的CLI工具里&#xff0c;优雅地集成ChatGPT的能力&#xff0c;那么 chatgpt-ruby 这个Gem很可能就是你正在…...