用户管理-sql注入攻击-**pymysql应用** 索引

1.用户管理

主要为了控制权限,让不同开发者,仅能操作属于自己的业务范围内的数据 

创建myqsl账户

账户中涉及的三个数据

账户名 密码  ip地址  

ip是用于限制某个账户只能在那些机器上登录 

create user 用户名@主机地址  identified by "密码";

# 注意:操作用户 只能由root账户来进行


# 删除 将同时删除所有权限
drop user 用户名@主机地址;

权限管理

涉及到的表

user   与用户相关信息
db		用户的数据库权限信息
tables_priv   用户的表权限
columns_priv  用户的字段权限 

语法:

grant all  on *.*  to 用户名@主机地址  identified by "密码";

# 如果用户不存在则自动创建新用户,推荐使用
grant all  on *.*  to rose@localhost  identified by "123";


grant all  on day42.*  to rose1@localhost  identified by "123";


grant all  on day42.table1  to rose2@localhost  identified by "123";


grant select(name),update(name)  on day42.table1  to rose3@localhost  identified by "123";



all表示的是对所有字段的增删改查  
*.*  所有库的所有表 


收回权限 
revoke all on *.* from 用户名@主机地址;


revoke all on day42.table1 from rose2@localhost;


# 刷新权限
flush privileges;



#with grant option   表示 可以将他拥有的权限授予其它的用户
grant all  on *.*  to root1@localhost  identified by "123" with grant option;



# 授予某个用户 可以在任何主机上登录
grant all  on *.*  to jack10@"%"  identified by "123";
grant all  on *.*  to jack10@localhost  identified by "123";

练习:在你的mysql 为你的同桌创建一个账号

2.可视化客户端

mysqlworkbench

3.pymysql

pymysql  是一个第三方模块,帮我们封装了,建立连接,用户认证,sql'的执行以及,结果的获取

基本使用

import pymysql

"""
1.连接服务器
2.用户认证
3.发送指令
4.提取结果 
"""
# 1. 连接服务器  获取连接对象(本质上就是封装号的socket)
conn = pymysql.connect(
    host = "127.0.0.1",  #如果是本机 可以忽略
    port = 3306,    # 如果没改过 可以忽略
    user = "root", #必填
    password = "111", #必填
    database = "day42" #必填
)

# 2.通过连接拿到游标对象
# 默认的游标返回的是元组类型 不方便使用,需要更换字典类型的游标
c = conn.cursor(pymysql.cursors.DictCursor)

# 3.执行sql
sql = "select  * from table1"
res = c.execute(sql)
# 查询语句将返回查询的结果数量
# 4.提取结果
# print(res)
# print(c.fetchall())
# 5.关闭连接
c.close()
conn.close()

# 移动光标 参数1位移动的位置   mode 指定 相对或绝对
# c.scroll(1,mode="absolute")

# print(c.fetchall())

# print(c.fetchmany(1))
print(c.fetchone())
print(c.fetchone())

sql注入攻击

指的是,一些程序员,在输入数据时,按照sql的语法规范,提交了用于攻击性目的的数据

如何避免这个问题

在服务器端执行sql以前做sql的验证

验证操作pymysql 以及封装了,我们只需要将参数交给pymysql来做拼接即可

修改数据

案例:

import pymysql
conn = pymysql.connect(
    host = "127.0.0.1",  #如果是本机 可以忽略
    port = 3306,    # 如果没改过 可以忽略
    user = "root", #必填
    password = "111", #必填
    database = "day42", #必填,
    #autocommit=False  # 开启自动提交  不常用....
)
c = conn.cursor(pymysql.cursors.DictCursor)
name = input("name:")
pwd = input("pwd:")
sql = "select *from user where name = %s"
if c.execute(sql,(name,)):
    print("用户名已存在!")
else:
    sql2 = "insert  into user values(%s,%s)"
    if c.execute(sql2,(name,pwd)):
        print("注册成功!")
        conn.commit() # 调用连接对象的提交函数
    else:
        print("注册失败!")
c.close()
conn.close()

注意: pymysql自动开启了事务,所以我们自己在合适的位置提交

调用存储过程

# 创建名为add1的存储过程
delimiter |
create procedure add1(in a int,in b int,out c int)
begin
set c = a + b;
end|
delimiter ;


#pymysql中调用
import pymysql
conn = pymysql.connect(
    host = "127.0.0.1",  #如果是本机 可以忽略
    port = 3306,    # 如果没改过 可以忽略
    user = "root", #必填
    password = "111", #必填
    database = "day42", #必填,
    autocommit=True  # 开启自动提交  不常用....
)
c = conn.cursor(pymysql.cursors.DictCursor)
c.callproc("add1",(1,2,1212)) # @_add1_0  @_add1_1  @_add1_2
c.execute("select @_add1_2")
print(c.fetchone())

# 调用存储过程时,传入参数,会自动定义成变量,
# 命名方式 @_过程的名称_参数的索引 从0开始

事务的应用

import pymysql
conn =pymysql.connect(
    user='root',
    password ='root',
    database ='day'
)

c=conn.cursor(pymysql.cursors.DictCursor)
try:#捕捉异常
    c.execute('start transaction;')
    sql1="update sa set salary =salary-1000 where name='张二狗'"
    c.execute(sql1)
    sql2 ="update sa set salary=salary+1000 where name ='李四狗'"
    c.execute(sql2)
    c.execute('commit;')
except:
    c.execute('rollback')
c.close()
conn.close()

4.索引

1.定义：
一种特殊的数据结构， 它存储的是数据的关键信息 与详细的信息 位置对应关系
类似于用书本的目录查书更快

2.为什么用索引：
加速查询，当数据量非常大的时候，查询某一个数据是非常慢的，索引用处在此

3.索引的影响：
>不是说有了索引就能加速，得看查询语句有没有正确的使用索引
>索引是需要占用额外的数据空间的  （光有书本  +目录的话 目录会有些许纸张）
>添加索引后，将导致增删修改变慢 也就是写入

4.何时添加索引，何时需要用到索引：
￥查询操作较多的 数据量很大的 并且写入过程很少
% 查询与写入占比为10:1 或者查询占比更多
* 本质上的索引其实就是减少搜索范围

磁盘I O

平均查找一个数据需要花费至少9ms

这个时候cpu就会切换到其他程序

若要加速查询，必须较少的操作io 减少次数

索引数据结构

b+树------（形象于树结构）

叶子节点才是存储真实数据的，叶子数量越多，树的层级越高，导致io操作次数越多

避免问题----在叶子节点中尽可能存储更多的数据，也应该将数据量小的字段作为索引

最左匹配原则

当b+树的数据项是复合的数据结构，比如(name,age,sex)的时候(多字段联合索引)，b+树会按照从左到右的顺序来建立搜索树，比如当(张三,20,F)这样的数据来检索的时候，b+树会优先比较name来确定下一步的所搜方向，如果name相同再依次比较age和sex，最后得到检索的数据；但当(20,F)这样的没有name的数据来的时候，b+树就不知道下一步该查哪个节点，因为建立搜索树的时候name就是第一个比较因子，必须要先根据name来搜索才能知道下一步去哪里查询。比如当(张三,F)这样的数据来检索时，b+树可以用name来指定搜索方向，但下一个字段age的缺失，所以只能把名字等于张三的数据都找到，然后再匹配性别是F的数据了， 这个是非常重要的性质，即索引的最左匹配特性。

### 聚集索引

​	聚集索引中包含了所有字段的值，如果拟定了主键，，主键就是聚集索引

如果没有  那就找一个非空且唯一的字段最为聚集索引

再找不着，自动生成一个字段最为聚集索引

### 辅助索引

​	除了聚集索引以外的都叫做辅助索引

辅助索引中只包含当前的索引字段和主键的值

### 覆盖查询

​	指的是当前索引结构中就能找到的所需要的数据，

如果使用的是聚集索引来查询那么一定是覆盖查询，速度是最快的

### 回表查询

​	指的是当前索引结构中找不到所需的数据，需要通过id去聚集索引中查询，速度慢与聚集索引

总结：

​ 1.尽可能使用占用空间 最小的字段作为索引

​ 2.不要一行中存储太多的数据，例如说视频、字段太多的话可以分表

​ 3.尽可能使用覆盖查询

​ 4.如果字段区分度低（重复度高），建立索引是没有意义的，反过来应该将区分度高的字段作为索引

​ 5.模糊匹配中，百分号尽量不要写在前面

​ 6.不要在等号左边有计算 where age/2=9 X -----> where age =18 (这样的模式)

​ 7.and 语句中会自动找一个具备缩印的字段优先执行，所以我们应该在and语句中至少包含一个具备索引的字段

    8.or语句要避免使用，如果要用则保证所有字段都有索引才能加速

    9.联合索引中，顺序应该将区分度最高的放在左边，最低的放在右边

查询语句必须保证最左边的索引出现在语句中

另外需要注意：如果要查询的数据量非常大 索引无法加速

结论：不是添加了索引就能提速，需要考虑的添加到索引是否合理，sql语句是否使用到了索引