【笔记】用户指南—网络与连接—连接数据库

本文涉及的产品
RDS MySQL DuckDB 分析主实例,集群系列 4核8GB
简介: PolarDB-X支持通过数据管理DMS、MySQL命令行、第三方客户端以及符合MySQL官方交互协议的第三方程序代码进行连接。本文主要介绍如何通过MySQL命令行连接到PolarDB-X数据库。

通过MySQL命令行连接到数据库

  1. 登录云原生分布式数据库控制台
  2. 在页面左上角选择目标实例所在地域。
  3. 实例列表页,单击PolarDB-X 2.0页签。
  4. 找到目标实例,单击实例ID。
  5. 连接信息区域,找到内外网地址和内网端口信息。
    说明 如果您需要通外网地址进行访问试用,请使用外网地址外网端口进行连接。为确保数据库安全,建议您正式访问时使用内网连接地址。
  6. 获取连接信息后,执行以下命令获取本地对应的公网IP并将其加入实例白名单。关于如何添加白名单,请参考设置白名单
curl 'https://api.ipify.org'
  1. 通过如下MySQL命令行进行连接:
mysql -h<连接地址> -P<端口> -u<用户名> -p -D<数据库名称>
选项 说明 示例
-h 实例的内网连接地址或外网连接地址。 pxc-******************.public.polarx.rds.aliyuncs.com
-P 实例的端口号。
  • 若使用内网连接,需输入实例的内网端口。
  • 若使用外网连接,需输入实例的外网端口。

说明

  • 此处-P为大写字母。
  • 默认端口为3306。
3306
-u 实例中的账号名称。关于如何创建账号,请参见创建账号

testuser -p以上账号的密码。

说明

  • 为保障密码安全,-p后请不要填写密码,会在执行整行命令后提示您输入密码,输入后按回车即可登录。
  • 如果填写该参数,-p与密码之间不能有空格。
passWord123 -D需要登录的数据库名称。

说明

  • 该参数非必填参数。
  • 可以不输入-D仅输入数据库名称。
mysql

通过第三方客户端连接到数据库

PolarDB-X支持通过如下第三方客户端进行连接,您可以去对应的官方网站下载客户端。

  • MySQL Workbench(推荐)
  • SQLyog
  • Sequel Pro
  • Navicat for MySQL


说明 第三方GUI客户端可执行基础的数据库操作,包括数据的增删改查和DDL操作,对于工具高级特性,PolarDB-X可能并不支持。

通过第三方程序代码连接到数据库

PolarDB-X支持通过如下符合MySQL官方交互协议的第三方程序代码进行连接:

  • JDBC Driver for MySQL (Connector/J)
  • Python Driver for MySQL (Connector/Python)
  • C++ Driver for MySQL (Connector/C++)
  • C Driver for MySQL (Connector/C)
  • ADO.NET Driver for MySQL (Connector/NET)
  • ODBC Driver for MySQL (Connector/ODBC)
  • PHP Drivers for MySQL (mysqli, ext/mysqli, PDO_MYSQL, PHP_MYSQLND)
  • Perl Driver for MySQL (DBD::mysql)
  • Ruby Driver for MySQL (ruby-mysql)

以下为JDBC Driver for MySQL (Connector/J)程序代码示例。


//JDBC
Class.forName("com.mysql.jdbc.Driver");
Connection conn = DriverManager.getConnection("jdbc:mysql://pxc-**.public.polarx.rds.aliyuncs.com:3306/doc_test","doc_test","doc_test_password");
//...
conn.close();

以下为应用端连接池配置示例。


<bean id="dataSource" class="com.alibaba.druid.pool.DruidDataSource" init-method="init" destroy-method="close"> 
<property name="url" value="jdbc:mysql://pxc-**.public.polarx.rds.aliyuncs.com:3306/doc_test" />
<property name="username" value="doc_test" />
<property name="password" value="doc_test_password" />
<property name="filters" value="stat" />
<property name="maxActive" value="100" />
<property name="initialSize" value="20" />
<property name="maxWait" value="60000" />
<property name="minIdle" value="1" />
<property name="timeBetweenEvictionRunsMillis" value="60000" />
<property name="minEvictableIdleTimeMillis" value="300000" />
<property name="testWhileIdle" value="true" />
<property name="testOnBorrow" value="false" />
<property name="testOnReturn" value="false" />
<property name="poolPreparedStatements" value="true" />
<property name="maxOpenPreparedStatements" value="20" />
<property name="asyncInit" value="true" />
</bean>


说明 推荐使用Druid连接池连接,关于Druid的详细信息请参见Druid Github资源

相关文章
|
9天前
|
数据采集 人工智能 安全
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
299 164
|
3天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
312 155
|
12天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
867 6
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
252 113