mysql慢查詢功能詳解
有人的地方就有江湖，數據庫也是，sql優化這個問題，任重道遠，我們總是禁不住有爛sql。怎麽辦呢，還好各大數據庫都有相關爛sql的收集功能，而mysql的慢查詢收集也是異曲同工，配合分析sql的執行計劃，這個優化就有了搞頭了。
開啟mysql慢查詢日誌
1.查看當前慢查詢設置情況
#查看慢查詢時間，默認10s，建議降到1s或以下， mysql> show variables like "long_query_time"; +-----------------+----------+ | Variable_name | Value | +-----------------+----------+ | long_query_time | 1.000000 | +-----------------+----------+ 1 row in set (0.00 sec) #查看慢查詢配置情況 mysql> show variables like "%slow%"; +-----------------------------------+----------------------+ | Variable_name | Value | +-----------------------------------+----------------------+ | log_slow_admin_statements | OFF | | log_slow_filter | | | log_slow_rate_limit | 1 | | log_slow_rate_type | session | | log_slow_slave_statements | OFF | | log_slow_sp_statements | ON | | log_slow_verbosity | | | max_slowlog_files | 0 | | max_slowlog_size | 0 | | slow_launch_time | 2 | | slow_query_log | ON | | slow_query_log_always_write_time | 10.000000 | | slow_query_log_file | /tmp/slow_querys.log | | slow_query_log_use_global_control | | +-----------------------------------+----------------------+ 14 rows in set (0.01 sec)
其中，slow_query_log的值是on就是已開啟功能了。
2.如何開啟慢查詢功能
方法一：在服務器上找到mysql的配置文件my.cnf , 然後再mysqld模塊裏追加一下內容，這樣的好處是會一直生效，不好就是需要重啟mysql進程。
vim my.cnf [mysqld] slow_query_log = ON #定義慢查詢日誌的路徑 slow_query_log_file = /tmp/slow_querys.log #定義查過多少秒的查詢算是慢查詢，我這裏定義的是1秒，5.6之後允許設置少於1秒，例如0.1秒 long_query_time = 1 #用來設置是否記錄沒有使用索引的查詢到慢查詢記錄,默認關閉,看需求開啟,會產生很多日誌,可動態修改 #log-queries-not-using-indexes 管理指令也會被記錄到慢查詢。比如OPTIMEZE TABLE, ALTER TABLE,默認關閉,看需求開啟,會產生很多日誌,可動態修改 #log-slow-admin-statements
然後重啟mysql服務器即可，這是通過一下命令看一下慢查詢日誌的情況：
tail -f /tmp/slow_querys.log
方法二：通過修改mysql的全局變量來處理，這樣做的好處是，不用重啟mysql服務器，登陸到mysql上執行一下sql腳本即可，不過重啟後就失效了。
#開啟慢查詢功能，1是開啟，0是關閉 mysql> set global slow_query_log=1; #定義查過多少秒的查詢算是慢查詢，我這裏定義的是1秒，5.6之後允許設置少於1秒，例如0.1秒 mysql> set global long_query_time=1; #定義慢查詢日誌的路徑 mysql> set global slow_query_log_file=‘/tmp/slow_querys.log‘; #關閉功能：set global slow_query_log=0; 然後通過一下命令查看是否成功 mysql> show variables like ‘long%‘; mysql> show variables like ‘slow%‘; #設置慢查詢記錄到表中 #set global log_output=‘TABLE‘;
當然了，你也可以兩者合一，一方面不用重啟mysql進程就能生效，另一方面也不用怕重啟後參數失效，效果也是一致的。
特別要註意的是long_query_time的設置，5.6之後支持設置低於0.1秒，所以記錄的詳細程度，就看你自己的需求，數據庫容量比較大的，超過0.1秒還是比較多，所以就變得有點不合理了。
慢查詢日誌的記錄定義
直接查看mysql的慢查詢日誌分析，比如我們可以tail -f slow_query.log查看裏面的內容
# Time: 110107 16:22:11 # [email protected]: root[root] @ localhost [] # Query_time: 9.869362 Lock_time: 0.000035 Rows_sent: 1 Rows_examined: 6261774 SET timestamp=1294388531; select count(*) from ep_friends;
字段意義解析：
第一行,SQL查詢執行的時間
第二行,執行SQL查詢的連接信息，用戶和連接IP
第三行,記錄了一些我們比較有用的信息，如下解析
Query_time,這條SQL執行的時間,越長則越慢
Lock_time,在MySQL服務器階段(不是在存儲引擎階段)等待表鎖時間
Rows_sent,查詢返回的行數
Rows_examined,查詢檢查的行數，越長就當然越費時間
第四行,設置時間戳，沒有實際意義，只是和第一行對應執行時間。
第五行及後面所有行（第二個# Time:之前）,執行的sql語句記錄信息，因為sql可能會很長。
分析慢查詢的軟件
雖然慢查詢日誌已經夠清晰，但是往往我們的日誌記錄到的不是只有一條sql，可能有很多很多條，如果不加以統計，估計要看到猴年馬月，這個時候就需要做統計分析了。
方法一：使用mysql程序自帶的mysqldumpslow命令分析，例如：
mysqldumpslow -s c -t 10 /tmp/slow-log
這會輸出記錄次數最多的10條SQL語句，得出的結果和上面一般慢查詢記錄的格式沒什麽太大差別，這裏就不展開來詳細解析了。
參數解析：
-s：是表示按照何種方式排序，子參數如下：
c、t、l、r：分別是按照記錄次數、時間、查詢時間、返回的記錄數來排序，
ac、at、al、ar：表示相應的倒敘；
-t：返回前面多少條的數據，這裏意思就是返回10條數據了（也可以說是前十）
-g：後邊可以寫一個正則匹配模式，大小寫不敏感的，比如：
/path/mysqldumpslow -s r -t 10 /tmp/slow-log，得到返回記錄集最多的10個查詢。
/path/mysqldumpslow -s t -t 10 -g “left join” /tmp/slow-log，得到按照時間排序的前10條裏面含有左連接的查詢語句。
方法二：使用pt(Percona Toolkit)工具的pt-query-digest進行統計分析。這個是由Percona公司出品的一個用perl編寫的腳本，只有安裝上pt工具集才會存在，有興趣的朋友就要先安裝pt工具了。直接分析慢查詢文件，執行如下：
pt-query-digest slow_querys.log >t.txt
因為記錄裏還是可能有很多sql在，看起來還是費勁，所以建議輸出到文件來看了。輸出的信息會分成三部分，
第一部分：總體統計結果
# 580ms user time, 0 system time, 35.46M rss, 100.01M vsz # Current date: Wed Jul 19 14:32:40 2017 # Hostname: yztserver1 # Files: slow_querys.log # Overall: 2.63k total, 36 unique, 0.03 QPS, 0.03x concurrency ___________ # Time range: 2017-07-18T03:17:17 to 2017-07-19T06:30:18 # Attribute total min max avg 95% stddev median # ============ ======= ======= ======= ======= ======= ======= ======= # Exec time 3145s 1s 5s 1s 2s 258ms 1s # Lock time 677ms 0 64ms 257us 260us 2ms 144us # Rows sent 8.44k 0 5.50k 3.29 0.99 108.92 0.99 # Rows examine 1.06G 0 2.12M 421.02k 619.64k 155.33k 419.40k # Rows affecte 0 0 0 0 0 0 0 # Bytes sent 9.00M 11 6.24M 3.51k 13.78k 119.76k 65.89 # Query size 735.85k 6 2.19k 286.72 463.90 128.05 246.02
Overall: 這個文件裏總共有多少條查詢，上例為總共2.63k個查詢，也就是2.63k條慢查詢。
Time range: 查詢執行的時間範圍。
unique: 唯一查詢數量，即對查詢條件進行參數化以後，統計的總共有多少個不同的查詢，該例為36。也就是說這2.63K條慢查詢，實際歸類為36條。
Attribute：屬性解析，其他子項：
total: 總計，min:最小，max: 最大，avg:平均，
95%: 把所有值從小到大排列，位置位於95%的那個數，這個數一般最具有參考價值，
median: 中位數，把所有值從小到大排列，位置位於中間那個數。
其他就字面意思，去翻譯一下就好。
第二部分：查詢分組統計結果
# Profile # Rank Query ID Response time Calls R/Call V/M Item # ==== ================== =============== ===== ====== ===== ============= # 1 0x8965CC929FB1C7B2 2080.0546 66.1% 1816 1.1454 0.03 SELECT 1 # 2 0x9C57D04CEA1970B4 228.4754 7.3% 131 1.7441 0.10 SELECT 2 # 3 0x94B4D7AA44982464 138.5964 4.4% 112 1.2375 0.05 SELECT 3 # 4 0x6BD09392D1D0B5D7 84.1681 2.7% 70 1.2024 0.03 SELECT 4 # 5 0x1E9926677DBA3657 81.2260 2.6% 68 1.1945 0.03 SELECT 5 # 6 0xBBCE31227D8C6A93 69.6594 2.2% 56 1.2439 0.05 SELECT 6 # 7 0x9A691CB1A14640F4 60.4517 1.9% 51 1.1853 0.04 SELECT 7 # 8 0xDA99A20C8BE81B9C 55.7751 1.8% 46 1.2125 0.05 SELECT 8 # 9 0x1F53AC684A365326 55.6378 1.8% 45 1.2364 0.03 SELECT 9_ # 10 0x664E0C18531443A5 38.6894 1.2% 31 1.2480 0.05 SELECT way_bill_main # 11 0xF591153EC390D8CA 32.5370 1.0% 28 1.1620 0.01 SELECT way_bill_main # 12 0xA3A82D5207F1BC2E 24.6582 0.8% 20 1.2329 0.06 SELECT way_bill_main # 13 0xFCED276145371CE4 22.2543 0.7% 18 1.2363 0.05 SELECT way_bill_main # 14 0x4895DF4252D5A600 21.3184 0.7% 17 1.2540 0.07 SELECT way_bill_main # 16 0xA4DD833DF8C96D04 14.6107 0.5% 13 1.1239 0.01 SELECT way_bill_main # 17 0x0426A3C3538CBBA8 13.9799 0.4% 13 1.0754 0.00 SELECT way_bill_main # 18 0x2C52F334EF3D8D2D 12.5960 0.4% 10 1.2596 0.03 SELECT way_bill_main # MISC 0xMISC 110.2030 3.5% 83 1.3277 0.0 <19 ITEMS>
這部分對查詢進行參數化並分組，然後對各類查詢的執行情況進行分析，結果按總執行時長，從大到小排序，恕我改了些顯示。
Response: 總的響應時間。
time: 該查詢在本次分析中總的時間占比。
calls: 執行次數，即本次分析總共有多少條這種類型的查詢語句。
R/Call: 平均每次執行的響應時間。
Item : 查詢對象
第三部分：每一種查詢的詳細統計結果，這是其中一個
# Query 1: 0.02 QPS, 0.02x concurrency, ID 0x8965CC929FB1C7B2 at byte 868609 # This item is included in the report because it matches --limit. # Scores: V/M = 0.03 # Time range: 2017-07-18T03:17:56 to 2017-07-19T06:30:18 # Attribute pct total min max avg 95% stddev median # ============ === ======= ======= ======= ======= ======= ======= ======= # Count 69 1816 # Exec time 66 2080s 1s 4s 1s 1s 189ms 1s # Lock time 51 349ms 67us 19ms 192us 194us 760us 144us # Rows sent 21 1.77k 1 1 1 1 0 1 # Rows examine 71 771.37M 262.54k 440.03k 434.96k 419.40k 24.34k 419.40k # Rows affecte 0 0 0 0 0 0 0 0 # Bytes sent 1 120.49k 65 68 67.94 65.89 0.35 65.89 # Query size 60 443.31k 248 250 249.97 246.02 0.00 246.02 # String: # Databases ytttt # Hosts 10.25.28.2 # Last errno 0 # Users gztttttt # Query_time distribution # 1us # 10us # 100us # 1ms # 10ms # 100ms # 1s ################################################################ # 10s+ # Tables # SHOW TABLE STATUS FROM `ytttt` LIKE ‘way_bill_main‘\G # SHOW CREATE TABLE `ytttt`.`way_bill_main`\G # SHOW TABLE STATUS FROM `ytttt` LIKE ‘scheduler_task‘\G # SHOW CREATE TABLE `ytttt`.`scheduler_task`\G # EXPLAIN /*!50100 PARTITIONS*/ SELECT COUNT(1) FROM 1 as w inner join .....此處省略。。。
Databases: 庫名
Users: 各個用戶執行的次數（占比），現在只有一個用戶，因為我授權的就是一個庫一個獨立用戶。
Query_time distribution : 查詢時間分布, 長短體現區間占比，本例中基本上都是1s。
Tables: 查詢中涉及到的表
Explain: 示例，也就是這條sql本身的信息。
後面其他信息也大體和這個類似，只是顯示不同的sql信息而已，都屬於這個第三部分。
------------------------------------------------------------------------------------------
pt-query-digest參數說明：
--create-review-table 當使用--review參數把分析結果輸出到表中時，如果沒有表就自動創建。
--create-history-table 當使用--history參數把分析結果輸出到表中時，如果沒有表就自動創建。
--filter 對輸入的慢查詢按指定的字符串進行匹配過濾後再進行分析
--limit限制輸出結果百分比或數量，默認值是20,即將最慢的20條語句輸出，如果是50%則按總響應時間占比從大到小排序，輸出到總和達到50%位置截止。
--host MySQL服務器地址
--user mysql用戶名
--password mysql用戶密碼
--history 將分析結果保存到表中，分析結果比較詳細，下次再使用--history時，如果存在相同的語句，且查詢所在的時間區間和歷史表中的不同，則會記錄到數據表中，可以通過查詢同一CHECKSUM來比較某類型查詢的歷史變化。
--review 將分析結果保存到表中，這個分析只是對查詢條件進行參數化，一個類型的查詢一條記錄，比較簡單。當下次使用--review時，如果存在相同的語句分析，就不會記錄到數據表中。
--output 分析結果輸出類型，值可以是report(標準分析報告)、slowlog(Mysql slow log)、json、json-anon，一般使用report，以便於閱讀。
--since 從什麽時間開始分析，值為字符串，可以是指定的某個”yyyy-mm-dd [hh:mm:ss]”格式的時間點，也可以是簡單的一個時間值：s(秒)、h(小時)、m(分鐘)、d(天)，如12h就表示從12小時前開始統計。
--until 截止時間，配合—since可以分析一段時間內的慢查詢。
其他命令示例：
1.分析最近12小時內的查詢：
pt-query-digest --since=12h slow.log > slow_report2.log
2.分析指定時間範圍內的查詢：
pt-query-digest slow.log --since ‘2014-04-17 09:30:00‘ --until ‘2014-04-17 10:00:00‘>>slow_report3.log
3.分析指含有select語句的慢查詢
pt-query-digest--filter ‘$event->{fingerprint} =~ m/^select/i‘ slow.log> slow_report4.log
4.針對某個用戶的慢查詢
pt-query-digest--filter ‘($event->{user} || "") =~ m/^root/i‘ slow.log> slow_report5.log
5.查詢所有所有的全表掃描或full join的慢查詢
pt-query-digest--filter ‘(($event->{Full_scan} || "") eq "yes") ||(($event->{Full_join} || "") eq "yes")‘ slow.log> slow_report6.log
6.把查詢保存到query_review表
pt-query-digest --user=root –password=abc123 --review h=localhost,D=test,t=query_review--create-review-table slow.log
7.把查詢保存到query_history表
pt-query-digest --user=root –password=abc123 --review h=localhost,D=test,t=query_ history--create-review-table slow.log_20140401
pt-query-digest --user=root –password=abc123--review h=localhost,D=test,t=query_history--create-review-table slow.log_20140402
8.通過tcpdump抓取mysql的tcp協議數據，然後再分析
tcpdump -s 65535 -x -nn -q -tttt -i any -c 1000 port 3306 > mysql.tcp.txt
pt-query-digest --type tcpdump mysql.tcp.txt> slow_report9.log
9.分析binlog
mysqlbinlog mysql-bin.000093 > mysql-bin000093.sql
pt-query-digest --type=binlog mysql-bin000093.sql > slow_report10.log
10.分析general log
pt-query-digest --type=genlog localhost.log > slow_report11.log
--------------------------------------------------------------------------------------------
其實pt-query-digest雖然信息很多，但是輸出信息不見得就比mysqldumpslow好很多，而且還要裝多個工具。不過可以甩問題給開發看也算是一個好事，可以說清楚著個sql執行了多少次慢查詢，所以實際使用上還是見仁見智，自己看著辦。
題外話
一般慢查詢日誌解決不了問題的話，就建議開查詢日誌general-log來跟蹤sql了
大體和上面操作差不多，先查看當前狀態
show variables like ‘general%‘;
可以在my.cnf裏添加
general-log = 1開啟（0關閉）
log = /log/mysql_query.log路徑
也可以設置變量那樣更改
set global general_log=1開啟（0關閉）
mysql慢查詢功能詳解