1. 程式人生 > >pt-query-digest使用

pt-query-digest使用

一、簡介

pt-query-digest是用於分析mysql慢查詢的一個工具,它可以分析binlog、General log、slowlog,也可以通過SHOWPROCESSLIST或者通過tcpdump抓取的MySQL協議資料來進行分析。可以把分析結果輸出到檔案中,分析過程是先對查詢語句的條件進行引數化,然後對引數化以後的查詢進行分組統計,統計出各查詢的執行時間、次數、佔比等,可以藉助分析結果找出問題進行優化。

二、安裝pt-query-digest

原始碼安裝:

cd /usr/local/src
wget percona.com/get/percona-toolkit.tar.gz
tar zxf percona-toolkit.tar.gz
cd percona-toolkit-2.2.19
perl Makefile.PL PREFIX=/usr/local/percona-toolkit
make && make install

注意需要安裝相關模組,不然會報錯,編譯不通過:

yum install perl-ExtUtils-CBuilder perl-ExtUtils-MakeMaker
yum install perl-DBD-MySQL -y
yum -y install perl-Digest-MD5

4.各工具用法簡介
詳細的一些使用,可以參考這個網站:https://www.percona.com/doc/percona-toolkit/2.2/index.html

(1)慢查詢日誌分析統計
pt-query-digest /usr/local/mysql/data/slow.log
(2)伺服器摘要
pt-summary 
(3)伺服器磁碟監測
pt-diskstats 
(4)mysql服務狀態摘要
pt-mysql-summary -- --user=root --password=root 

三、pt-query-digest語法及重要選項

pt-query-digest [OPTIONS] [FILES] [DSN]
--create-review-table  當使用--review引數把分析結果輸出到表中時,如果沒有表就自動建立。
--create-history-table  當使用--history引數把分析結果輸出到表中時,如果沒有表就自動建立。
--filter  對輸入的慢查詢按指定的字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,預設值是20,即將最慢的20條語句輸出,如果是50%則按總響應時間佔比從大到小排序,輸出到總和達到50%位置截止。
--host  mysql伺服器地址
--user  mysql使用者名稱
--password  mysql使用者密碼
--history 將分析結果儲存到表中,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,則會記錄到資料表中,可以通過查詢同一CHECKSUM來比較某型別查詢的歷史變化。
--review 將分析結果儲存到表中,這個分析只是對查詢條件進行引數化,一個型別的查詢一條記錄,比較簡單。當下次使用--review時,如果存在相同的語句分析,就不會記錄到資料表中。
--output 分析結果輸出型別,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 從什麼時間開始分析,值為字串,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。

四、分析pt-query-digest輸出結果

第一部分:總體統計結果
Overall:總共有多少條查詢
Time range:查詢執行的時間範圍
unique:唯一查詢數量,即對查詢條件進行引數化以後,總共有多少個不同的查詢
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

# 該工具執行日誌分析的使用者時間,系統時間,實體記憶體佔用大小,虛擬記憶體佔用大小
# 340ms user time, 140ms system time, 23.99M rss, 203.11M vsz
# 工具執行時間
# Current date: Fri Nov 25 02:37:18 2016
# 執行分析工具的主機名
# Hostname: localhost.localdomain
# 被分析的檔名
# Files: slow.log
# 語句總數量,唯一的語句數量,QPS,併發數
# Overall: 2 total, 2 unique, 0.01 QPS, 0.01x concurrency ________________
# 日誌記錄的時間範圍
# Time range: 2016-11-22 06:06:18 to 06:11:40
# 屬性               總計      最小    最大    平均    95%  標準    中等
# Attribute          total     min     max     avg     95%  stddev  median
# ============     ======= ======= ======= ======= ======= ======= =======
# 語句執行時間
# Exec time             3s   640ms      2s      1s      2s   999ms      1s
# 鎖佔用時間
# Lock time            1ms       0     1ms   723us     1ms     1ms   723us
# 傳送到客戶端的行數
# Rows sent              5       1       4    2.50       4    2.12    2.50
# select語句掃描行數
# Rows examine     186.17k       0 186.17k  93.09k 186.17k 131.64k  93.09k
# 查詢的字元數
# Query size           455      15     440  227.50     440  300.52  227.50

第二部分:查詢分組統計結果
Rank:所有語句的排名,預設按查詢時間降序排列,通過--order-by指定
Query ID:語句的ID,(去掉多餘空格和文字字元,計算hash值)
Response:總的響應時間
time:該查詢在本次分析中總的時間佔比
calls:執行次數,即本次分析總共有多少條這種型別的查詢語句
R/Call:平均每次執行的響應時間
V/M:響應時間Variance-to-mean的比率
Item:查詢物件

# Profile
# Rank Query ID                       Response time   Calls R/Call  V/M   
# ==== ============================== =============== ===== ======= ===== 
#    1 0xA4E5E34137E92EC2EC0A1F739... 1147.5212 20.8%   456  2.5165  2.10 SELECT tb_cust_coupon tb_coupon tb_coupon_merchandise_limit
#    2 0x763D70B75B55A563389014B19... 1134.8463 20.5%   595  1.9073  0.19 SELECT tb_coupon tb_cust_coupon tb_coupon_merchandise_limit

第三部分:每一種查詢的詳細統計結果
由下面查詢的詳細統計結果,最上面的表格列出了執行次數、最大、最小、平均、95%等各專案的統計。
ID:查詢的ID號,和上圖的Query ID對應
Databases:資料庫名
Users:各個使用者執行的次數(佔比)
Query_time distribution :查詢時間分佈, 長短體現區間佔比,本例中1s-10s之間查詢數量是10s以上的兩倍。
Tables:查詢中涉及到的表
Explain:SQL語句

# Query 1: 0.38 QPS, 0.96x concurrency, ID 0xA4E5E34137E92EC2EC0A1F73957D42EB at byte 64161199
# This item is included in the report because it matches --limit.
# Scores: V/M = 2.10
# Time range: 2018-08-23 16:00:02 to 16:19:58
# Attribute    pct   total     min     max     avg     95%  stddev  median
# ============ === ======= ======= ======= ======= ======= ======= =======
# Count         13     456
# Exec time     20   1148s   571ms     18s      3s      7s      2s      2s
# Lock time     21   130ms   127us     8ms   285us   424us   378us   247us
# Rows sent      0      47       0       1    0.10    0.99    0.30       0
# Rows examine   6 384.28M 615.12k   1.71M 862.94k   1.69M 357.88k 650.62k
# Rows affecte   0       0       0       0       0       0       0       0
# Bytes sent     5 672.95k   1.46k   1.66k   1.48k   1.61k   68.29   1.39k
# Query size    22 784.64k   1.72k   1.72k   1.72k   1.72k       0   1.72k
# String:
# Databases    b2b5
# Hosts        192.168.22.20
# Last errno   0
# Users        b2b_product
# Query_time distribution
#   1us
#  10us
# 100us
#   1ms
#  10ms
# 100ms  ###########
#    1s  ################################################################
#  10s+  #
# Tables
#    SHOW TABLE STATUS FROM `b2b5` LIKE 'tb_cust_coupon'\G
#    SHOW CREATE TABLE `b2b5`.`tb_cust_coupon`\G
#    SHOW TABLE STATUS FROM `b2b5` LIKE 'tb_coupon'\G
#    SHOW CREATE TABLE `b2b5`.`tb_coupon`\G
#    SHOW TABLE STATUS FROM `b2b5` LIKE 'tb_coupon_merchandise_limit'\G
#    SHOW CREATE TABLE `b2b5`.`tb_coupon_merchandise_limit`\G
# EXPLAIN /*!50100 PARTITIONS*/
select
        co.cust_COUPON_ID,co.branch_id,co.cust_id,co.coupon_id,co.cust_coupon_status,co.take_time,c.use_time_set_type,
        c.dynamic_user_time,c.take_start_time,c.take_end_time,
        c.coupon_name,c.coupon_denomination,c.coupon_condition,c.coupon_circulation,ifnull(c.use_start_time,co.take_time) as USE_START_TIME,
        ifnull(c.use_end_time,date_add(co.take_time, interval ifnull(c.DYNAMIC_USER_TIME,0) day)) as USE_END_TIME,
        c.COUPON_TYPE,c.DISCOUNT_VALUE,c.MOST_DISCOUNT,c.MERCHANDISE_LIMIT_TYPE,ifnull(tcml.num,0) as MERLIMITNUM,
        case when (co.cust_coupon_status=0 and ifnull(c.use_end_time,date_add(co.take_time, interval ifnull(c.DYNAMIC_USER_TIME,0) day))   >=   date_add(sysdate(), interval 0 day) ) then 0
        when(co.cust_coupon_status=0 and ifnull(c.use_end_time,date_add(co.take_time, interval ifnull(c.DYNAMIC_USER_TIME,0) day))   <   date_add(sysdate(), interval 0 day)  and ifnull(c.use_end_time,date_add(co.take_time, interval ifnull(c.DYNAMIC_USER_TIME,0) day))  >=   sysdate()) then 3
        when (co.cust_coupon_status=1) then 1
        when (co.cust_coupon_status=5) then 5
        else 2 end as couponUseStatus
        from tb_cust_coupon co
        join tb_coupon c  on co.branch_id = c.branch_id and co.coupon_id=c.coupon_id
        left join (select COUPON_ID,count(1) as num from tb_coupon_merchandise_limit where branch_id = 'FDW' AND fullMoney != 1 group by coupon_id ) tcml on c.coupon_id=tcml.coupon_id
         WHERE  co.branch_id = 'FDW'
            and datediff(sysdate(),ifnull(c.use_end_time,date_add(co.take_time, interval ifnull(c.DYNAMIC_USER_TIME,0) day)))   <=  90
            
            
              and co.link_main_order='DM_20180823_006711' 
        order by co.take_time desc\G

# Query 2: 0.50 QPS, 0.95x concurrency, ID 0x763D70B75B55A563389014B19F5D2120 at byte 62451498

五、用法示例

1.直接分析慢查詢檔案:
pt-query-digest  slow.log > slow_report.log

2.分析最近12小時內的查詢:
pt-query-digest  --since=12h  slow.log > slow_report2.log

3.分析指定時間範圍內的查詢:
pt-query-digest slow.log --since '2017-01-07 09:30:00' --until '2017-01-07 10:00:00'> > slow_report3.log

4.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

5.針對某個使用者的慢查詢
pt-query-digest --filter '($event->{user} || "") =~ m/^root/i' slow.log> slow_report5.log

6.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

7.把查詢儲存到query_review表
pt-query-digest --user=root –password=abc123 --review  h=localhost,D=test,t=query_review--create-review-table  slow.log

8.把查詢儲存到query_history表
pt-query-digest  --user=root –password=abc123 --review  h=localhost,D=test,t=query_history--create-review-table  slow.log_0001
pt-query-digest  --user=root –password=abc123 --review  h=localhost,D=test,t=query_history--create-review-table  slow.log_0002

9.通過tcpdump抓取mysql的tcp協議資料,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

10.分析binlog
mysqlbinlog mysql-bin.000093 > mysql-bin000093.sql
pt-query-digest  --type=binlog  mysql-bin000093.sql > slow_report10.log

11.分析general log
pt-query-digest  --type=genlog  localhost.log > slow_report11.log