pt-query-digest使用
阿新 • • 發佈：2018-11-09
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-MD54.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