使用pt-query-digest分析mysql慢日志
首先分析报警的时间点,这里我们用alert_time来表示,那么导致报警的SQL很有可能在这个时间点附近,这里用到linux中的sed命令来把日志先截取出来,sed命令的使用方法如下:
sed -n '/2019-02-27T01:55:04/,/2019-02-27T02:02:04/p' slowquery.log > yyz.tmp
这个命令将格林尼治时间01:55:04到02:05:04的慢日志打印出来,重定向到一个yyz.tmp的文件中,需要注意的是格林尼治时间加上8小时就是北京时间。发现这个yyz.tmp也比较大,所以我又重新把时间定格在60s之内,这样得到了一个比较小的tmp文件,这个时候,就该pt工具上场了。如果不想用sed命令,其实pt工具本身也自带一些参数,可以通过--since参数和--until参数来把日志中固定时间段的日志打印出来,如下
pt-query-digest --since='2019-02-27 09:30:00'--until=2019-02-27 ::' /data/mysql_4306/log/slowquery.log > 1.txt
使用pt工具分析慢日志的结果如下,总体分为三个部分,第一部分是总体统计结果,如下:
该工具执行日志分析的用户时间,系统时间,物理内存占用大小,虚拟内存占用大小
# ms user time, ms system time, 26.18M rss, 206.09M vsz
工具执行时间
# Current date: Wed Feb ::
主机名
# Hostname:
被分析的文件名
# Files: yyz.tmp
语句总数量,唯一的语句数量,QPS,并发数
# Overall: 1.00k total, unique, 8.45 QPS, 0.02x concurrency ___________
日志记录的时间范围
# Time range: 2019-02-27T02:: to 2019-02-27T02::
属性 总计 最小 最大 平均 % 标准 中等
# Attribute total min max avg % stddev median
# ============ ======= ======= ======= ======= ======= ======= =======
语句执行时间
# Exec time s us ms ms ms ms us
锁占用时间
# Lock time ms us us us us us us
发送到客户端的行数
# Rows sent 237.45k 2.36k 241.93 1.96k 551.62
select语句扫描的行数
# Rows examine 3.53M 536.64k 3.60k 4.07k 33.64k 685.39
发送改变的行数(update,delete,insert)语句
# Rows affecte
发送多少bytes的查询结果集
# Bytes sent 65.63M 1.31M 66.87k 753.18k 221.17k 346.17
查询语句的字符数
# Query size 107.70k 109.74 223.14 48.96 92.72
第二部分是查询分组的统计结果,包含了一些花费时间比较长的SQL语句,如下:
# Profile
# Rank Query ID Response time Calls R/Call V/M Item
# ==== ================== ============= ===== ====== ===== ===============
# 0xCB9AD73BDFEDCAD9 0.9584 42.9% 0.4792 0.01 UPDATE SELECT dic_push_dao_assistant tem_selectAssDAO
# 0x2AEA2001E6ED5A86 0.3696 16.5% 0.0013 0.00 SELECT dic_alert_alarm_msg
# 0xE2874B8D2170C494 0.2174 9.7% 0.0121 0.00 SELECT dic_fsm_cccd_info
# 0xEB9DC21456584EF6 0.0919 4.1% 0.0051 0.00 SELECT dic_fsm_info
# 0xF3A68A619C5E8B35 0.0906 4.1% 0.0050 0.00 SELECT dic_fsm_info
# 0x5C1B79C191BDA497 0.0725 3.2% 0.0006 0.00 SELECT original_dic_fsm_info
# 0x5DB1B21F7EEC9EF4 0.0597 2.7% 0.0033 0.00 SELECT dic_fsm_config_info
# 0xA88FE251DC1A981A 0.0584 2.6% 0.0032 0.00 SELECT dic_fsm_config_info
# 0x69E716E15CCC4A0F 0.0539 2.4% 0.0005 0.00 SELECT original_dic_fsm_config_info
# 0x0A6FC9E2C8542E17 0.0476 2.1% 0.0026 0.00 SELECT dic_cal_expression
# 0x7C0C6F0CFBADF271 0.0427 1.9% 0.0022 0.00 SELECT dic_cal_expression
# 0x872EBAFA1A73057B 0.0311 1.4% 0.0016 0.00 SELECT dic_guide_list_info
# 0xE73D713D87E945FC 0.0232 1.0% 0.0002 0.00 SELECT dic_alert_refresh
# 0x194B14BA91941B81 0.0204 0.9% 0.0011 0.00 SELECT dic_fsm_map_relation
# MISC xMISC 0.0960 4.3% 0.0005 0.0 < ITEMS>
Rank:所有语句的排名,默认按查询时间降序排列
Query ID:语句的ID
Response:总的响应时间
time:该查询在本次分析中总的时间占比
calls:执行次数,即本次分析总共有多少条这种类型的查询语句
R/Call:平均每次执行的响应时间
V/M:响应时间Variance-to-mean的比率
可以看到,有一些语句一秒钟之内call了大概288次,并发量算是比较高了,还有第一行的update语句大概占用了将近一半的运行时间,但是我们可以看到,这个响应时间是很短的,几乎都在1s之内,按道理不会出现在慢查询日志上面。之所以这些执行时间在1s之内的SQL语句会出现在慢查询日志上面,是因为mysql中开启了一个参数,如下:
mysql> show variables like '%index%';
+----------------------------------------+--------------------------------------------+
| Variable_name | Value |
+----------------------------------------+--------------------------------------------+
| eq_range_index_dive_limit | |
| expand_fast_index_creation | OFF |
| innodb_adaptive_hash_index | ON |
| innodb_adaptive_hash_index_parts | |
| innodb_cmp_per_index_enabled | OFF |
| log_bin_index | /data/mysql_4306/innodblog/mysqlbin.index |
| log_queries_not_using_indexes | ON |
| log_throttle_queries_not_using_indexes | |
| performance_schema_max_index_stat | -1 |
| relay_log_index | /data/mysql_4306/log/slave-relay-bin.index |
+----------------------------------------+--------------------------------------------+
rows in set (0.00 sec)
也就是第11行的log_queries_not_using_indexes参数,这个参数开启的话,mysql会默认将没有使用index的SQL语句也记录在慢日志中,如果数据量比较小的话,这些SQL语句看着没什么大的问题,一旦表中的数据变的很大的时候,这些SQL极有可能出现性能问题。
第三部分是第二部分查出来的每一个SQL语句的详细统计结果。如下:
# Query : 0.03 QPS, 0.02x concurrency, ID 0xCB9AD73BDFEDCAD9 at byte
# This item is included in the report because it matches --limit.
# Scores: V/M = 0.01
# Time range: 2019-02-27T02:: to 2019-02-27T02::
# Attribute pct total min max avg % stddev median
# ============ === ======= ======= ======= ======= ======= ======= =======
# Count
# Exec time ms ms ms ms ms ms ms
# Lock time us us us us us us us
# Rows sent
# Rows examine 1.05M 536.64k 536.64k 536.64k 536.64k 536.64k
# Rows affecte
# Bytes sent
# Query size
# String:
# Databases tgp_db
# Hosts 127.0.0.1
# Last errno
# Stored routi tgp_db.PCall_TGP_GetAssDAO
# Users dba_admin
# Query_time distribution
# us
# us
# us
# ms
# ms
# ms ################################################################
# s
# s+
# Tables
# SHOW TABLE STATUS FROM `tgp_db` LIKE 'dic_push_dao_assistant'\G
# SHOW CREATE TABLE `tgp_db`.`dic_push_dao_assistant`\G
# SHOW TABLE STATUS FROM `tgp_db` LIKE 'tem_selectAssDAO'\G
# SHOW CREATE TABLE `tgp_db`.`tem_selectAssDAO`\G
update `dic_push_dao_assistant`
set `state` =
where `id` in
(
select `id`
from `tem_selectAssDAO`
)\G
# Converted for EXPLAIN
# EXPLAIN /*!50100 PARTITIONS*/
select `state` = from `dic_push_dao_assistant` where `id` in
(
select `id`
from `tem_selectAssDAO`
)\G
这里给出的每一个语句执行的时候的一些信息,最上面的表格列出了执行次数、最大、最小、平均、95%等各项目的统计。
ID:查询的ID号,和上图的Query ID对应
Databases:数据库名
Users:各个用户执行的次数(占比)
Query_time distribution :查询时间分布, 长短体现区间占比,本例中1s-10s之间查询数量是10s以上的两倍。
Tables:查询中涉及到的表
通过上面的SQL语句分析,可以看出查询的时候是把update操作转化成了select操作,然后这个select操作里面扫描了tem_selectAssDAO全表,所以导致SQL的执行时间比较长,如果表中的数据量很大的话,这无疑是一个慢SQL.
下面给出pt-query-digest常用方法。
pt-query-digest常用方法
1.直接分析慢查询文件:
pt-query-digest slow.log > slow_report.log
2.分析最近小时内的查询:
pt-query-digest --since=h slow.log > slow_report2.log
3.分析指定时间范围内的查询:
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语句的慢查询
pt-query-digest --filter '$event->{fingerprint} =~ m/^select/i' slow.log> slow_report4.log
5.针对某个用户的慢查询
pt-query-digest --filter '($event->{user} || "") =~ m/^root/i' slow.log> slow_report5.log
6.查询所有全表扫描或full join的慢查询
pt-query-digest --filter '(($event->{Full_scan} || "") eq "yes") ||(($event->{Full_join} || "") eq "yes")' slow.log> slow_report6.log
7.把查询保存到query_review表
pt-query-digest --user=root –password=abc123 --review h=localhost,D=test,t=query_review--create-review-table slow.log
8.分析binlog
mysqlbinlog mysql-bin.000093 > mysql-bin000093.sql
pt-query-digest --type=binlog mysql-bin000093.sql > slow_report10.log
9.分析general log
pt-query-digest --type=genlog localhost.log > slow_report11.log