MySQL慢查询之pt-query-digest分析慢查询日志
一、简介
pt-query-digest是用于分析mysql慢查询的一个工具，它可以分析binlog、Generallog、slowlog，也可以通过SHOWPROCESSLIST或者通过tcpdump抓取的MySQL协议数据来进行分析。可以把分析结果输出到文件中，分析过程是先对查询语句的条件进行参数化，然后对参数化以后的查询进行分组统计，统计出各查询的执行时间、次数、占比等，可以借助分析结果找出问题进行优化。
二、安装pt-query-digest
1.下载页面：https://www.percona.com/doc/percona-toolkit/2.2/installation.html
2.perl的模块
yuminstall-yperl-CPANperl-Time-HiRes
3.安装步骤
方法一：rpm安装
cd/usr/local/src wgetpercona.com/get/percona-toolkit.rpm yuminstall-ypercona-toolkit.rpm
工具安装目录在：/usr/bin
方法二：源码安装
cd/usr/local/src wgetpercona.com/get/percona-toolkit.tar.gz tarzxfpercona-toolkit.tar.gz cdpercona-toolkit-2.2.19 perlMakefile.PLPREFIX=/usr/local/percona-toolkit make&&makeinstall
工具安装目录在：/usr/local/percona-toolkit/bin
4.各工具用法简介（详细内容：https://www.percona.com/doc/percona-toolkit/2.2/index.html）
(1)慢查询日志分析统计
pt-query-digest/usr/local/mysql/data/slow.log
(2)服务器摘要
pt-summary
(3)服务器磁盘监测
pt-diskstats
(4)mysql服务状态摘要
pt-mysql-summary----user=root--password=root
三、pt-query-digest语法及重要选项
- pt-query-digest[OPTIONS][FILES][DSN]
- --create-review-table 当使用--review参数把分析结果输出到表中时，如果没有表就自动创建。
- --create-history-table 当使用--history参数把分析结果输出到表中时，如果没有表就自动创建。
- --filter 对输入的慢查询按指定的字符串进行匹配过滤后再进行分析
- --limit 限制输出结果百分比或数量，默认值是20,即将最慢的20条语句输出，如果是50%则按总响应时间占比从大到小排序，输出到总和达到50%位置截止。
- --host mysql服务器地址
- --user mysql用户名
- --password mysql用户密码
- --history将分析结果保存到表中，分析结果比较详细，下次再使用--history时，如果存在相同的语句，且查询所在的时间区间和历史表中的不同，则会记录到数据表中，可以通过查询同一CHECKSUM来比较某类型查询的历史变化。
- --review将分析结果保存到表中，这个分析只是对查询条件进行参数化，一个类型的查询一条记录，比较简单。当下次使用--review时，如果存在相同的语句分析，就不会记录到数据表中。
- --output分析结果输出类型，值可以是report(标准分析报告)、slowlog(Mysqlslowlog)、json、json-anon，一般使用report，以便于阅读。
- --since从什么时间开始分析，值为字符串，可以是指定的某个”yyyy-mm-dd[hh:mm:ss]”格式的时间点，也可以是简单的一个时间值：s(秒)、h(小时)、m(分钟)、d(天)，如12h就表示从12小时前开始统计。
- --until截止时间，配合—since可以分析一段时间内的慢查询。
四、分析pt-query-digest输出结果
第一部分：总体统计结果
Overall：总共有多少条查询
Timerange：查询执行的时间范围
unique：唯一查询数量，即对查询条件进行参数化以后，总共有多少个不同的查询
total：总计 min：最小 max：最大 avg：平均
95%：把所有值从小到大排列，位置位于95%的那个数，这个数一般最具有参考价值
median：中位数，把所有值从小到大排列，位置位于中间那个数
#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 #340msusertime,140mssystemtime,23.99Mrss,203.11Mvsz #工具执行时间 #Currentdate:FriNov2502:37:182016 #运行分析工具的主机名 #Hostname:localhost.localdomain #被分析的文件名 #Files:slow.log #语句总数量，唯一的语句数量，QPS，并发数 #Overall:2total,2unique,0.01QPS,0.01xconcurrency________________ #日志记录的时间范围 #Timerange:2016-11-2206:06:18to06:11:40 #属性总计最小最大平均95%标准中等 #Attributetotalminmaxavg95%stddevmedian #============================================================= #语句执行时间 #Exectime3s640ms2s1s2s999ms1s #锁占用时间 #Locktime1ms01ms723us1ms1ms723us #发送到客户端的行数 #Rowssent5142.5042.122.50 #select语句扫描行数 #Rowsexamine186.17k0186.17k93.09k186.17k131.64k93.09k #查询的字符数 #Querysize45515440227.50440300.52227.50
第二部分：查询分组统计结果
Rank：所有语句的排名，默认按查询时间降序排列，通过--order-by指定
QueryID：语句的ID，（去掉多余空格和文本字符，计算hash值）
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
Item：查询对象
#Profile #RankQueryIDResponsetimeCallsR/CallV/MItem #================================================================== #10xF9A57DD5A41825CA2.052976.2%12.05290.00SELECT #20x4194D8F83F4F93650.640123.8%10.64010.00SELECTwx_member_base
第三部分：每一种查询的详细统计结果
由下面查询的详细统计结果，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QueryID对应
Databases：数据库名
Users：各个用户执行的次数（占比）
Query_timedistribution：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
Explain：SQL语句
#Query1:0QPS,0xconcurrency,ID0xF9A57DD5A41825CAatbyte802______ #Thisitemisincludedinthereportbecauseitmatches--limit. #Scores:V/M=0.00 #Timerange:alleventsoccurredat2016-11-2206:11:40 #Attributepcttotalminmaxavg95%stddevmedian #================================================================ #Count501 #Exectime762s2s2s2s2s02s #Locktime00000000 #Rowssent201111101 #Rowsexamine00000000 #Querysize31515151515015 #String: #Databasestest #Hosts192.168.8.1 #Usersmysql #Query_timedistribution #1us #10us #100us #1ms #10ms #100ms #1s################################################################ #10s+ #EXPLAIN/*!50100PARTITIONS*/ selectsleep(2)\G
五、用法示例
1.直接分析慢查询文件:
pt-query-digestslow.log>slow_report.log
2.分析最近12小时内的查询：
pt-query-digest--since=12hslow.log>slow_report2.log
3.分析指定时间范围内的查询：
pt-query-digestslow.log--since'2017-01-0709:30:00'--until'2017-01-0710:00:00'>>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.查询所有所有的全表扫描或fulljoin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--reviewh=localhost,D=test,t=query_review--create-review-tableslow.log
8.把查询保存到query_history表
pt-query-digest--user=root–password=abc123--reviewh=localhost,D=test,t=query_history--create-review-tableslow.log_0001 pt-query-digest--user=root–password=abc123--reviewh=localhost,D=test,t=query_history--create-review-tableslow.log_0002
9.通过tcpdump抓取mysql的tcp协议数据，然后再分析
tcpdump-s65535-x-nn-q-tttt-iany-c1000port3306>mysql.tcp.txt pt-query-digest--typetcpdumpmysql.tcp.txt>slow_report9.log
10.分析binlog
mysqlbinlogmysql-bin.000093>mysql-bin000093.sql pt-query-digest--type=binlogmysql-bin000093.sql>slow_report10.log
11.分析generallog
pt-query-digest--type=genloglocalhost.log>slow_report11.log
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流，谢谢大家对毛票票的支持。