MySQL的日志分析工具

“工欲善其事必先利其器”，MySQL自身的一款mysqldumpslow 查询日志分析器，该工具不但陈旧，验证规范不准确。今天要说的是Percona 的工具pt-query-digest,它能够分析慢查询日志内容，生成查询报告，过滤，重放或传送一些查询语句至MySQL,PostgreSQL,memcached或者其他。

基本语法：pt-query-digest [OPTION...] [FILE]

pt-query-digest[OPTION...][FILE]

缺点： 对系统资源开销较大（可以将慢查询日志拷贝至其他地方分析）

举例1（在测试库中进行）、

     pt-query-digest /usr/local/mysql3307/data/slow_my3307.log
# 120.6s user time, 1.4s system time, 59.63M rss, 103.21M vsz
# Current date: Fri Aug  3 12:21:26 2012
# Hostname: XXXX
# Files: /usr/local/mysql3307/data/slow_my3307.log
# Overall: 515.52k total, 240 unique, 0.12 QPS, 0.00x concurrency ________
# Time range: 2012-06-14 06:41:25 to 2012-08-03 12:21:26
# Attribute          total     min     max     avg     95%  stddev  median
# ============     ======= ======= ======= ======= ======= ======= =======

# Exec time          4742s    64us     16s     9ms    40ms    35ms   287us
# Lock time            20s    13us    98ms    38us    49us   370us    23us
# Rows sent          5.22M       0   1.10k   10.62   51.63   54.93    0.99
# Rows examine       8.29G       0 101.66k  16.86k  97.04k  33.18k  964.41
# Query size        32.28M      24     930   65.66  107.34   35.79   34.95

部分解释如下：

第一行表示分析该日志所使用的时间。该文件中一共拥有515.52k慢查询（测试的情况稍稍多了点。。），其中有240个完全不同类型的查询，在该时间段内每秒处理的查询数量：0.12（关于区别完全不同的查询稍后讨论）

接下来是：

比较严重SQL的分析部分：

# Profile
# Rank Query ID           Response time   Calls  R/Call Apdx V/M   Item
# ==== ================== =============== ====== ====== ==== ===== =======
#    1 0xF32359E9A4679928 2680.8630 56.5% 116551 0.0230 1.00  0.05 SELECT user_bloods
#    2 0xB05F93CEB2DED5F5 1908.3559 40.2%  62714 0.0304 1.00  0.00 SELECT user_bloods
#    4 0x85E98D19B3A42237   28.8959  0.6%     12 2.4080 0.83 11.49 SELECT appfuse.titems
# MISC 0xMISC              123.5087  2.6% 336240 0.0004   NS   0.0 <237 ITEMS>

其中挑出最为严重的 4个SQL语句，（可以通过参数 --limit 进行设置）它所有语句响应时间总和，调用比例，查询类型等

接下来是单个语句的分析：

String:
# Databases    YYY
# Hosts
# Users        XXX
# Query_time distribution
#   1us
#  10us
# 100us  ################################################################
#   1ms
#  10ms
# 100ms
#    1s  ########################
#  10s+  ########

可以看到在 在数据库YYY中用户XX 利用该语句查询的响应时间分布图，10S+ 还是很多的。

最后是分析情况：

# Tables
#    SHOW TABLE STATUS FROM `YYY` LIKE 'titems'G
#    SHOW CREATE TABLE `ZZZ`.`titems`G
# EXPLAIN /*!50100 PARTITIONS*/
select * from `ZZZ`.`titems`  limit 0,1000G

# 号部分是分析步骤，最后语句可以再前面 加上 explain 进行复制，进一步分析。

本栏目更多精彩内容：http://www.bianceng.cn/database/MySQL/

（编辑：滁州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!