什么是慢查询

慢查询，顾名思义，执行很慢的查询。有多慢？超过 long_query_time 参数设定的时间阈值（默认10s），就被认为是慢的，是需要优化的。慢查询被记录在慢查询日志里。

然而，慢查询日志默认是不开启的，也就是说一般人没玩过这功能。如果你需要优化SQL语句，就可以开启这个功能，它可以让你很容易地知道哪些语句是需要优化的（想想一个SQL要10s就可怕）。

慢查询配置

• slow_query_log 是否开启慢查询日志
  
  开启：set global slow_query_log = 1;

• slow_query_log_file 指定慢查询日志的存储路径及文件（默认和数据文件放一起）
  

• long_query_time 指定记录慢查询日志SQL执行时间得阈值（单位：秒，默认10秒）
  
  如果你是处于学习阶段，想要自己看看慢查询日志，可以将阈值设置为0：
  set global long_query_time=0;

• log_queries_not_using_indexes 是否记录未使用索引的SQL
  

• log_output 日志存放的地方【TABLE】【FILE】【FILE,TABLE】
  
  配置了慢查询后，它会记录符合条件的SQL
  包括：

• 查询语句

• 数据修改语句

• 已经回滚的SQL

慢查询解读

第一行：记录时间
第二行：用户名 、用户的IP信息、线程ID号
第三行：执行花费的时间【单位：毫秒】、执行获得锁的时间、获得的结果行数、扫描的数据行数
第四行：这SQL执行的时间戳
第五行：具体的SQL语句

慢查询分析工具

慢查询的日志记录非常多，要从里面找寻一条查询慢的日志并不是很容易的事情，一般来说都需要一些工具辅助才能快速定位到需要优化的SQL语句，下面介绍两个慢查询辅助工具

mysqldumpslow

bin目录下的工具，汇总除查询条件外其他完全相同的SQL，并将分析结果按照参数中所指定的顺序输出。

mysqldumpslow -s r -t 3 ../data/hadoop000-slow.log
-s order (c,t,l,r,at,al,ar)
c:总次数
t:总时间
l:锁的时间
r:总数据行
at,al,ar :t,l,r平均数 【例如：at = 总时间/总次数】

-t 指定取前面几天作为结果输出

pt_query_digest

与mysqldumpslow工具相比，py_query_digest 工具的分析结果更具体，更完善。

有时因为某些原因如权限不足等，无法在服务器上记录查询。这样的限制我们也常常碰到。

进入/usr/local/mysql/data文件夹
下载：

wget https://www.percona.com/get/pt-query-digest

使可执行：

chmod u+x pt-query-digest;

语法

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(Mysql slow log)、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。

示例：

1. 全部分析

./pt-query-digest  hadoop000-slow.log > slow_report.log;

2. since用法

24小时前到现在

./pt-query-digest  --since=24h  hadoop000-slow.log > slow_report.log

某个时间点到某个时间点

./pt-query-digest hadoop000-slow.log --since '2019-09-24 00:00:00' --until '2019-09-25 00:00:00' > slow_report.log;

3. filter用法

仅仅分析select语句

./pt-query-digest --filter '$event->{fingerprint} =~ m/^select/i' hadoop000-slow.log> slow_report.log;

针对某个用户

./pt-query-digest --filter '($event->{user} || "") =~ m/^root/i' hadoop000-slow.log> slow_report.log

更多与参考:https://blog.csdn.net/qq_16399991/article/details/82383917

分析

总体分析

体现的是所有慢查询的整体情况

上半部分：总体统计结果

• 该工具执行日志分析的用户时间 user time，系统时间 system time，物理内存占用大小 rss，虚拟内存占用大小 vsz
• Current date：工具执行时间
• Hostname：运行分析工具的主机名
• Files：被分析的文件名
• Overall：总共有多少条查询 total，总共有多少个不同的查询 unique，QPS，并发数
• Time range：sql执行的时间范围
• Exec time：sql执行时长
• Lock time：锁占用时间
• Rows sent：发送到客户端的行数
• Rows examine：select 语句扫描行数
• Query size：查询的字符数
  

下半部分：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
• Query ID：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：Variance-to-Mean，响应时间的平均方差
• I：查询对象

个体分析

某个语句的执行情况

参考：Deer——mysql优化、https://blog.csdn.net/qq_16399991/article/details/82383917