一、pt-query-digest参数介绍.
pt-query-digest --user=anemometer --passWord=anemometerpass --review h=192.168.11.28,D=slow_query_log,t=global_query_review / --history h=192.168.11.28,D=slow_query_log,t=global_query_review_history / --no-report --limit=0% --filter=" /$event->{Bytes} = length(/$event->{arg}) and /$event->{hostname}=/"$HOSTNAME/"" / /usr/local/mariaMySQL/data/localhost-slow.log–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。
二、分析结果分析:
#pt-query-digest mysql-slow.log--分析mysql-slow.log这个慢查询日志文件# A software update is available:# * The current version for Percona::Toolkit is 2.2.9.开始总的摘要信息# 170ms user time, 10ms system time, 26.00M rss, 213.39M vsz--此工具执行日志分析时的所用时间、内存资源(rss物理内存占用大小,vsz虚拟内存占用大小)# Current date: Mon Jul 28 09:55:34 2014--分析时的系统时间# Hostname: lump.group.com--进行分析的主机名,非记录日志的数据库服务器# Files: mysql-slow.log--分析的日志文件名称# Overall: 5 total, 4 unique, 0.02 QPS, 0.04x concurrency ________________--文件中总共的语句数量,唯一的语句数量(对语句进行了格式化),QPS,并发数# Time range: 2014-07-28 09:50:30 to 09:54:50--记录日志的时间范围# Attribute total min max avg 95% stddev median--total总计,min最小,max最大,avg平均,95%把所有值从小到大排列,位于95%的那个数# ============ ======= ======= ======= ======= ======= ======= =======# Exec time 10s 1s 3s 2s 3s 753ms 1s# Lock time 196us 0 79us 39us 76us 33us 42us# Rows sent 1.40k 0 716 287 685.39 335.14 3.89# Rows examine 15.32k 0 11.13k 3.06k 10.80k 4.02k 2.06k# Rows affecte 0 0 0 0 0 0 0# Bytes sent 72.42k 11 38.85k 14.48k 38.40k 17.57k 234.30# Query size 807 6 342 161.40 329.68 146.53 112.70–Exec time:语句执行时间–Lock time:锁占有时间–Rows sent:发送到客户端的行数–Row examine:扫描的行数(SELECT语句)–Row affecte:发送改变的行数(UPDATE, DELETE, INSERT语句)–Bytes sent:发送多少bytes的查询结果集–Query size:查询语句的字符数
查询分组统计结果
# PRofile# Rank Query ID Response time Calls R/Call V/M Item# ==== ================== ============= ===== ====== ===== ===============# 1 0x4A9CF4735A0490F2 3.1898 31.9% 1 3.1898 0.00 SELECT history_uint# 2 0x2B0044BDE0960A2F 2.6991 27.0% 1 2.6991 0.00 SELECT history# 3 0x813031B8BBC3B329 2.5755 25.7% 2 1.2877 0.00 COMMIT# 4 0x469563A79E581DDB 1.5380 15.4% 1 1.5380 0.00 SELECT sessions–Rank:分析的所有查询语句的排名,默认按查询时间降序排序,可以通过–order-by指定排序方式–Query ID:查询语句的指纹,去掉了多余空格、和文本字符–Response time:响应时间,占所有响应时间的百分比–Calls:查询执行的次数–R/Call:每次执行的平均响应时间–V/M:响应时间Variance-to-mean的比率,参考:http://en.wikipedia.org/wiki/Index_of_dispersion–Item:查询语句–最后一行没有包括在报告中的查询合计统计信息,如使用了选项–limit和–outliers
每个独立查询语句的分析
# Query 1: 0 QPS, 0x concurrency, ID 0x4A9CF4735A0490F2 at byte 591 ______--QPS:每秒查询数(queries per second)--concurrency:该查询的近似并发值--ID:16进制,查询语句的指纹,去掉了多余空格、和文本字符、转换成小写,使用--filter可以用来进行过滤(如:pt-query-digest mysql-slow.201407250000 --filter '$event->{fingerprint} && make_checksum($event->{fingerprint}) eq "0793E2F7F5EBE1B1"' > slow2.txt),必须移除0x--at byte 289141:查询语句在日志文件中的偏移量(byte offset),不一定精确,根据偏移量在日志文件中查找语句(如tail -c +289141 mysql-slow.201407250000 |head)# This item is included in the report because it matches --limit.# Scores: V/M = 0.00# Time range: all events occurred at 2014-07-28 09:51:02# Attribute pct total min max avg 95% stddev median--95%:95th percentile,stddev:standard deviation# ============ === ======= ======= ======= ======= ======= ======= =======# Count 20 1--pct在整个日志文件中,执行语句占用百分比(20%),总计执行了1次# Exec time 31 3s 3s 3s 3s 3s 0 3s# Lock time 40 79us 79us 79us 79us 79us 0 79us# Rows sent 49 715 715 715 715 715 0 715# Rows examine 13 2.09k 2.09k 2.09k 2.09k 2.09k 0 2.09k# Rows affecte 0 0 0 0 0 0 0 0# Bytes sent 45 33.31k 33.31k 33.31k 33.31k 33.31k 0 33.31k# Query size 42 342 342 342 342 342 0 342# String:# Databases zabbix--数据库名# Hosts# Last errno 0# Users zabbix--执行语句的用户名# Query_time distribution--查询的执行时间分布情况图,可以使用选项--report-histogram进行定义# 1us# 10us# 100us# 1ms# 10ms# 100ms# 1s ################################################################# 10s+# Tables# SHOW TABLE STATUS FROM `zabbix` LIKE 'history_uint'/G--可以使用该语句查询表的统计信息,如大小# SHOW CREATE TABLE `zabbix`.`history_uint`/G--可以使用该语句查看表的结构信息# EXPLAIN /*!50100 PARTITIONS*/SELECT itemid,round(1401* MOD(CAST(clock AS UNSIGNED)+79742,86400)/(86400),0) AS i,COUNT(*) AS count,AVG(value) AS avg,MIN(value) AS min,MAX(value) AS max,MAX(clock) AS clock FROM history_uint WHERE itemid='30376' AND clock>='1406425858' AND clock<='1406512258' GROUP BY itemid,round(1401* MOD(CAST(clock AS UNSIGNED)+79742,86400)/(86400),0)/G--可以使用该语句查看查询计划,如非select语句,工具会转换成类似的select语句,方便进行explainpt-query-digest高级使用介绍
官方文档:
https://www.percona.com/doc/percona-toolkit/2.2/pt-query-digest.html#cmdoption-pt-query-digest--explain
1. 工具简介
pt-query-digest是用于分析mysql慢查询的一个工具,它可以分析binlog、General log、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。pt-query-digest是一个perl脚本,只需下载并赋权即可执行。[root@test1 ]# wget percona.com/get/pt-query-digest [root@test1 ]# chmod u+x pt-query-digest 2.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(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。
3. 标准分析报告解释第一部分:总体统计结果,如下图Overall: 总共有多少条查询,上例为总共266个查询。Time range: 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,该例为55。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。第二部分:查询分组统计结果,如下图由上图可见,这部分对查询进行参数化并分组,然后对各类查询的执行情况进行分析,结果按总执行时长,从大到小排序。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。Item : 查询对象第三部分:每一种查询的详细统计结果,如下图:由上图可见,12号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。Databases: 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Explain: 示例 4.用法示例(1)直接分析慢查询文件:pt-query-digest slow.log > slow_report.log(2)分析最近12小时内的查询:pt-query-digest --since=12h slow.log > slow_report2.log
(3)分析指定时间范围内的查询:
pt-query-digest slow.log --since '2014-04-17 09:30:00' --until '2014-04-17 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) 查询所有所有的全表扫描或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)把查询保存到query_history表pt-query-digest --user=root –password=abc123 --review h=localhost,D=test,t=query_ history--create-review-table slow.log_20140401pt-query-digest --user=root –password=abc123--review h=localhost,D=test,t=query_history--create-review-table slow.log_20140402(9)通过tcpdump抓取mysql的tcp协议数据,然后再分析tcpdump -s 65535 -x -nn -q -tttt -i any -c 1000 port 3306 > mysql.tcp.txtpt-query-digest --type tcpdump mysql.tcp.txt> slow_report9.log(10)分析binlogmysqlbinlog mysql-bin.000093 > mysql-bin000093.sqlpt-query-digest --type=binlog mysql-bin000093.sql > slow_report10.log(11)分析general logpt-query-digest --type=genlog localhost.log > slow_report11.log
新闻热点
疑难解答