測試工具-慢sql日志分析工具pt-query-digest

pt-query-digest分析來自慢速日志文件,常規(guī)日志文件和二進(jìn)制日志文件的MySQL查詢肩民。它還可以分析來自tcpdump的查詢和MySQL協(xié)議數(shù)據(jù)。

開啟慢日志

set global slow_query_log=on;
set global slow_query_log_file='/data/logs/mysql/mysql_slow.log';

下載安裝

yum install percona-toolkit-3.0.3-1.el7.x86_64.rpm
下載地址:https://www.percona.com/downloads/percona-toolkit/3.0.3/

推薦用法

查詢保存到query_history表查看慢sql,數(shù)據(jù)結(jié)構(gòu)清晰,方便分析诗祸,方便與其他系統(tǒng)集成跑芳。

pt-query-digest --user=root --password=epPfPHxY --history h=10.8.8.66,D=testDb,t=query_review--create-history-table  mysql_slow.log  --since '2020-10-01 09:30:00' --until '2020-10-21 18:30:00'
image

常見用法

直接分析慢查詢文件

pt-query-digest  slow.log > slow_report.log

分析某個用戶的慢sql

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

分析某個數(shù)據(jù)庫的慢sql

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

分析某段時間內(nèi)的慢sql

pt-query-digest mysql_slow.log --since '2020-09-21 09:30:00' --until '2020-09-21 18:30:00'

輸出結(jié)果說明

第一部分:總體統(tǒng)計結(jié)果

Overall:總共有多少條查詢  
Time range:查詢執(zhí)行的時間范圍  
unique:唯一查詢數(shù)量,即對查詢條件進(jìn)行參數(shù)化以后直颅,總共有多少個不同的查詢
total:總計   min:最小   max:最大  avg:平均
95%:把所有值從小到大排列博个,位置位于95%的那個數(shù),這個數(shù)一般最具有參考價值
median:中位數(shù)际乘,把所有值從小到大排列坡倔,位置位于中間那個數(shù)
......
#語句執(zhí)行時間
#鎖占用時間
#發(fā)送到客戶端的行數(shù)
#select語句掃描行數(shù)
#查詢的字符數(shù)

第二部分:查詢分組統(tǒng)計結(jié)果

Rank:所有語句的排名,默認(rèn)按查詢時間降序排列脖含,通過--order-by指定
Query ID:語句的ID罪塔,(去掉多余空格和文本字符,計算hash值)
Response:總的響應(yīng)時間
time:該查詢在本次分析中總的時間占比
calls:執(zhí)行次數(shù)养葵,即本次分析總共有多少條這種類型的查詢語句
R/Call:平均每次執(zhí)行的響應(yīng)時間
V/M:響應(yīng)時間Variance-to-mean的比率
Item:查詢對象

第三部分:每一種查詢的詳細(xì)統(tǒng)計結(jié)果

由下面查詢的詳細(xì)統(tǒng)計結(jié)果征堪,最上面的表格列出了執(zhí)行次數(shù)、最大关拒、最小佃蚜、平均、95%等各項目的統(tǒng)計着绊。
ID:查詢的ID號谐算,和上圖的Query ID對應(yīng)
Databases:數(shù)據(jù)庫名
Users:各個用戶執(zhí)行的次數(shù)(占比)
Query_time distribution :查詢時間分布, 長短體現(xiàn)區(qū)間占比,本例中1s-10s之間查詢數(shù)量是10s以上的兩倍归露。
Tables:查詢中涉及到的表
Explain:SQL語句
image

公號:大道測試

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末洲脂,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子剧包,更是在濱河造成了極大的恐慌恐锦,老刑警劉巖,帶你破解...
    沈念sama閱讀 219,188評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件疆液,死亡現(xiàn)場離奇詭異一铅,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)堕油,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,464評論 3 395
  • 文/潘曉璐 我一進(jìn)店門潘飘,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人掉缺,你說我怎么就攤上這事福也。” “怎么了攀圈?”我有些...
    開封第一講書人閱讀 165,562評論 0 356
  • 文/不壞的土叔 我叫張陵暴凑,是天一觀的道長。 經(jīng)常有香客問我赘来,道長现喳,這世上最難降的妖魔是什么凯傲? 我笑而不...
    開封第一講書人閱讀 58,893評論 1 295
  • 正文 為了忘掉前任,我火速辦了婚禮嗦篱,結(jié)果婚禮上冰单,老公的妹妹穿的比我還像新娘。我一直安慰自己灸促,他們只是感情好诫欠,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,917評論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著浴栽,像睡著了一般荒叼。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上典鸡,一...
    開封第一講書人閱讀 51,708評論 1 305
  • 那天被廓,我揣著相機(jī)與錄音,去河邊找鬼萝玷。 笑死嫁乘,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的球碉。 我是一名探鬼主播蜓斧,決...
    沈念sama閱讀 40,430評論 3 420
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼睁冬!你這毒婦竟也來了法精?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,342評論 0 276
  • 序言:老撾萬榮一對情侶失蹤痴突,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后狼荞,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體辽装,經(jīng)...
    沈念sama閱讀 45,801評論 1 317
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,976評論 3 337
  • 正文 我和宋清朗相戀三年相味,在試婚紗的時候發(fā)現(xiàn)自己被綠了拾积。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,115評論 1 351
  • 序言:一個原本活蹦亂跳的男人離奇死亡丰涉,死狀恐怖拓巧,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情一死,我是刑警寧澤肛度,帶...
    沈念sama閱讀 35,804評論 5 346
  • 正文 年R本政府宣布,位于F島的核電站投慈,受9級特大地震影響承耿,放射性物質(zhì)發(fā)生泄漏冠骄。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,458評論 3 331
  • 文/蒙蒙 一加袋、第九天 我趴在偏房一處隱蔽的房頂上張望凛辣。 院中可真熱鬧,春花似錦职烧、人聲如沸扁誓。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,008評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽蝗敢。三九已至,卻和暖如春恬总,著一層夾襖步出監(jiān)牢的瞬間前普,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,135評論 1 272
  • 我被黑心中介騙來泰國打工壹堰, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留拭卿,地道東北人。 一個月前我還...
    沈念sama閱讀 48,365評論 3 373
  • 正文 我出身青樓贱纠,卻偏偏與公主長得像峻厚,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子谆焊,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,055評論 2 355

推薦閱讀更多精彩內(nèi)容