User Statistics的一些場(chǎng)景

User Statistic是個(gè)能統(tǒng)計(jì)MySQL中線程凄诞、用戶雹有、表、索引等信息的插件,在PerconaMariaDB直接集成了,但官方文檔沒(méi)有多少實(shí)用例子,以下是我日常用的一些例子(測(cè)試跑在MariaDB 10.0上):
1.找出沒(méi)被訪問(wèn)過(guò)的表

use INFORMATION_SCHEMA;  
select table_schema,table_name from STATISTICS where (table_schema,table_name) not in (select table_schema,table_name from TABLE_STATISTICS ) and  table_schema not in ('information_schema','performance_schema','mysql');  

生成drop語(yǔ)句:

use INFORMATION_SCHEMA;  
select concat('drop table ',table_schema,'.',table_name,';') from STATISTICS where (table_schema,table_name) not in (select table_schema,table_name from TABLE_STATISTICS ) and  table_schema not in ('information_schema','performance_schema','mysql');  

2.找出沒(méi)被訪問(wèn)過(guò)的索引
主鍵必須排除,唯一索引可能用作唯一約束所以也要排除掉

use INFORMATION_SCHEMA;  
select table_schema,table_name,index_name from STATISTICS where (table_schema,table_name,index_name) not in (select table_schema,table_name,index_name from INDEX_STATISTICS ) and  table_schema not in ('information_schema','performance_schema','mysql') and index_name != 'PRIMARY' and NON_UNIQUE = 1;  

生成drop語(yǔ)句:

use INFORMATION_SCHEMA;  
select concat('alter table ', table_schema,'.',table_name,' drop index ',index_name,';') from STATISTICS where (table_schema,table_name,index_name) not in (select table_schema,table_name,index_name from INDEX_STATISTICS ) and  table_schema not in ('information_schema','performance_schema','mysql') and index_name != 'PRIMARY' and NON_UNIQUE = 1;  

3.數(shù)據(jù)庫(kù)中哪個(gè)表查詢最頻繁
但數(shù)據(jù)庫(kù)撐不住日益增長(zhǎng)的壓力時(shí)就要考慮將一些表垂直拆分出去了,如下是找出查詢?cè)L問(wèn)最頻繁的10張表:

use INFORMATION_SCHEMA;  
select * from TABLE_STATISTICS order by rows_read desc limit 10;  

4.數(shù)據(jù)庫(kù)中哪個(gè)表更新最頻繁

use INFORMATION_SCHEMA;  
select * from TABLE_STATISTICS order by rows_changed_x_indexes desc limit 10;  

5.兼顧主機(jī)和備機(jī)
上面的1失球、2例子只是單機(jī)情況下找出無(wú)用的表或索引,但一個(gè)索引可能主機(jī)沒(méi)有用它,而備機(jī)有查詢能夠使用到,這種情況下索引其實(shí)是有用的,所以就要兼顧主機(jī)和所有備機(jī),Jay Janseen在這篇文章提出了一個(gè)方法,而我常用方法如下:
a.在一臺(tái)測(cè)試機(jī)創(chuàng)建如下數(shù)據(jù)庫(kù):
create database if not exists user_statistics;

b.將遠(yuǎn)程主機(jī)的statistics岖是、tablestatistics、indexstatistics復(fù)制到測(cè)試機(jī):
mysqldump ... -h M_IP information_schema statistics table_statistics index_statistics > M.sql

c.將遠(yuǎn)程備機(jī)的tablestatistics实苞、indexstatistics數(shù)據(jù)導(dǎo)出成insert ignore形式:

mysqldump ... -h S_IP --add-drop-table=false --no-create-info --add-lock=false -t --insert-ignore  --complete-insert information_schema table_statistics index_statistics > S.sql  
mysql> use user_statistics;  
mysql> source M.sql;  
mysql> source S.sql;  

這樣就能用例子1,2的SQL了(要將use INFORMATION_SCHEMA;換成use user_statistics;)

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末豺撑,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子黔牵,更是在濱河造成了極大的恐慌聪轿,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,607評(píng)論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件猾浦,死亡現(xiàn)場(chǎng)離奇詭異陆错,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)金赦,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,239評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門音瓷,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人素邪,你說(shuō)我怎么就攤上這事外莲≈戆耄” “怎么了兔朦?”我有些...
    開封第一講書人閱讀 164,960評(píng)論 0 355
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)磨确。 經(jīng)常有香客問(wèn)我沽甥,道長(zhǎng),這世上最難降的妖魔是什么乏奥? 我笑而不...
    開封第一講書人閱讀 58,750評(píng)論 1 294
  • 正文 為了忘掉前任摆舟,我火速辦了婚禮,結(jié)果婚禮上邓了,老公的妹妹穿的比我還像新娘恨诱。我一直安慰自己,他們只是感情好骗炉,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,764評(píng)論 6 392
  • 文/花漫 我一把揭開白布照宝。 她就那樣靜靜地躺著,像睡著了一般句葵。 火紅的嫁衣襯著肌膚如雪厕鹃。 梳的紋絲不亂的頭發(fā)上兢仰,一...
    開封第一講書人閱讀 51,604評(píng)論 1 305
  • 那天,我揣著相機(jī)與錄音剂碴,去河邊找鬼把将。 笑死,一個(gè)胖子當(dāng)著我的面吹牛忆矛,可吹牛的內(nèi)容都是我干的察蹲。 我是一名探鬼主播,決...
    沈念sama閱讀 40,347評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼催训,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼递览!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起瞳腌,我...
    開封第一講書人閱讀 39,253評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤绞铃,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后嫂侍,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體儿捧,經(jīng)...
    沈念sama閱讀 45,702評(píng)論 1 315
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)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 37,893評(píng)論 3 336
  • 正文 我和宋清朗相戀三年挑宠,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了菲盾。 大學(xué)時(shí)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 40,015評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡各淀,死狀恐怖懒鉴,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情碎浇,我是刑警寧澤临谱,帶...
    沈念sama閱讀 35,734評(píng)論 5 346
  • 正文 年R本政府宣布,位于F島的核電站奴璃,受9級(jí)特大地震影響悉默,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜苟穆,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,352評(píng)論 3 330
  • 文/蒙蒙 一抄课、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧雳旅,春花似錦跟磨、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,934評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至沦童,卻和暖如春仑濒,著一層夾襖步出監(jiān)牢的瞬間叹话,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,052評(píng)論 1 270
  • 我被黑心中介騙來(lái)泰國(guó)打工墩瞳, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留驼壶,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 48,216評(píng)論 3 371
  • 正文 我出身青樓喉酌,卻偏偏與公主長(zhǎng)得像热凹,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子泪电,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,969評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容