mysql 慢日志分析工具pt-query-digest

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了mysql 慢日志分析工具pt-query-digest，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含7460字，纯文字阅读大概需要11分钟。

内容图文

   1. 先安装perl, 登录 https://www.perl.org/get.html ,我选择的是最新版。

    解压后来到perl的安装目录执行  

[root@VM-10 perl-5.22.0]# ./Configure -des -Dprefix=/usr/perl-5.22.0 -Dusethreads -Uversiononly

验证是否安装成功

[root@VM-10 perl-5.22.0]# perl -version
This is perl, v5.10.1 (*) built for x86_64-linux-thread-multi
Copyright 1987-2009, Larry Wall
Perl may be copied only under the terms of either the Artistic License or the
GNU General Public License, which may be found in the Perl 5 source kit.
Complete documentation for Perl, including FAQ lists, should be found on
this system using "man perl" or "perldoc perl".  If you have access to the
Internet, point your browser at http://www.perl.org/, the Perl Home Page.

  2.下载pt-query-digest，https://www.percona.com/downloads/percona-toolkit/，下载percona-toolkit_2.2.14.tar.gz 。

      tar zxvf 解压后，来到安装目录下/data/percona-toolkit-2.2.14执行
   [root@VM-10 perl-5.22.0]#   perl Makefile.PL
   [root@VM-10 perl-5.22.0]#   make
   [root@VM-10 perl-5.22.0]#   make install

  3.pt-query-digest  /data/im-slow.log > /data/slow_report.log ，相比windows半天出不来，这个结果几乎秒出。

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。

# 34.3s user time, 310ms system time, 44.95M rss, 196.52M vsz
# Current date: Thu Aug 13 10:51:55 2015
# Hostname: VM-10.10.X.X
# Files: /data/im-slow.log
# Overall: 64.10k total, 179 unique, 0.00 QPS, 0.10x concurrency _________
# Time range: 2015-02-08 06:52:36 to 2015-07-29 09:02:02
# Attribute          total     min     max     avg     95%  stddev  median
# ============     ======= ======= ======= ======= ======= ======= =======
# Exec time        1405895s      5s   4899s     22s     32s    111s     10s
# Lock time         62995s       0   2476s   983ms     1ms     48s   144us
# Rows sent          5.69G       0  44.43M  93.04k    5.75   1.34M    0.99
# Rows examine      13.96G       0 693.12M 228.36k  44.45k   3.49M    0.99
# Query size        37.30M       6 335.57k  610.11  918.49   6.98k  537.02


# Profile
# Rank Query ID           Response time     Calls R/Call    V/M   Item
# ==== ================== ================= ===== ========= ===== ========
#    1 0x0F2E6B958872280E 274452.3245 19.5% 26566   10.3310  2.39 SELECT gg_token gg_tenant
#    2 0x816F5D9DB1BD38C7 246396.5092 17.5% 15295   16.1096 31... INSERT gg_login_history
#    3 0xA3267D6CEFA1D5E3 203446.8729 14.5%   100 2034.4687 13... SELECT gg_token gg_login_history
#    4 0x67A347A2812914DF 170491.0463 12.1%   972  175.4023 44... SELECT app_chat_message
#    5 0x8BACA5842B7A7490  95999.5908  6.8%  5737   16.7334 37... INSERT app_offline_message
#    6 0x2B874BB5CB81DC1F  68234.7809  4.9%   105  649.8551 87.61 SELECT gg_token gg_login_history
#    7 0x848218FE4D9F7651  51218.6838  3.6%   210  243.8985 12.52 SELECT gg_token
#    8 0xBF9265005D4F8D80  40299.7591  2.9%    78  516.6636 28... SELECT gg_login_history gg_user gg_user_org gg_org
#    9 0xDCDBC481602798A4  39449.2606  2.8%  3193   12.3549  4.68 SELECT gg_token


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
Tables: 查询中涉及到的表
Explain: 示例

# Query 1: 0.03 QPS, 0.30x concurrency, ID 0x0F2E6B958872280E at byte 28156661
# This item is included in the report because it matches --limit.
# Scores: V/M = 2.39
# Time range: 2015-06-16 00:05:14 to 2015-06-26 11:33:23
# Attribute    pct   total     min     max     avg     95%  stddev  median
# ============ === ======= ======= ======= ======= ======= ======= =======
# Count         41   26566
# Exec time     19 274452s      5s     54s     10s     12s      5s     10s
# Lock time      0     24s    64us    40ms   885us     1ms   738us   839us
# Rows sent      0  80.00k       0      13    3.08    4.96    1.29    2.90
# Rows examine   8   1.15G  44.73k  45.59k  45.43k  44.45k       0  44.45k
# Query size    36  13.78M     542     544  543.73  537.02       0  537.02
# String:
# Databases    im
# Hosts        10.100.252.38 (13301/50%)... 1 more
# Users        im
# Query_time distribution
#   1us
#  10us
# 100us
#   1ms
#  10ms
# 100ms
#    1s  ########################################################
#  10s+  ################################################################
# Tables
#    SHOW TABLE STATUS FROM `im` LIKE ‘gg_token‘\G
#    SHOW CREATE TABLE `im`.`gg_token`\G
#    SHOW TABLE STATUS FROM `im` LIKE ‘gg_tenant‘\G
#    SHOW CREATE TABLE `im`.`gg_tenant`\G
# EXPLAIN /*!50100 PARTITIONS*/
select token0_.token_id as token_id1_119_, token0_.tenant_id as tenant_10_119_, token0_.account as account2_119_, token0_.client_id as client_i3_119_, token0_.create_date as create_d4_119_, token0_.host as host5_119_, token0_.last_auth_date as last_aut6_119_, token0_.session_id as session_7_119_, token0_.token as token8_119_, token0_.user_id as user_id9_119_ from gg_token token0_ left outer join gg_tenant tenant1_ on token0_.tenant_id=tenant1_.tenant_id where token0_.user_id=‘00014806a5a95f25ab‘ and tenant1_.tenant_id=‘0001456d92804b00‘\G


# Query 2: 0.00 QPS, 0.02x concurrency, ID 0x816F5D9DB1BD38C7 at byte 17658778
# This item is included in the report because it matches --limit.
# Scores: V/M = 314.49
# Time range: 2015-03-21 13:31:25 to 2015-07-18 15:11:32
# Attribute    pct   total     min     max     avg     95%  stddev  median
# ============ === ======= ======= ======= ======= ======= ======= =======
# Count         23   15295
# Exec time     17 246397s      5s   2498s     16s     32s     71s     11s
# Lock time     51  32142s       0   2476s      2s   125us     71s    89us
# Rows sent      0       0       0       0       0       0       0       0
# Rows examine   0       0       0       0       0       0       0       0
# Query size     9   3.55M     221     258  243.36  246.02    7.37  234.30
# String:
# Databases    im
# Hosts        10.101.252.35 (7709/50%)... 3 more
# Users        im
# Query_time distribution
#   1us
#  10us
# 100us
#   1ms
#  10ms
# 100ms
#    1s  #############################################
#  10s+  ################################################################
# Tables
#    SHOW TABLE STATUS FROM `im` LIKE ‘gg_login_history‘\G
#    SHOW CREATE TABLE `im`.`gg_login_history`\G
INSERT INTO gg_login_history(login_history_id,username,resource,clientId,login_time,logout_time) VALUES(‘930e0b3e-d26b-4cc3-a02f-be0b1009744c‘,‘000148b62c6a6e290‘,‘Android‘,‘354273054207050‘,‘2015-04-13 23:04:42‘,‘2015-04-13 23:07:46‘)\G

最常用的使用方法：

(1)直接分析慢查询文件:
pt-query-digest  slow.log > slow_report.log
(2)分析最近1小时内的查询：
pt-query-digest  --since=1h  slow.log > slow_report.log
(3)分析指定时间范围内的查询：
pt-query-digest slow.log --since ‘2015-04-17 10:30:00‘ --until ‘2015-04-17 18:00:00‘>slow_report.log
(4)分析指含有select语句的慢查询
pt-query-digest--filter ‘$event->{fingerprint} =~ m/^select/i‘ slow.log> slow_report.log
(5) 查询所有所有的全表扫描或full join的慢查询
pt-query-digest--filter ‘(($event->{Full_scan} || "") eq "yes") ||(($event->{Full_join} || "") eq "yes")‘ slow.log> slow_report.log

详细的使用说明：

https://www.percona.com/doc/percona-toolkit/2.1/pt-query-digest.html

版权声明：本文为博主原创文章，未经博主允许不得转载。

mysql 慢日志分析工具pt-query-digest

标签：

本文系统来源：http://blog.csdn.net/stevendbaguo/article/details/47612359

内容总结

以上是互联网集市为您收集整理的mysql 慢日志分析工具pt-query-digest全部内容，希望文章能够帮你解决mysql 慢日志分析工具pt-query-digest所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---