zoukankan      html  css  js  c++  java
  • Mysql 慢查询和慢查询日志分析

    众所周知,大访问量的情况下,可添加节点或改变架构可有效的缓解数据库压力,不过一切的原点,都是从单台mysql开始的。下面总结一些使用过或者研究过的经验,从配置以及调节索引的方面入手,对mysql进行一些优化。
    第一步应该做的就是排查问题,找出瓶颈,所以,先从日志入手
    开启慢查询日志
    mysql>show variables like “%slow%”; 查看慢查询配置,没有则在my.cnf中添加,如下

    log-slow-queries = /data/mysqldata/slowquery.log    #日志目录
    long_query_time = 1                          #记录下查询时间查过1秒
    log-queries-not-using-indexes     #表示记录下没有使用索引的查询

    分析日志 – mysqldumpslow
    分析日志,可用mysql提供的mysqldumpslow,使用很简单,参数可–help查看

    # -s:排序方式。c , t , l , r 表示记录次数、时间、查询时间的多少、返回的记录数排序;
    #                             ac , at , al , ar 表示相应的倒叙;
    # -t:返回前面多少条的数据;
    # -g:包含什么,大小写不敏感的;
    mysqldumpslow -s r -t 10  /slowquery.log     #slow记录最多的10个语句
    mysqldumpslow -s t -t 10 -g "left join"  /slowquery.log     #按照时间排序前10中含有"left join"的

    推荐用分析日志工具 – mysqlsla

    wget http://hackmysql.com/scripts/mysqlsla-2.03.tar.gz
    tar zvxf mysqlsla-2.03.tar.gz
    cd mysqlsla-2.03
    perl Makefile.PL
    make
    make install
    mysqlsla /data/mysqldata/slow.log
    # mysqlsla会自动判断日志类型,为了方便可以建立一个配置文件“~/.mysqlsla”
    # 在文件里写上:top=100,这样会打印出前100条结果。
    【说明】
    queries total: 总查询次数 unique:去重后的sql数量
    sorted by : 输出报表的内容排序
    最重大的慢sql统计信息, 包括 平均执行时间, 等待锁时间, 结果行的总数, 扫描的行总数.
    Count, sql的执行次数及占总的slow log数量的百分比.
    Time, 执行时间, 包括总时间, 平均时间, 最小, 最大时间, 时间占到总慢sql时间的百分比.
    95% of Time, 去除最快和最慢的sql, 覆盖率占95%的sql的执行时间.
    Lock Time, 等待锁的时间.
    95% of Lock , 95%的慢sql等待锁时间.
    Rows sent, 结果行统计数量, 包括平均, 最小, 最大数量.
    Rows examined, 扫描的行数量.
    Database, 属于哪个数据库
    Users, 哪个用户,IP, 占到所有用户执行的sql百分比
    Query abstract, 抽象后的sql语句
    Query sample, sql语句
  • 相关阅读:
    Subgraph Search Over Large Graph Database
    聚类算法:K-means 算法(k均值算法)
    MongoDB 学习笔记之 TTL索引,部分索引和文本索引
    MongoDB 学习笔记之 索引选项和重建索引
    快学Scala 第二十一课 (初始化trait的抽象字段)
    MongoDB 学习笔记之 分析器和explain
    MongoDB 学习笔记之 检测存储引擎
    ELK 学习笔记之 elasticsearch基本概念和CRUD
    ELK 学习笔记之 elasticsearch head插件安装
    ELK 学习笔记之 elasticsearch环境搭建
  • 原文地址:https://www.cnblogs.com/grimm/p/5649149.html
Copyright © 2011-2022 走看看