当系统性能达到瓶颈的时候,就需要去查找那些操作对系统的性能影响比较大,这里可以使用数据库的慢查询日志功能来记录一些比较耗时的数据可操作来确定哪些地方需要优化.
下面介绍一下使用慢查询日志的一些常用命令
1,查看是否开启慢查询日志：
show variables like '%slow%';
2,设置未使用索引的查询记录到日志里
set global log_queries_not_using_indexes=on;
3,查看超过多长时间的sql进行记录到慢查询日志
show variables like 'long_query_time';4,设置超过多长时间的sql进行记录到慢查询日志set global long_query_time=0;5,开启慢查询日志
set global slow_query_log=on;
6,查看日志记录位置
show variables like 'slow_query_log_file'
7,查看日志(这是Linux下的命令)
tail -50 /home/mysql/data/mysql-slow.log
7,查看详细的配置项
show variables like '%log%';
下面开始介绍怎么读日志内容
执行sql的主机信息
#User@Host:root[root] @localhost[]
sql的执行信息
# Query_time: 0.004883 Lock_time: 0.000000 Rows_sent: 1 Rows_examined: 1use mblog;
sql执行时间(时间戳)
SET timestamp=1463926469;
sql的内容
SHOW COLUMNS FROM `mblog`.`tb_item`;
MySQL慢查日志分析工具：
1 mysqldumpslow （mysql自带的工具，分析的不太详细）
2 pt-query-digest (推荐，月亮还是外国的圆,这个分析的比较好)下载地址http://www.percona.com/get/pt-query-digest
下面对pt-query-digest的用法做一个简单的讲解
1语法
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。
2统计结果中各项的含义 Overall: 总共有多少条查询。 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。 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。 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 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
需要优化的对象通常有
1,查询次数多且每次查询占用时间长的sql
用过pt-query-digest分析的前几个查询
2,io大的sql
注意pt-query-digest分析中的rows examine项
3,位命中索引的sql
注意pt-query-digest分析中的rows examine和rows send的对比.