慢查询日志之pt-query-digest安装与简介

 

一、简介

pt-query-digest是用于分析mysql慢查询的一个工具，与mysqldumpshow工具相比，py-query_digest 工具的分析结果更具体，更完善。它可以分析binlog、General log、slowlog，也可以通过SHOWPROCESSLIST或者通过tcpdump抓取的MySQL协议数据来进行分析。可以把分析结果输出到文件中，分析过程是先对查询语句的条件进行参数化，然后对参数化以后的查询进行分组统计，统计出各查询的执行时间、次数、占比等，可以借助分析结果找出问题进行优化。

 有时因为某些原因如权限不足等，无法在服务器上记录查询。这样的限制我们也常常碰到，所以开发了两种替代的技术，都集成到了Percona Toolkit 中的 pt-query-digest 中。

 

二、安装pt-query-digest

1.下载页面：

https://www.percona.com/doc/percona-toolkit/3.0/installation.html 
 

2. 配置yum库

• Configuring      Percona Repository

• Enabling Testing      and Experimental Repositories

 

yum install http://www.percona.com/downloads/percona-release/redhat/0.1-6/percona-release-0.1-6.noarch.rpm

 

3.yum方式安装

yum install percona-toolkit

 

默认安装到：/usr/bin

[root@tqsrv122 yum]# ls /usr/bin/pt-*

/usr/bin/pt-align                  /usr/bin/pt-ioprofile             /usr/bin/pt-slave-delay

/usr/bin/pt-archiver               /usr/bin/pt-kill                  /usr/bin/pt-slave-find

/usr/bin/pt-config-diff            /usr/bin/pt-mext                  /usr/bin/pt-slave-restart

/usr/bin/pt-deadlock-logger        /usr/bin/pt-mongodb-query-digest  /usr/bin/pt-stalk

/usr/bin/pt-diskstats              /usr/bin/pt-mongodb-summary       /usr/bin/pt-summary

/usr/bin/pt-duplicate-key-checker  /usr/bin/pt-mysql-summary         /usr/bin/pt-table-checksum

/usr/bin/pt-fifo-split             /usr/bin/pt-online-schema-change  /usr/bin/pt-table-sync

/usr/bin/pt-find                   /usr/bin/pt-pmp                   /usr/bin/pt-table-usage

/usr/bin/pt-fingerprint            /usr/bin/pt-query-digest          /usr/bin/pt-upgrade

/usr/bin/pt-fk-error-logger        /usr/bin/pt-secure-collect        /usr/bin/pt-variable-advisor

/usr/bin/pt-heartbeat              /usr/bin/pt-show-grants           /usr/bin/pt-visual-explain

/usr/bin/pt-index-usage            /usr/bin/pt-sift

 

4. 各工具用法简介（详细内容： https://www.percona.com/doc/percona-toolkit/ 3.0 /index.html ）

(1) 慢查询日志分析统计

pt-query-digest /usr/local/mysql/data/slow.log

(2) 服务器摘要

pt-summary

(3) 服务器磁盘监测

pt-diskstats

(4)mysql 服务状态摘要

pt-mysql-summary -- --user=root --password=root

 

 

三、 pt-query-digest 语法及重要选项

pt-query-digest [OPTIONS] [FILES] [DSN]

--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。

 

四、分析 pt-query-digest 输出结果

第一部分：总体统计结果

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

 

 

# 该工具执行日志分析的用户时间，系统时间，物理内存占用大小，虚拟内存占用大小

# 340ms user time, 140ms system time, 23.99M rss, 203.11M vsz

# 工具执行时间

# Current date: Fri Nov 25 02:37:18 2016

# 运行分析工具的主机名

# Hostname: localhost.localdomain

# 被分析的文件名

# Files: slow.log

# 语句总数量，唯一的语句数量， QPS ，并发数

# Overall: 2 total, 2 unique, 0.01 QPS, 0.01x concurrency ________________

# 日志记录的时间范围

# Time range: 2016-11-22 06:06:18 to 06:11:40

# 属性                总计       最小     最大     平均     95%  标准     中等

# Attribute          total     min     max     avg     95%  stddev  median

# ============     ======= ======= ======= ======= ======= ======= =======

# 语句执行时间

# Exec time             3s   640ms      2s      1s      2s   999ms      1s

# 锁占用时间

# Lock time            1ms       0     1ms   723us     1ms     1ms   723us

# 发送到客户端的行数

# Rows sent              5       1       4    2.50       4    2.12    2.50

# select 语句扫描行数

# Rows examine     186.17k       0 186.17k  93.09k 186.17k 131.64k  93.09k

# 查询的字符数

# Query size           455      15     440  227.50     440  300.52  227.50

 

第二部分：查询分组统计结果

Rank ：所有语句的排名，默认按查询时间降序排列，通过 --order-by 指定

Query ID ：语句的 ID ，（去掉多余空格和文本字符，计算 hash 值）

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

V/M ：响应时间 Variance-to-mean 的比率

Item ：查询对象

 

# Profile 
# Rank Query ID           Response time Calls R/Call V/M   Item 
# ==== ================== ============= ===== ====== ===== =============== 
#    1 0xF9A57DD5A41825CA   2.0529 76.2 %     1 2.0529   0.00 SELECT 
#    2 0x4194D8F83F4F9365   0.6401 23.8 %     1 0.6401   0.00 SELECT wx_member_base

 

第三部分：每一种查询的详细统计结果

由下面查询的详细统计结果，最上面的表格列出了执行次数、最大、最小、平均、 95% 等各项目的统计。

ID ：查询的 ID 号，和上图的 Query ID 对应

Databases ：数据库名

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 ： SQL 语句

 

 

# Query 1: 0 QPS, 0x concurrency, ID 0xF9A57DD5A41825CA at byte 802 ______

# This item is included in the report because it matches --limit.

# Scores: V/M = 0.00

# Time range: all events occurred at 2016-11-22 06:11:40

# Attribute    pct   total     min     max     avg     95%  stddev  median

# ============ === ======= ======= ======= ======= ======= ======= =======

# Count         50       1

# Exec time     76      2s      2s      2s      2s      2s       0      2s

# Lock time      0       0       0       0       0       0       0       0

# Rows sent     20       1       1       1       1       1       0       1

# Rows examine   0       0       0       0       0       0       0       0

# Query size     3      15      15      15      15      15       0      15

# String:

# Databases    test

# Hosts        192.168.8.1

# Users        mysql

# Query_time distribution

#   1us

#  10us

# 100us

#   1ms

#  10ms

# 100ms

#    1s  ################################################################

#  10s+

# EXPLAIN /*!50100 PARTITIONS*/

select sleep(2)\G

 

五、用法示例

1. 直接分析慢查询文件 :

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

2. 分析最近 12 小时内的查询：

pt-query-digest  --since=12h  slow.log > slow_report2.log

3. 分析指定时间范围内的查询：

pt-query-digest slow.log --since '2017-01-07 09:30:00' --until '2017-01-07 10:00:00' > > slow_report3.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_report4.log

5. 针对某个用户的慢查询

pt-query-digest --filter '($event->{user} || "") =~ m/^root/i' slow.log> slow_report5.log

6. 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_report6.log

7. 把查询保存到 query_review 表

pt-query-digest --user=root –password=abc123 --review  h=localhost,D=test,t=query_review--create-review-table  slow.log

8. 把查询保存到 query_history 表

pt-query-digest  --user=root –password=abc123 --review  h=localhost,D=test,t=query_history--create-review-table  slow.log_0001 
pt-query-digest  --user=root –password=abc123 --review  h=localhost,D=test,t=query_history--create-review-table  slow.log_0002

9. 通过 tcpdump 抓取 mysql 的 tcp 协议数据，然后再分析

tcpdump -s 65535 -x -nn -q -tttt -i any -c 1000 port 3306 > mysql.tcp.txt 
pt-query-digest --type tcpdump mysql.tcp.txt> slow_report9.log

10. 分析 binlog

mysqlbinlog mysql-bin. 000093 > mysql-bin000093.sql 
pt-query-digest  --type=binlog  mysql-bin000093.sql > slow_report10.log

11. 分析 general log

pt-query-digest  --type=genlog  localhost.log > slow_report11.log

 

 

 

转载并整理自：http://blog.itpub.net/807718/viewspace-2158116/