共计 9796 个字符，预计需要花费 25 分钟才能阅读完成。
有人的地方就有江湖，数据库也是，sql 优化这个问题，任重道远，我们总是禁不住有烂 sql。怎么办呢，还好各大数据库都有相关烂 sql 的收集功能，而 MySQL 的慢查询收集也是异曲同工，配合分析 sql 的执行计划，这个优化就有了搞头了。
开启 MySQL 慢查询日志
1. 查看当前慢查询设置情况
# 查看慢查询时间，默认 10s，建议降到 1s 或以下，
mysql> show variables like “long_query_time”;
+—————–+———-+
| Variable_name | Value |
+—————–+———-+
| long_query_time | 1.000000 |
+—————–+———-+
1 row in set (0.00 sec)
# 查看慢查询配置情况
mysql> show variables like “%slow%”;
+———————————–+———————-+
| Variable_name | Value |
+———————————–+———————-+
| log_slow_admin_statements | OFF |
| log_slow_filter | |
| log_slow_rate_limit | 1 |
| log_slow_rate_type | session |
| log_slow_slave_statements | OFF |
| log_slow_sp_statements | ON |
| log_slow_verbosity | |
| max_slowlog_files | 0 |
| max_slowlog_size | 0 |
| slow_launch_time | 2 |
| slow_query_log | ON |
| slow_query_log_always_write_time | 10.000000 |
| slow_query_log_file | /tmp/slow_querys.log |
| slow_query_log_use_global_control | |
+———————————–+———————-+
14 rows in set (0.01 sec)
其中，slow_query_log 的值是 on 就是已开启功能了。
2. 如何开启慢查询功能
方法一：在服务器上找到 mysql 的配置文件 my.cnf , 然后再 mysqld 模块里追加一下内容，这样的好处是会一直生效，不好就是需要重启 mysql 进程。
vim my.cnf
[mysqld]
slow_query_log = ON
# 定义慢查询日志的路径
slow_query_log_file = /tmp/slow_querys.log
# 定义查过多少秒的查询算是慢查询，我这里定义的是 1 秒，5.6 之后允许设置少于 1 秒，例如 0.1 秒
long_query_time = 1
# 用来设置是否记录没有使用索引的查询到慢查询记录, 默认关闭, 看需求开启, 会产生很多日志, 可动态修改
#log-queries-not-using-indexes
管理指令也会被记录到慢查询。比如 OPTIMEZE TABLE, ALTER TABLE, 默认关闭, 看需求开启, 会产生很多日志, 可动态修改
#log-slow-admin-statements
然后重启 mysql 服务器即可，这是通过一下命令看一下慢查询日志的情况：
tail -f /tmp/slow_querys.log
方法二：通过修改 mysql 的全局变量来处理，这样做的好处是，不用重启 mysql 服务器，登陆到 mysql 上执行一下 sql 脚本即可，不过重启后就失效了。
# 开启慢查询功能，1 是开启，0 是关闭
mysql> set global slow_query_log=1;
# 定义查过多少秒的查询算是慢查询，我这里定义的是 1 秒，5.6 之后允许设置少于 1 秒，例如 0.1 秒
mysql> set global long_query_time=1;
# 定义慢查询日志的路径
mysql> set global slow_query_log_file=’/tmp/slow_querys.log’;
# 关闭功能：set global slow_query_log=0;
然后通过一下命令查看是否成功
mysql> show variables like ‘long%’;
mysql> show variables like ‘slow%’;
# 设置慢查询记录到表中
#set global log_output=’TABLE’;
当然了，你也可以两者合一，一方面不用重启 mysql 进程就能生效，另一方面也不用怕重启后参数失效，效果也是一致的。
特别要注意的是 long_query_time 的设置，5.6 之后支持设置低于 0.1 秒，所以记录的详细程度，就看你自己的需求，数据库容量比较大的，超过 0.1 秒还是比较多，所以就变得有点不合理了。
慢查询日志的记录定义
直接查看 mysql 的慢查询日志分析，比如我们可以 tail -f slow_query.log 查看里面的内容
tail -f slow_query.log
# Time: 110107 16:22:11
# User@Host: root[root] @ localhost []
# Query_time: 9.869362 Lock_time: 0.000035 Rows_sent: 1 Rows_examined: 6261774
SET timestamp=1294388531;
select count(*) from ep_friends;
字段意义解析：
第一行,SQL 查询执行的时间
第二行, 执行 SQL 查询的连接信息，用户和连接 IP
第三行, 记录了一些我们比较有用的信息，如下解析
Query_time, 这条 SQL 执行的时间, 越长则越慢
Lock_time, 在 MySQL 服务器阶段(不是在存储引擎阶段) 等待表锁时间
Rows_sent, 查询返回的行数
Rows_examined, 查询检查的行数，越长就当然越费时间
第四行, 设置时间戳，没有实际意义，只是和第一行对应执行时间。
第五行及后面所有行（第二个# Time: 之前）, 执行的 sql 语句记录信息，因为 sql 可能会很长。
分析慢查询的软件
虽然慢查询日志已经够清晰，但是往往我们的日志记录到的不是只有一条 sql，可能有很多很多条，如果不加以统计，估计要看到猴年马月，这个时候就需要做统计分析了。
方法一：使用 mysql 程序自带的 mysqldumpslow 命令分析，例如：
mysqldumpslow -s c -t 10 /tmp/slow-log
这会输出记录次数最多的 10 条 SQL 语句，得出的结果和上面一般慢查询记录的格式没什么太大差别，这里就不展开来详细解析了。
参数解析：
-s：是表示按照何种方式排序，子参数如下：
c、t、l、r：分别是按照记录次数、时间、查询时间、返回的记录数来排序，
ac、at、al、ar：表示相应的倒叙；
-t：返回前面多少条的数据，这里意思就是返回 10 条数据了（也可以说是前十）
-g：后边可以写一个正则匹配模式，大小写不敏感的，比如：
/path/mysqldumpslow -s r -t 10 /tmp/slow-log，得到返回记录集最多的 10 个查询。
/path/mysqldumpslow -s t -t 10 -g“left join”/tmp/slow-log，得到按照时间排序的前 10 条里面含有左连接的查询语句。
方法二：使用 pt(Percona Toolkit)工具的 pt-query-digest 进行统计分析。这个是由 Percona 公司出品的一个用 perl 编写的脚本，只有安装上 pt 工具集才会存在，有兴趣的朋友就要先安装 pt 工具了。直接分析慢查询文件，执行如下：
pt-query-digest slow_querys.log >t.txt
因为记录里还是可能有很多 sql 在，看起来还是费劲，所以建议输出到文件来看了。输出的信息会分成三部分，
第一部分：总体统计结果
# 580ms user time, 0 system time, 35.46M rss, 100.01M vsz
# Current date: Wed Jul 19 14:32:40 2017
# Hostname: yztserver1
# Files: slow_querys.log
# Overall: 2.63k total, 36 unique, 0.03 QPS, 0.03x concurrency ___________
# Time range: 2017-07-18T03:17:17 to 2017-07-19T06:30:18
# Attribute total min max avg 95% stddev median
# ============ ======= ======= ======= ======= ======= ======= =======
# Exec time 3145s 1s 5s 1s 2s 258ms 1s
# Lock time 677ms 0 64ms 257us 260us 2ms 144us
# Rows sent 8.44k 0 5.50k 3.29 0.99 108.92 0.99
# Rows examine 1.06G 0 2.12M 421.02k 619.64k 155.33k 419.40k
# Rows affecte 0 0 0 0 0 0 0
# Bytes sent 9.00M 11 6.24M 3.51k 13.78k 119.76k 65.89
# Query size 735.85k 6 2.19k 286.72 463.90 128.05 246.02
记录这个慢日志文件里面的所有慢查询统计信息，通常粗略看看就好了:
Overall: 这个文件里总共有多少条查询，上例为总共 2.63k 个查询，也就是 2.63k 条慢查询。
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，统计的总共有多少个不同的查询，该例为 36。也就是说这 2.63K 条慢查询，实际归类为 36 条。
Attribute：属性解析，其他子项：
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。
其他就字面意思，去翻译一下就好。
第二部分：查询分组统计结果
# Profile
# Rank Query ID Response time Calls R/Call V/M Item
# ==== ================== =============== ===== ====== ===== =============
# 1 0x8965CC929FB1C7B2 2080.0546 66.1% 1816 1.1454 0.03 SELECT 1
# 2 0x9C57D04CEA1970B4 228.4754 7.3% 131 1.7441 0.10 SELECT 2
# 3 0x94B4D7AA44982464 138.5964 4.4% 112 1.2375 0.05 SELECT 3
# 4 0x6BD09392D1D0B5D7 84.1681 2.7% 70 1.2024 0.03 SELECT 4
# 5 0x1E9926677DBA3657 81.2260 2.6% 68 1.1945 0.03 SELECT 5
# 6 0xBBCE31227D8C6A93 69.6594 2.2% 56 1.2439 0.05 SELECT 6
# 7 0x9A691CB1A14640F4 60.4517 1.9% 51 1.1853 0.04 SELECT 7
# 8 0xDA99A20C8BE81B9C 55.7751 1.8% 46 1.2125 0.05 SELECT 8
# 9 0x1F53AC684A365326 55.6378 1.8% 45 1.2364 0.03 SELECT 9_
# 10 0x664E0C18531443A5 38.6894 1.2% 31 1.2480 0.05 SELECT way_bill_main
# 11 0xF591153EC390D8CA 32.5370 1.0% 28 1.1620 0.01 SELECT way_bill_main
# 12 0xA3A82D5207F1BC2E 24.6582 0.8% 20 1.2329 0.06 SELECT way_bill_main
# 13 0xFCED276145371CE4 22.2543 0.7% 18 1.2363 0.05 SELECT way_bill_main
# 14 0x4895DF4252D5A600 21.3184 0.7% 17 1.2540 0.07 SELECT way_bill_main
# 16 0xA4DD833DF8C96D04 14.6107 0.5% 13 1.1239 0.01 SELECT way_bill_main
# 17 0x0426A3C3538CBBA8 13.9799 0.4% 13 1.0754 0.00 SELECT way_bill_main
# 18 0x2C52F334EF3D8D2D 12.5960 0.4% 10 1.2596 0.03 SELECT way_bill_main
# MISC 0xMISC 110.2030 3.5% 83 1.3277 0.0 <19 ITEMS>
这部分对查询进行参数化并分组，然后对各类查询的执行情况进行分析，结果按总执行时长，从大到小排序，恕我改了些显示。
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
第三部分：每一种查询的详细统计结果，这是其中一个
# Query 1: 0.02 QPS, 0.02x concurrency, ID 0x8965CC929FB1C7B2 at byte 868609
# This item is included in the report because it matches –limit.
# Scores: V/M = 0.03
# Time range: 2017-07-18T03:17:56 to 2017-07-19T06:30:18
# Attribute pct total min max avg 95% stddev median
# ============ === ======= ======= ======= ======= ======= ======= =======
# Count 69 1816
# Exec time 66 2080s 1s 4s 1s 1s 189ms 1s
# Lock time 51 349ms 67us 19ms 192us 194us 760us 144us
# Rows sent 21 1.77k 1 1 1 1 0 1
# Rows examine 71 771.37M 262.54k 440.03k 434.96k 419.40k 24.34k 419.40k
# Rows affecte 0 0 0 0 0 0 0 0
# Bytes sent 1 120.49k 65 68 67.94 65.89 0.35 65.89
# Query size 60 443.31k 248 250 249.97 246.02 0.00 246.02
# String:
# Databases ytttt
# Hosts 10.25.28.2
# Last errno 0
# Users gztttttt
# Query_time distribution
# 1us
# 10us
# 100us
# 1ms
# 10ms
# 100ms
# 1s ################################################################
# 10s+
# Tables
# SHOW TABLE STATUS FROM `ytttt` LIKE ‘way_bill_main’\G
# SHOW CREATE TABLE `ytttt`.`way_bill_main`\G
# SHOW TABLE STATUS FROM `ytttt` LIKE ‘scheduler_task’\G
# SHOW CREATE TABLE `ytttt`.`scheduler_task`\G
# EXPLAIN /*!50100 PARTITIONS*/
SELECT COUNT(1) FROM 1 as w inner join ….. 此处省略。。。
这部分的上面一部分和第一部分信息类似，统计该记录 sql 的总运行效率信息，下面一部分的解析如下：
Databases: 库名
Users: 各个用户执行的次数（占比），现在只有一个用户，因为我授权的就是一个库一个独立用户。
Query_time distribution : 查询时间分布, 长短体现区间占比，本例中基本上都是 1s。
Tables: 查询中涉及到的表
Explain: 示例，也就是这条 sql 本身的信息。
后面其他信息也大体和这个类似，只是显示不同的 sql 信息而已，都属于这个第三部分。
pt-query-digest 参数说明：
–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。
其他命令示例：
1. 分析最近 12 小时内的查询：
pt-query-digest –since=12h slow.log > slow_report2.log
2. 分析指定时间范围内的查询：
pt-query-digest slow.log –since ‘2014-04-17 09:30:00’ –until ‘2014-04-17 10:00:00’>>slow_report3.log
3. 分析指含有 select 语句的慢查询
pt-query-digest–filter ‘$event->{fingerprint} =~ m/^select/i’ slow.log> slow_report4.log
4. 针对某个用户的慢查询
pt-query-digest–filter ‘($event->{user} || “”) =~ m/^root/i’ slow.log> slow_report5.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_report6.log
6. 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
7. 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_20140401
pt-query-digest –user=root –password=abc123–review h=localhost,D=test,t=query_history–create-review-table slow.log_20140402
8. 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
9. 分析 binlog
mysqlbinlog mysql-bin.000093 > mysql-bin000093.sql
pt-query-digest –type=binlog mysql-bin000093.sql > slow_report10.log
10. 分析 general log
pt-query-digest –type=genlog localhost.log > slow_report11.log
其实 pt-query-digest 虽然信息很多，但是输出的有用信息不见得就比 mysqldumpslow 好很多，反而眼花缭乱的，而且还要装多个工具才能用。不过可以甩问题给开发看到效率有多差也算是一个好事，可以说清楚着个 sql 执行了多少次慢查询，所以实际使用上还是见仁见智，自己看着办。
题外话
一般慢查询日志解决不了问题的话，就建议开查询日志 general-log 来跟踪 sql 了
大体和上面操作差不多，先查看当前状态
show variables like ‘general%’;
可以在 my.cnf 里添加
general-log = 1 开启（0 关闭）
log = /log/mysql_query.log 路径
也可以设置变量那样更改
set global general_log= 1 开启（0 关闭）
