mysql数据库优化 pt-query-digest使用
一、pt-query-digest工具简介
pt-query-digest是用于分析 mysql慢查询的一个工具，它可以分析binlog、General log、slowlog , 也可以通过show processlist或者通过tcpdump抓去的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。
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。
三、安装过程 http://www.percona.com/downloads/percona-toolkit/
# yum install -y perl-DBI perl-DBD-MySQL perl-Time-HiRes perl-IO-Socket-SSL perl-TermReadKey
# wget https://www.percona.com/downloads/percona-toolkit/3.0.4/binary/redhat/6/x86_64/percona-toolkit-3.0.4-1.el6.x86_64.rpm
# rpm -ivh percona-toolkit-3.0.-.el6.x86_64.rpm
或者
# tar zxvf percona-toolkit-2.2..tar.gz
# cd percona-toolkit-2.2.
# perl Makefile.PL
# make && make test && make install
四、分析慢查询日志
既然是分析慢日志，当然需要开启慢日志查询，并且配置数据库的相关配置，编辑my.cnf
在mysqld下设置如下
long_query_time =
slow_query_log = on
slow_query_log_file = /usr/local/mysql/var/mysql-slow.log
然后重启服务，即可产生慢日志
使用pt-query-digest最简单的方式
pt-query-digest mysql-slow.log
总体统计结果如下
Overall: 总共有多少条查询，上例为总共1690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28。
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。
查询分组统计结果
由上图可见，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。
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
每部分详细统计结果
1号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。
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，本例中查询集中在10ms。
Tables: 查询中涉及到的表
Explain: 示例
(1)直接分析慢查询文件:
pt-query-digest mysql-slow.log
(2)分析最近12小时内的查询：
pt-query-digest --since=12h slow.log > slow_report2.log
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} || ""
(6) 查询所有的全表扫描或fulljoin的慢查询
pt-query-digest --filter '(($event->{Full_scan} ||""
|| ""
(7)把查询保存到query_review表
pt-query-digest --user=root --password=xxxxxx --review h=127.0.0.1,D=test,t=query_review --create-review-table slow.log
pt-query-digest --user=root --password=xxxxxx --review
h=127.0.0.1,D=test,t=query_ history --create-review-table
slow.log_20141107
(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generallog
pt-query-digest --type=genlog localhost.log >slow_report11.log