【MySQL】A01、性能优化-语句分析

2024-04-27 07:33:24

1、数据库优化方向

A、SQL及索引优化

根据需求写出良好的SQL，并创建有效的索引，实现某一种需求可以多种写法，这时候我们就要选择一种效率最高的写法。这个时候就要了解sql优化

B、数据库表结构优化

根据数据库的范式，设计表结构，表结构设计的好直接关系到写SQL语句。

C、系统配置优化

大多数运行在Linux机器上，如tcp连接数的限制、打开文件数的限制、安全性的限制，因此我们要对这些配置进行相应的优化。

D、硬件配置优化

选择适合数据库服务的cpu，更快的IO，更高的内存；cpu并不是越多越好，某些数据库版本有最大的限制，ＩＯ操作并不是减少阻塞。

注：通过上图可以看出，该金字塔中，优化的成本从下而上逐渐增高，而优化的效果会逐渐降低。

2、前置准备

2.1、MySQL 安装与卸载

Centos7 安装 MySQL5.7 步骤_centos7安装mysql5.7教程-****博客文章浏览阅读4.4k次，点赞10次，收藏18次。Centos7 安装 MySQL5.7 步骤_centos7安装mysql5.7教程https://blog.****.net/weixin_54626591/article/details/133907510

2.2、数据库版本选择

2.3、准备数据

访问下载地址，根据如下图操作步骤获取：

sakila-db.zip压缩包所包含的文件如下解释

数据加载步骤：

2.4、表结构关系

2.5、慢查询检查

2.5.1、检查慢查询日志是否开启

show variables like 'slow_query_log';

方式一：开启配置

-- 查看是否开启慢查询日志
show variables like 'slow_query_log'; 

-- 慢查询日志的位置
set global slow_query_log_file=' /usr/share/mysql/sql_log/mysql-slow.log' 

-- 开启慢查询日志
set global log_queries_not_using_indexes=on;

-- 大于1秒钟的数据记录到慢日志中，如果设置为默认0，则会有大量的信息存储在磁盘中，磁盘很容易满掉
set global long_query_time=1;

方式二：修改配置文件

使用 yum 安装的或者 rpm 安装的可以在以下路径查找相关配置并修改（为修改的前提）：

MySQL二进制文件默认安装路径：/usr/bin
MySQL配置文件默认安装路径：/etc/my.cnf
MySQL数据文件默认安装路径：/var/lib/mysql
MySQL日志文件默认安装路径：/var/log/mysql
MySQL启动脚本默认安装路径：/etc/init.d/mysql

2.5.2、查看所有日志的变量信息

mysql> show variables like '%log%';
+--------------------------------------------+-----------------------------------------+
| Variable_name                              | Value                                   |
+--------------------------------------------+-----------------------------------------+
| back_log                                   | 80                                      |
| binlog_cache_size                          | 32768                                   |
| binlog_checksum                            | CRC32                                   |
| binlog_direct_non_transactional_updates    | OFF                                     |
| binlog_error_action                        | ABORT_SERVER                            |
| binlog_format                              | ROW                                     |
| binlog_group_commit_sync_delay             | 0                                       |
| binlog_group_commit_sync_no_delay_count    | 0                                       |
| binlog_gtid_simple_recovery                | ON                                      |
| binlog_max_flush_queue_time                | 0                                       |
| binlog_order_commits                       | ON                                      |
| binlog_row_image                           | FULL                                    |
| binlog_rows_query_log_events               | OFF                                     |
| binlog_stmt_cache_size                     | 32768                                   |
| binlog_transaction_dependency_history_size | 25000                                   |
| binlog_transaction_dependency_tracking     | COMMIT_ORDER                            |
| expire_logs_days                           | 0                                       |
| general_log                                | OFF                                     |
| general_log_file                           | /var/lib/mysql/192.log                  |
| innodb_api_enable_binlog                   | OFF                                     |
| innodb_flush_log_at_timeout                | 1                                       |
| innodb_flush_log_at_trx_commit             | 1                                       |
| innodb_locks_unsafe_for_binlog             | OFF                                     |
| innodb_log_buffer_size                     | 16777216                                |
| innodb_log_checksums                       | ON                                      |
| innodb_log_compressed_pages                | ON                                      |
| innodb_log_file_size                       | 50331648                                |
| innodb_log_files_in_group                  | 2                                       |
| innodb_log_group_home_dir                  | ./                                      |
| innodb_log_write_ahead_size                | 8192                                    |
| innodb_max_undo_log_size                   | 1073741824                              |
| innodb_online_alter_log_max_size           | 134217728                               |
| innodb_undo_log_truncate                   | OFF                                     |
| innodb_undo_logs                           | 128                                     |
| log_bin                                    | OFF                                     |
| log_bin_basename                           |                                         |
| log_bin_index                              |                                         |
| log_bin_trust_function_creators            | OFF                                     |
| log_bin_use_v1_row_events                  | OFF                                     |
| log_builtin_as_identified_by_password      | OFF                                     |
| log_error                                  | /var/log/mysqld.log                     |
| log_error_verbosity                        | 3                                       |
| log_output                                 | FILE                                    |
| log_queries_not_using_indexes              | ON                                      |
| log_slave_updates                          | OFF                                     |
| log_slow_admin_statements                  | OFF                                     |
| log_slow_slave_statements                  | OFF                                     |
| log_statements_unsafe_for_binlog           | ON                                      |
| log_syslog                                 | OFF                                     |
| log_syslog_facility                        | daemon                                  |
| log_syslog_include_pid                     | ON                                      |
| log_syslog_tag                             |                                         |
| log_throttle_queries_not_using_indexes     | 0                                       |
| log_timestamps                             | UTC                                     |
| log_warnings                               | 2                                       |
| max_binlog_cache_size                      | 18446744073709547520                    |
| max_binlog_size                            | 1073741824                              |
| max_binlog_stmt_cache_size                 | 18446744073709547520                    |
| max_relay_log_size                         | 0                                       |
| relay_log                                  |                                         |
| relay_log_basename                         | /var/lib/mysql/192-relay-bin            |
| relay_log_index                            | /var/lib/mysql/192-relay-bin.index      |
| relay_log_info_file                        | relay-log.info                          |
| relay_log_info_repository                  | FILE                                    |
| relay_log_purge                            | ON                                      |
| relay_log_recovery                         | OFF                                     |
| relay_log_space_limit                      | 0                                       |
| slow_query_log                             | ON                                      |
| slow_query_log_file                        | /usr/share/mysql/sql_log/mysql-slow.log |
| sql_log_bin                                | ON                                      |
| sql_log_off                                | OFF                                     |
| sync_binlog                                | 1                                       |
| sync_relay_log                             | 10000                                   |
| sync_relay_log_info                        | 10000                                   |
+--------------------------------------------+-----------------------------------------+
74 rows in set (0.03 sec)

mysql>

在MySQL中执行一些操作，观察日志文件是否有输出：

mysql> use sakila;
Reading table information for completion of table and column names
You can turn off this feature to get a quicker startup with -A

Database changed
mysql> select * from store;
+----------+------------------+------------+---------------------+
| store_id | manager_staff_id | address_id | last_update         |
+----------+------------------+------------+---------------------+
|        1 |                1 |          1 | 2006-02-15 04:57:12 |
|        2 |                2 |          2 | 2006-02-15 04:57:12 |
+----------+------------------+------------+---------------------+
2 rows in set (0.00 sec)

mysql> select * from staff;

2.5.3、慢日志存储格式

# Time: 2024-04-23T03:02:29.469044Z
# User@Host: root[root] @ localhost []  Id:     4
# Query_time: 0.004217  Lock_time: 0.000085 Rows_sent: 2  Rows_examined: 2
SET timestamp=1713841349;
select * from staff;

格式说明如下：

1、# Time: 2024-04-23T03:02:29.469044Z -------à查询的执行时间

2、# User@Host: root[root] @ localhost [] Id: 4 -------à执行sql的主机信息

3、# Query_time: 0.004217 Lock_time: 0.000085 Rows_sent: 2 Rows_examined: 2-------àSQL的执行信息：

1)、Query_time：SQL的查询时间
1. 2)、Lock_time：锁定时间
  1. 3)、Rows_sent：所发送的行数
    1. 4)、Rows_examined：锁扫描的行数

4、SET timestamp=1713841349; -------àSQL执行时间

5、select * from staff; -------àSQL的执行内容

3、mysqldumpslow 使用

如何进行查看慢查询日志，如果开启了慢查询日志，就会生成很多的数据，然后我们就可以通过对日志的分析，生成分析报表，然后通过报表进行优化。接下来我们查看一下这个工具的用法：

注意：在mysql数据库所在的服务器上，而不是在mysql>命令行中

分析实例：

mysqldumpslow /usr/share/mysql/sql_log/mysql-slow.log

如上图所示就是分析的结果，每条结果都显示是执行时间，锁定时间，发送的行数，扫描的行数。这个工具是最常用的工具，通过安装mysql进行附带安装，但是该工具统计的结果比较少，对我们的优化锁表现的数据还是比较少。

4、pt-query-digest 分析使用

4.1、快速安装

2)mysql慢日志分析工具pt-query-digest安装_pt-digest官网下载-****博客文章浏览阅读199次。安装环境，centos7先安装pt-query-digest依赖包，有6个，如下：perl-DBD-MySQL.x86_64perl-DBIperl-Time-HiRes.x86_64perl-IO-Socket-SSL.noarchperl-TermReadKey.x86_64perl-Digest-MD5命令yum install -y perl-DBD-MySQL.x86..._pt-digest官网下载https://blog.****.net/weixin_43456598/article/details/100540716

1、优先安装相关依赖包

yum install -y perl-DBD-MySQL.x86_64 perl-DBI perl-Time-HiRes.x86_64 perl-IO-Socket-SSL.noarch perl-TermReadKey.x86_64 perl-Digest-MD5

2、下载安装包

[root@192 src]# cd /usr/local/src
[root@192 src]# ls
[root@192 src]# wget https://www.percona.com/downloads/percona-toolkit/3.0.13/binary/redhat/7/x86_64/percona-toolkit-3.0.13-1.el7.x86_64.rpm

3、安装软件

[root@192 src]# ls
percona-toolkit-3.0.13-1.el7.x86_64.rpm
[root@192 src]# yum install -y percona-toolkit-3.0.13-1.el7.x86_64.rpm

4、查看版本号

[root@192 src]# pt-query-digest --version
pt-query-digest 3.0.13
[root@192 src]#

4.2、使用实例

4.2.1、查看服务器信息

pt-summary

4.2.2、查看磁盘使用开销信息

pt-diskstats

4.2.3、查看MySQL数据库信息

pt-mysql-summary --user=root --password=123456

4.2.4、分析慢查询日志

[root@192 src]# pt-query-digest /usr/share/mysql/sql_log/mysql-slow.log 

# 90ms user time, 80ms system time, 25.94M rss, 220.35M vsz
# Current date: Tue Apr 23 13:46:07 2024
# Hostname: 192.168.56.108
# Files: /usr/share/mysql/sql_log/mysql-slow.log
# Overall: 9 total, 7 unique, 0.00 QPS, 0.00x concurrency ________________
# Time range: 2024-04-22T09:45:55 to 2024-04-23T05:44:30
# Attribute          total     min     max     avg     95%  stddev  median
# ============     ======= ======= ======= ======= ======= ======= =======
# Exec time           28ms   512us    16ms     3ms    16ms     5ms   725us
# Lock time            4ms    78us     2ms   405us     2ms   619us   138us
# Rows sent             80       0      22    8.89   21.45    8.68    1.96
# Rows examine       1.31k       2     329  149.22  313.99  148.76   44.60
# Query size          1011      19     212  112.33  202.40   72.12   97.36

# Profile
# Rank Query ID                          Response time Calls R/Call V/M   
# ==== ================================= ============= ===== ====== ===== 
#    1 0x09E8D04FD2462B493A23B0CB7839...  0.0159 56.6%     1 0.0159  0.00 SELECT INFORMATION_SCHEMA.TRIGGERS
#    2 0xF7C977062CE0183C5ADC8847FF93...  0.0042 15.0%     1 0.0042  0.00 SELECT staff
#    3 0x8448FB2A9B6C65404DC60F7FC7E5...  0.0031 11.0%     1 0.0031  0.00 SELECT store
#    4 0xCCAF11201C02BD2BF0A9CB7318D4...  0.0017  6.2%     1 0.0017  0.00 SELECT mysql.user
#    5 0x9277183CCDDC5C9148701A8733C0...  0.0015  5.4%     2 0.0008  0.00 SELECT INFORMATION_SCHEMA.PROFILING
#    6 0x733019F33E3027F6693EB59382A2...  0.0011  4.1%     2 0.0006  0.00 SELECT INFORMATION_SCHEMA.PROFILING
# MISC 0xMISC                             0.0005  1.8%     1 0.0005   0.0 <1 ITEMS>

# Query 1: 0 QPS, 0x concurrency, ID 0x09E8D04FD2462B493A23B0CB7839AF05 at byte 2407
# Scores: V/M = 0.00
# Time range: all events occurred at 2024-04-23T05:44:19
# Attribute    pct   total     min     max     avg     95%  stddev  median
# ============ === ======= ======= ======= ======= ======= ======= =======
# Count         11       1
# Exec time     56    16ms    16ms    16ms    16ms    16ms       0    16ms
# Lock time      7   282us   282us   282us   282us   282us       0   282us
# Rows sent      1       1       1       1       1       1       0       1
# Rows examine   0       8       8       8       8       8       0       8
# Query size     4      48      48      48      48      48       0      48
# String:
# Databases    sakila
# Hosts        localhost
# Users        root
# Query_time distribution
#   1us
#  10us
# 100us
#   1ms
#  10ms  ################################################################
# 100ms
#    1s
#  10s+
# Tables
#    SHOW TABLE STATUS FROM `INFORMATION_SCHEMA` LIKE 'TRIGGERS'\G
#    SHOW CREATE TABLE `INFORMATION_SCHEMA`.`TRIGGERS`\G
# EXPLAIN /*!50100 PARTITIONS*/
SELECT COUNT(*) FROM INFORMATION_SCHEMA.TRIGGERS\G

# Query 2: 0 QPS, 0x concurrency, ID 0xF7C977062CE0183C5ADC8847FF9323B4 at byte 1804
# Scores: V/M = 0.00
# Time range: all events occurred at 2024-04-23T03:02:29
# Attribute    pct   total     min     max     avg     95%  stddev  median
# ============ === ======= ======= ======= ======= ======= ======= =======
# Count         11       1
# Exec time     14     4ms     4ms     4ms     4ms     4ms       0     4ms
# Lock time      2    85us    85us    85us    85us    85us       0    85us
# Rows sent      2       2       2       2       2       2       0       2
# Rows examine   0       2       2       2       2       2       0       2
# Query size     1      19      19      19      19      19       0      19
# String:
# Databases    sakila
# Hosts        localhost
# Users        root
# Query_time distribution
#   1us
#  10us
# 100us
#   1ms  ################################################################
#  10ms
# 100ms
#    1s
#  10s+
# Tables
#    SHOW TABLE STATUS FROM `sakila` LIKE 'staff'\G
#    SHOW CREATE TABLE `sakila`.`staff`\G
# EXPLAIN /*!50100 PARTITIONS*/
select * from staff\G

# Query 3: 0 QPS, 0x concurrency, ID 0x8448FB2A9B6C65404DC60F7FC7E56F86 at byte 1596
# Scores: V/M = 0.00
# Time range: all events occurred at 2024-04-23T03:02:13
# Attribute    pct   total     min     max     avg     95%  stddev  median
# ============ === ======= ======= ======= ======= ======= ======= =======
# Count         11       1
# Exec time     10     3ms     3ms     3ms     3ms     3ms       0     3ms
# Lock time     60     2ms     2ms     2ms     2ms     2ms       0     2ms
# Rows sent      2       2       2       2       2       2       0       2
# Rows examine   0       2       2       2       2       2       0       2
# Query size     1      19      19      19      19      19       0      19
# String:
# Databases    sakila
# Hosts        localhost
# Users        root
# Query_time distribution
#   1us
#  10us
# 100us
#   1ms  ################################################################
#  10ms
# 100ms
#    1s
#  10s+
# Tables
#    SHOW TABLE STATUS FROM `sakila` LIKE 'store'\G
#    SHOW CREATE TABLE `sakila`.`store`\G
# EXPLAIN /*!50100 PARTITIONS*/
select * from store\G

# Query 4: 0 QPS, 0x concurrency, ID 0xCCAF11201C02BD2BF0A9CB7318D42C19 at byte 2012
# Scores: V/M = 0.00
# Time range: all events occurred at 2024-04-23T05:44:19
# Attribute    pct   total     min     max     avg     95%  stddev  median
# ============ === ======= ======= ======= ======= ======= ======= =======
# Count         11       1
# Exec time      6     2ms     2ms     2ms     2ms     2ms       0     2ms
# Lock time     11   409us   409us   409us   409us   409us       0   409us
# Rows sent      1       1       1       1       1       1       0       1
# Rows examine   0       4       4       4       4       4       0       4
# Query size    20     206     206     206     206     206       0     206
# String:
# Databases    sakila
# Hosts        localhost
# Users        root
# Query_time distribution
#   1us
#  10us
# 100us
#   1ms  ################################################################
#  10ms
# 100ms
#    1s
#  10s+
# Tables
#    SHOW TABLE STATUS FROM `mysql` LIKE 'user'\G
#    SHOW CREATE TABLE `mysql`.`user`\G
# EXPLAIN /*!50100 PARTITIONS*/
SELECT COUNT(*), SUM(user=""), SUM(authentication_string=""), SUM(authentication_string NOT LIKE "*%") FROM mysql.user WHERE account_locked <> "Y" AND password_expired <> "Y" AND authentication_string <> ""\G

# Query 5: 0.67 QPS, 0.00x concurrency, ID 0x9277183CCDDC5C9148701A8733C04373 at byte 0
# Scores: V/M = 0.00
# Time range: 2024-04-22T09:45:55 to 2024-04-22T09:45:58
# Attribute    pct   total     min     max     avg     95%  stddev  median
# ============ === ======= ======= ======= ======= ======= ======= =======
# Count         22       2
# Exec time      5     2ms   748us   761us   754us   761us     9us   754us
# Lock time      6   244us   103us   141us   122us   141us    26us   122us
# Rows sent     37      30      15      15      15      15       0      15
# Rows examine  46     626     312     314     313     314    1.41     313
# Query size    19     196      98      98      98      98       0      98
# String:
# Databases    sakila
# Hosts        192.168.56.1
# Users        root
# Query_time distribution
#   1us
#  10us
# 100us  ################################################################
#   1ms
#  10ms
# 100ms
#    1s
#  10s+
# Tables
#    SHOW TABLE STATUS FROM `INFORMATION_SCHEMA` LIKE 'PROFILING'\G
#    SHOW CREATE TABLE `INFORMATION_SCHEMA`.`PROFILING`\G
# EXPLAIN /*!50100 PARTITIONS*/
SELECT QUERY_ID, SUM(DURATION) AS SUM_DURATION FROM INFORMATION_SCHEMA.PROFILING GROUP BY QUERY_ID\G

# Query 6: 0.67 QPS, 0.00x concurrency, ID 0x733019F33E3027F6693EB59382A27420 at byte 489
# Scores: V/M = 0.00
# Time range: 2024-04-22T09:45:55 to 2024-04-22T09:45:58
# Attribute    pct   total     min     max     avg     95%  stddev  median
# ============ === ======= ======= ======= ======= ======= ======= =======
# Count         22       2
# Exec time      4     1ms   555us   594us   574us   594us    27us   574us
# Lock time      5   186us    78us   108us    93us   108us    21us    93us
# Rows sent     55      44      22      22      22      22       0      22
# Rows examine  48     656     327     329     328     329    1.41     328
# Query size    41     424     212     212     212     212       0     212
# String:
# Databases    sakila
# Hosts        192.168.56.1
# Users        root
# Query_time distribution
#   1us
#  10us
# 100us  ################################################################
#   1ms
#  10ms
# 100ms
#    1s
#  10s+
# Tables
#    SHOW TABLE STATUS FROM `INFORMATION_SCHEMA` LIKE 'PROFILING'\G
#    SHOW CREATE TABLE `INFORMATION_SCHEMA`.`PROFILING`\G
# EXPLAIN /*!50100 PARTITIONS*/
SELECT STATE AS `Status`, ROUND(SUM(DURATION),7) AS `Duration`, CONCAT(ROUND(SUM(DURATION)/0.001658*100,3), '') AS `Percentage` FROM INFORMATION_SCHEMA.PROFILING WHERE QUERY_ID=12 GROUP BY SEQ, STATE ORDER BY SEQ\G
[root@192 src]#

常见应用场景：

1、直接分析慢查询文件并输出结果

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

t-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

4.2.5、查找MySQL的从库同步状态

pt-slave-find --host=localhost --user=root --password=123456

4.2.6、查看MySQL的死锁信息

pt-deadlock-logger --user=root --password=123456 localhost

4.2.7、从慢查询日志中分析索引使用情况

pt-index-usage /usr/share/mysql/sql_log/mysql-slow.log --host=localhost --user=root --password=root@123

4.2.8、查看数据库表中重复的索引

pt-duplicate-key-checker --host=localhost --user=root --password=123456

4.2.9、查看MySQL不同配置文件的差异

pt-config-diff /etc/my.cnf /etc/my_master.cnf

4.2.10、pt-find 查找MySQL表

#查找数据库里大于2G的表
[root@192 src]# pt-find --user=root --password=root@123 --tablesize +2G

#查找10天前创建，MyISAM引擎的表：
[root@192 src]# pt-find --user=root --password=root@123 --ctime +1 --engine InnoDB

#查看表和索引大小并排序
[root@192 src]# pt-find --user=root --password=root@123 --printf "%T\t%D.%N\n" | sort -rn

4.2.11、pt-kill 使用

1、杀掉查询时间超过50的查询会话

info后可变条件如"select|SELECT|delete|DELETE|update|UPDATE"

pt-kill --host=localhost --port=3306 --user=root --password=root  --match-db='test'  --match-info "select|SELECT" --busy-time 50 --victims all --interval 10 --daemonize --kill --log=/tmp/pt_select_kill.log #加--print可只打印符合的进程#

2、杀掉来自某个IP的会话

pt-kill --host=localhost --port=3306 --user=root --password=root  --match-db='test'  --match-host "192.168.**.**" --busy-time 30 --victims all --interval 10 --daemonize --kill --log=/tmp/pt_select_kill.log

3、杀掉来自某个用户的会话

pt-kill --host=localhost --port=3306 --user=root --password=root  --match-db='test'  --match-user "u2" --busy-time 30 --victims all --interval 10 --daemonize --kill --log=/tmp/pt_select_kill.log

4、杀掉正在执行某个操作的会话

state后可变条件如Locked、login、copy to tmp table、Copying to tmp table、Copying to tmp table on disk、Creating tmp table、executing、Reading from net、Sending data、Sorting for order、Sorting result、Table lock、Updating

pt-kill --host=localhost --port=3306 --user=root --password=rootp  --match-db='test'  --match-command Query --match-state "Creating sort index"  --run-time 1 --busy-time 30 --victims all --interval 10 --daemonize --kill --log=/tmp/pt_select_kill.log

5、杀掉有query的进程

command后可变条件如Query、Sleep、Binlog Dump、Connect、Delayed insert、Execute、Fetch、Init DB、Kill、Prepare、Processlist、Quit、Reset stmt、Table Dump等

pt-kill --host=192.168.65.128 --port=3306 --user=root --password=rootpwd  --match-db='db222'  --match-command="Query" --busy-time 30 --victims all --interval 10 --daemonize --kill --log=/tmp/kill.log

4.2.12、参考文章

Percona 数据库工具包 - 知乎Percona Toolkit简称pt工具，是Percona公司开发用于管理MySQL、MongoDB 的工具，功能包括检查主从复制的数据一致性、检查重复索引、定位IO占用高的表文件、在线DDL等，DBA熟悉掌握后将极大提高工作效率。这些工具…https://zhuanlan.zhihu.com/p/395574271Percona-toolkit工具详解 - 简书1. pt工具安装 2. 常用工具使用介绍 pt-archiver 归档表 pt-osc pt-table-checksum pt-table-sync mysql死锁监测 ...https://www.jianshu.com/p/36ace5c2bc8b

5、问题SQL定位思路

5.1、查询次数多且每次查询占用时间长的sql

通常为pt-query-digest分析的前几个查询；该工具可以很清楚的看出每个SQL执行的次数及百分比等信息，执行的次数多，占比比较大的SQL

5.2、IO大的sql

注意pt-query-digest分析中的Rows examine项。扫描的行数越多，IO越大。

5.3、未命中的索引的SQL

注意pt-query-digest分析中的Rows examine 和Rows Send的对比。说明该SQL的索引命中率不高，对于这种SQL，我们要重点进行关注。

6、explain 查询分析

6.1、执行计划查询

SQL的执行计划侧面反映出了SQL的执行效率，具体执行方式如下所示：在执行的SQL前面加上explain关键词即可；

6.2、执行计划字段说明

id列数字越大越先执行，如果说数字一样大，那么就从上往下依次执行，id列为null的就表是这是一个结果集，不需要使用它来进行查询。
select_type列常见的有：
1. simple：表示不需要union操作或者不包含子查询的简单select查询。有连接查询时，外层的查询为simple，且只有一个
2. primary：一个需要union操作或者含有子查询的select，位于最外层的单位查询的select_type即为primary。且只有一个
3. union：union连接的两个select查询，第一个查询是dervied派生表，除了第一个表外，第二个以后的表select_type都是union
4. dependent union：与union一样，出现在union 或union all语句中，但是这个查询要受到外部查询的影响
5. union result：包含union的结果集，在union和union all语句中,因为它不需要参与查询，所以id字段为null
6. subquery：除了from子句中包含的子查询外，其他地方出现的子查询都可能是subquery
7. dependent subquery：与dependent union类似，表示这个subquery的查询要受到外部表查询的影响
8. derived：from字句中出现的子查询，也叫做派生表，其他数据库中可能叫做内联视图或嵌套select
table，显示的查询表名，如果查询使用了别名，那么这里显示的是别名，如果不涉及对数据表的操作，那么这显示为null，如果显示为尖括号括起来的<derived N>就表示这个是临时表，后边的N就是执行计划中的id，表示结果来自于这个查询产生。如果是尖括号括起来的<union M,N>，与<derived N>类似，也是一个临时表，表示这个结果来自于union查询的id为M,N的结果集。
type，次从好到差：system，const，eq_ref，ref，fulltext，ref_or_null，unique_subquery，index_subquery，range，index_merge，index，ALL，除了all之外，其他的type都可以使用到索引，除了index_merge之外，其他的type只可以用到一个索引
1. system：表中只有一行数据或者是空表，且只能用于myisam和memory表。如果是Innodb引擎表，type列在这个情况通常都是all或者index
2. const：使用唯一索引或者主键，返回记录一定是1行记录的等值where条件时，通常type是const。其他数据库也叫做唯一索引扫描
3. eq_ref：出现在要连接过个表的查询计划中，驱动表只返回一行数据，且这行数据是第二个表的主键或者唯一索引，且必须为not null，唯一索引和主键是多列时，只有所有的列都用作比较时才会出现eq_ref
4. ref：不像eq_ref那样要求连接顺序，也没有主键和唯一索引的要求，只要使用相等条件检索时就可能出现，常见与辅助索引的等值查找。或者多列主键、唯一索引中，使用第一个列之外的列作为等值查找也会出现，总之，返回数据不唯一的等值查找就可能出现。
5. fulltext：全文索引检索，要注意，全文索引的优先级很高，若全文索引和普通索引同时存在时，mysql不管代价，优先选择使用全文索引
6. ref_or_null：与ref方法类似，只是增加了null值的比较。实际用的不多。
7. unique_subquery：用于where中的in形式子查询，子查询返回不重复值唯一值
8. index_subquery：用于in形式子查询使用到了辅助索引或者in常数列表，子查询可能返回重复值，可以使用索引将子查询去重。
9. range：索引范围扫描，常见于使用>,<,is null,between ,in ,like等运算符的查询中。
10. index_merge：表示查询使用了两个以上的索引，最后取交集或者并集，常见and ，or的条件使用了不同的索引，官方排序这个在ref_or_null之后，但是实际上由于要读取所个索引，性能可能大部分时间都不如range
11. index：索引全表扫描，把索引从头到尾扫一遍，常见于使用索引列就可以处理不需要读取数据文件的查询、可以使用索引排序或者分组的查询。
12. all：这个就是全表扫描数据文件，然后再在server层进行过滤返回符合要求的记录。
possible_keys，查询可能使用到的索引都会在这里列出来
key，查询真正使用到的索引，select_type为index_merge时，这里可能出现两个以上的索引，其他的select_type这里只会出现一个。
key_len，用于处理查询的索引长度，如果是单列索引，那就整个索引长度算进去，如果是多列索引，那么查询不一定都能使用到所有的列，具体使用到了多少个列的索引，这里就会计算进去，没有使用到的列，这里不会计算进去。留意下这个列的值，算一下你的多列索引总长度就知道有没有使用到所有的列了。要注意，mysql的ICP特性使用到的索引不会计入其中。另外，key_len只计算where条件用到的索引长度，而排序和分组就算用到了索引，也不会计算到key_len中。
ref，如果是使用的常数等值查询，这里会显示const，如果是连接查询，被驱动表的执行计划这里会显示驱动表的关联字段，如果是条件使用了表达式或者函数，或者条件列发生了内部隐式转换，这里可能显示为func
rows，这里是执行计划中估算的扫描行数，不是精确值
extra，这个列可以显示的信息非常多，有几十种，常用的有
1. distinct：在select部分使用了distinc关键字
2. no tables used：不带from字句的查询或者From dual查询
3. 使用not in()形式子查询或not exists运算符的连接查询，这种叫做反连接。即，一般连接查询是先查询内表，再查询外表，反连接就是先查询外表，再查询内表。
4. using filesort：排序时无法使用到索引时，就会出现这个。常见于order by和group by语句中
5. using index：查询时不需要回表查询，直接通过索引就可以获取查询的数据。
6. using join buffer（block nested loop），using join buffer（batched key accss）：5.6.x之后的版本优化关联查询的BNL，BKA特性。主要是减少内表的循环数量以及比较顺序地扫描查询。
7. using sort_union，using_union，using intersect，using sort_intersection：
  
  using intersect：表示使用and的各个索引的条件时，该信息表示是从处理结果获取交集
  
  using union：表示使用or连接各个使用索引的条件时，该信息表示从处理结果获取并集
  
  using sort_union和using sort_intersection：与前面两个对应的类似，只是他们是出现在用and和or查询信息量大时，先查询主键，然后进行排序合并后，才能读取记录并返回。
8. using temporary：表示使用了临时表存储中间结果。临时表可以是内存临时表和磁盘临时表，执行计划中看不出来，需要查看status变量，used_tmp_table，used_tmp_disk_table才能看出来。
9. using where：表示存储引擎返回的记录并不是所有的都满足查询条件，需要在server层进行过滤。查询条件中分为限制条件和检查条件，5.6之前，存储引擎只能根据限制条件扫描数据并返回，然后server层根据检查条件进行过滤再返回真正符合查询的数据。5.6.x之后支持ICP特性，可以把检查条件也下推到存储引擎层，不符合检查条件和限制条件的数据，直接不读取，这样就大大减少了存储引擎扫描的记录数量。extra列显示using index condition
10. firstmatch(tb_name)：5.6.x开始引入的优化子查询的新特性之一，常见于where字句含有in()类型的子查询。如果内表的数据量比较大，就可能出现这个
11. loosescan(m..n)：5.6.x之后引入的优化子查询的新特性之一，在in()类型的子查询中，子查询返回的可能有重复记录时，就可能出现这个
filtered，使用explain extended时会出现这个列，5.7之后的版本默认就有这个字段，不需要使用explain extended了。这个字段表示存储引擎返回的数据在server层过滤后，剩下多少满足查询的记录数量的比例，注意是百分比，不是具体记录数

7、慢查询优化案例

7.1、函数Max() 的优化

-- 用途：查询最后支付时间-优化max（）函数
select max(payment_date) from payment;

-- 执行计划查看
explain select max(payment_date) from payment \G

可以看到显示的执行计划，并不是很高效，可以拖慢服务器的效率，如何优化了？可以通过创建索引来进行优化。索引是顺序操作的，不需要扫描表，执行效率就会比较恒定

-- 创建索引
create index inx_paydate on payment(payment_date);

7.2、函数Count() 优化

需求：在一条SQL中同时查处2006年和2007年电影的数量

错误的执行方式：

-- 方式一：
select count(release_year='2006' or release_year='2007') from film;

-- 方式二：
select count(*) from film where release_year='2006' or release_year='2007';

2006和2007年分别是多少，判断不出来。正确的编写方式应该如下所示：

select count(release_year='2006' or null) as '06films',count(release_year='2007' or null) as '07films' from film;

7.3、group by 优化

需求：每个演员所参演影片的数量-（影片表和演员表）

explain select actor.first_name,actor.last_name,count(*)
from sakila.film_actor
inner join sakila.actor using(actor_id)
group by film_actor.actor_id;

-- 优化后的
explain select actor.first_name,actor.last_name,c.cnt
from sakila.actor inner join (
select actor_id,count(*) as cnt from sakila.film_actor group by actor_id
)as c using(actor_id);

从上面的执行计划来看，这种优化后的方式没有使用临时文件和文件排序的方式了，取而代之的是使用了索引。查询效率老高了。

1、mysql 中using关键词的作用：也就是说要使用using,那么表a和表b必须要有相同的列。

2、在用Join进行多表联合查询时，我们通常使用On来建立两个表的关系。其实还有一个更方便的关键字，那就是Using。

3、如果两个表的关联字段名是一样的，就可以使用Using来建立关系，简洁明了。

7.4、Limit 查询优化

Limit常用于分页处理，时长会伴随order by从句使用，因此大多时候回使用Filesorts这样会造成大量的IO问题。

需求：查询影片id和描述信息，并根据主题进行排序，取出从序号50条开始的5条数据。

select film_id,description from sakila.film order by title limit 50,5;

对于这种操作，我们该用什么样的优化方式了？

优化步骤1：

使用有索引的列或主键进行order by操作，因为大家知道，innodb是按照主键的逻辑顺序进行排序的。可以避免很多的IO操作。

select film_id,description from sakila.film order by film_id limit 50,5;

此时看似没啥问题，但是随着翻页越往后问题就出现了：

随着我们翻页越往后，IO操作会越来越大的，如果一个表有几千万行数据，翻页越后面，会越来越慢，因此我们要进一步的来优化。

优化步骤2：

记录上次返回的主键，在下次查询时使用主键过滤。（说明：避免了数据量大时扫描过多的记录）上次limit是50,5的操作，因此我们在这次优化过程需要使用上次的索引记录值

select film_id,description from sakila.film  where film_id >55 and film_id<=60 order by film_id limit 1,5;

结论：扫描行数不变，执行计划是很固定，效率也是很固定的

注意事项：

主键要顺序排序并连续的，如果主键中间空缺了某一列，或者某几列，会出现列出数据不足5行的数据；如果不连续的情况，建立一个附加的列index_id列，保证这一列数据要自增的，并添加索引即可。

7.5、索引的优化

7.5.1、如何创建索引

在执行CREATE TABLE语句时可以创建索引，也可以单独用CREATE INDEX或ALTER TABLE来为表增加索引。

1、ALTER TABLE

ALTER TABLE用来创建普通索引、UNIQUE索引或PRIMARY KEY索引。

ALTER TABLE table_name ADD INDEX index_name (column_list)
- ALTER TABLE table_name ADD UNIQUE (column_list)
  - ALTER TABLE table_name ADD PRIMARY KEY (column_list)

说明：其中table_name是要增加索引的表名，column_list指出对哪些列进行索引，多列时各列之间用逗号分隔。索引名index_name可选，缺省时，MySQL将根据第一个索引列赋一个名称。另外，ALTER TABLE允许在单个语句中更改多个表，因此可以在同时创建多个索引。

2、CREATE INDEX

CREATE INDEX可对表增加普通索引或UNIQUE索引。

CREATE INDEX index_name ON table_name (column_list)
CREATE UNIQUE INDEX index_name ON table_name (column_list)

说明：table_name、index_name和column_list具有与ALTER TABLE语句中相同的含义，索引名不可选。另外，不能用CREATE INDEX语句创建PRIMARY KEY索引。

3、索引类型

在创建索引时，可以规定索引能否包含重复值。如果不包含，则索引应该创建为PRIMARY KEY或UNIQUE索引。对于单列惟一性索引，这保证单列不包含重复的值。对于多列惟一性索引，保证多个值的组合不重复。

PRIMARY KEY索引和UNIQUE索引非常类似。

事实上，PRIMARY KEY索引仅是一个具有名称PRIMARY的UNIQUE索引。这表示一个表只能包含一个PRIMARY KEY，因为一个表中不可能具有两个同名的索引。下面的SQL语句对students表在sid上添加PRIMARY KEY索引。

ALTER TABLE students ADD PRIMARY KEY (sid)

4、删除索引

可利用ALTER TABLE或DROP INDEX语句来删除索引。类似于CREATE INDEX语句，DROP INDEX可以在ALTER TABLE内部作为一条语句处理，语法如下。

DROP INDEX index_name ON talbe_name

ALTER TABLE table_name DROP INDEX index_name
ALTER TABLE table_name DROP PRIMARY KEY

其中，前两条语句是等价的，删除掉table_name中的索引index_name。第3条语句只在删除PRIMARY KEY索引时使用，因为一个表只可能有一个PRIMARY KEY索引，因此不需要指定索引名。如果没有创建PRIMARY KEY索引，但表具有一个或多个UNIQUE索引，则MySQL将删除第一个UNIQUE索引。

如果从表中删除了某列，则索引会受到影响。对于多列组合的索引，如果删除其中的某列，则该列也会从索引中删除。如果删除组成索引的所有列，则整个索引将被删除。

5、查看索引

mysql> show index from tblname;

mysql> show keys from tblname;

6、哪些情况使用了索引？

表的主关键字
自动建立唯一索引
表的字段唯一约束
直接条件查询的字段（在SQL中用于条件约束的字段）
查询中与其它表关联的字段
查询中排序的字段（排序的字段如果通过索引去访问那将大大提高排序速度）
查询中统计或分组统计的字段
表记录太少（如果一个表只有5条记录，采用索引去访问记录的话，那首先需访问索引表，再通过索引表访问数据表，一般索引表与数据表不在同一个数据块）
经常插入、删除、修改的表（对一些经常处理的业务表应在查询允许的情况下尽量减少索引）
数据重复且分布平均的表字段（假如一个表有10万行记录，有一个字段A只有T和F两种值，且每个值的分布概率大约为50%，那么对这种表A字段建索引一般不会提高数据库的查询速度。）
经常和主字段一块查询但主字段索引值比较多的表字段
对千万级MySQL数据库建立索引的事项及提高性能的手段

7.6、如何选择合适的列创建索引？

在where从句，group by从句，order by从句，on从句中的列添加索引
索引字段越小越好（因为数据库数据存储单位是以“页”为单位的，数据存储的越多，IO也会越大）
离散度大的列放到联合索引的前面

-- 示例
select * from payment where staff_id =2 and customer_id =584;

这里创建索引时，是index（staff_id，customer_id）好，还是index（customer_id，staff_id）好。那我们怎么进行验证离散度好了？

A、我们先查看一下表结构

B、分别查看这两个字段中不同的id的数量，数量越多，则表明离散程度越大：因此可以通过下图看出：customer_id 离散程度大。

结论：由于customer_id 离散程度大，使用index（customer_id

码农公寓