【MySQL】A01、性能优化-语句分析

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.         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

  1. 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。

  2. 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

  3. 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。

  4. 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。

  5. possible_keys,查询可能使用到的索引都会在这里列出来

  6. 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。

  7. 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。

  8. 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

  9. rows,这里是执行计划中估算的扫描行数,不是精确值

  10. 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

  11. 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。

1mysql 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。

1ALTER 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?

  1. 表的主关键字

  2. 自动建立唯一索引

  3. 表的字段唯一约束

  4. 直接条件查询的字段(在SQL中用于条件约束的字段)

  5. 查询中与其它表关联的字段

  6. 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)

  7. 查询中统计或分组统计的字段

  8. 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)

  9. 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)

  10. 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。)

  11. 经常和主字段一块查询但主字段索引值比较多的表字段

  12. 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?

  1. 在where从句,group by从句,order by从句,on从句中的列添加索引

  2. 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)

  3. 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_idcustomer_id)好,还是index(customer_idstaff_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

上一篇:本地环境运行Llama 3大型模型:可行性与实践指南


下一篇:《HCIP-openEuler实验指导手册》1.3Apache动态功能模块加载卸载练习-1.3.2 配置步骤