pt-query-digest 工具使用分析

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抓取的MySQL协议数据来进行分析.

 

下载：

pt-query-digest是一个perl脚本，只需下载并赋权即可执行。

wget percona.com/get/pt-query-digest

chmod u+x pt-query-digest

 

使用参数：

--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.

--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，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。

 

用法：

直接分析慢查询文件：

pt-query-digest slow.log > slow20170803.log

 

分析最近1小时内的查询：

pt-query-digest --since=1h slow.log > 1slow.log

 

分析指定时间范围内的查询：

pt-query-digest slow.log --since '2017-08-03 15:30:00' --until '2017-08-04 10:30:00' > slow83-84.log

 

分析指含有select语句的慢查询：

pt-query-digest --filter '$event->{fingerprint} =~ m/^select/i' slow.log > slow4.log

 

针对某个用户的慢查询：

pt-query-digest --filter '($event->{user} || "") =~ m/^admin/i' slow.log > slow5.log

 

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> slow6.log

 

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

 

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

 

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

 

分析binlog：

mysqlbinlog mysql-bin.000001 > mysql-bin000001.sql

pt-query-digest --type=binlog mysql-bin000001.sql > slow10.log

 

分析general log：

pt-query-digest --type=genlog localhost.log > slow11.log

 

 

总体统计结果：

# 3.5s user time, 60ms system time, 28.96M rss, 209.24M vsz 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

# Current date: Thu Aug 3 16:24:12 2017 工具执行时间

# Hostname: Test_Server1 运行分析工具的主机名

# Files: slow.log 被分析的文件名

# Overall: 2.92k total, 190 unique, 0.81 QPS, 44.91x concurrency _________

total：语句总数量

unique：唯一的语句数量：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，

QPS

并发数

# Time range: 2017-08-03 15:24:14 to 16:24:11 日志记录的时间范围

# Attribute total min max avg 95% stddev median

属性 总计 最小 最大 平均 95% 标准 中等

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

# Exec time 161525s 10s 485s 55s 151s 53s 35s 语句执行时间

# Lock time 1115s 17us 121s 382ms 1ms 6s 247us 锁占用时间

# Rows sent 51.71k 0 23.25k 18.13 0.99 602.10 0 发送到客户端的行数

# Rows examine 2.96G 0 51.26M 1.04M 4.93M 4.87M 0 select语句扫描行数

# Rows affecte 19.70M 0 1.64M 6.91k 0 105.18k 0

# Bytes sent 4.15M 0 1.50M 1.46k 1.78k 39.02k 72.65

# Query size 1.62M 15 5.17k 582.83 3.19k 872.43 202.40 查询的字符数

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：

# Profile

# Rank Query ID Response time Calls R/Call V/M Item

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 time：响应时间，占所有响应时间的百分比

Calls：查询执行次数

R/Call：平均响应时间

V/M：响应时间Variance-to-mean的比率

Item：查询语句一部分

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

# 1 0xF2F12348E0AAA2EE 9505.5255 5.9% 152 62.5364 46.28 SELECT s?.T? flb.t_user_icon S?.T? s?.T?

# 2 0x6CBF4855F6B63A3F 9432.3847 5.8% 46 205.0518 84.11 SELECT UNION S?.T?

# 3 0xD5EB4DCA5163EAF0 8125.6776 5.0% 150 54.1712 36.01 SELECT s?.t?

# 4 0xED7158FAD1CD1ADC 7723.8205 4.8% 162 47.6779 32.82 SELECT UNION s?.t? flb.t_user_plan

# 5 0xB3C258C1D1E1E94F 7443.5447 4.6% 136 54.7319 30.79 UPDATE flb.t_invest_plan

...

 

每一种查询的详细统计结果：

# Query 1: 0.11 QPS, 7.19x concurrency, ID 0xF2F12348E0AAA2EE at byte 6125794

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

# Scores: V/M = 46.28

# Time range: 2017-08-03 16:00:25 to 16:22:27

# Attribute pct total min max avg 95% stddev median

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

# Count 5 152

# Exec time 5 9506s 10s 325s 63s 175s 54s 47s

# Lock time 0 79ms 222us 1ms 521us 761us 128us 490us

# Rows sent 0 47 0 1 0.31 0.99 0.46 0

# Rows examine 0 250.78k 0 5.83k 1.65k 5.73k 2.58k 0

# Rows affecte 0 0 0 0 0 0 0 0

# Bytes sent 1 81.30k 44 1.52k 547.70 1.39k 639.84 42.48

# Query size 11 183.13k 1.20k 1.21k 1.20k 1.20k 6.50 1.20k

# String:

# Databases S62 (50/32%), s50 (33/21%), flb (26/17%)... 6 more 库名

# Hosts

# Users develop 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。

# 1us

# 10us

# 100us

# 1ms

# 10ms

# 100ms

# 1s

# 10s+ ################################################################

# Tables 查询中涉及到的表

# SHOW TABLE STATUS FROM `s61` LIKE 'T6110'\G

# SHOW CREATE TABLE `s61`.`T6110`\G

# SHOW TABLE STATUS FROM `flb` LIKE 't_user_icon'\G

# SHOW CREATE TABLE `flb`.`t_user_icon`\G

# SHOW TABLE STATUS FROM `S61` LIKE 'T6101'\G

# SHOW CREATE TABLE `S61`.`T6101`\G

# SHOW TABLE STATUS FROM `S61` LIKE 'T6118'\G

# SHOW CREATE TABLE `S61`.`T6118`\G

# SHOW TABLE STATUS FROM `S61` LIKE 'T6114'\G

# SHOW CREATE TABLE `S61`.`T6114`\G

# SHOW TABLE STATUS FROM `s50` LIKE 'T5020'\G

# SHOW CREATE TABLE `s50`.`T5020`\G

# SHOW TABLE STATUS FROM `s61` LIKE 'T6141'\G

# SHOW CREATE TABLE `s61`.`T6141`\G

# EXPLAIN /*!50100 PARTITIONS*/ 示例

SELECT

...