版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/a12345678n/article/details/81983951
一、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SHOWPROCESSLIST或者通过tcpdump抓取的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。
二、安装pt-query-digest
源码安装：
cd /usr/local/src
wget percona.com/get/percona-toolkit.tar.gz
tar zxf percona-toolkit.tar.gz
cd percona-toolkit-2.2.19
perl Makefile.PL PREFIX=/usr/local/percona-toolkit
make && make install注意需要安装相关模块，不然会报错，编译不通过：
yum install perl-ExtUtils-CBuilder perl-ExtUtils-MakeMaker
yum install perl-DBD-MySQL -y
yum -y install perl-Digest-MD54.各工具用法简介
详细的一些使用，可以参考这个网站：https://www.percona.com/doc/percona-toolkit/2.2/index.html
(1)慢查询日志分析统计
pt-query-digest /usr/local/mysql/data/slow.log
(2)服务器摘要
pt-summary
(3)服务器磁盘监测
pt-diskstats
(4)mysql服务状态摘要
pt-mysql-summary -- --user=root --password=root 三、pt-query-digest语法及重要选项
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。四、分析pt-query-digest输出结果
第一部分：总体统计结果
Overall：总共有多少条查询
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
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
# 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
# 340ms user time, 140ms system time, 23.99M rss, 203.11M vsz
# 工具执行时间
# Current date: Fri Nov 25 02:37:18 2016
# 运行分析工具的主机名
# Hostname: localhost.localdomain
# 被分析的文件名
# Files: slow.log
# 语句总数量，唯一的语句数量，QPS，并发数
# Overall: 2 total, 2 unique, 0.01 QPS, 0.01x concurrency ________________
# 日志记录的时间范围
# Time range: 2016-11-22 06:06:18 to 06:11:40
# 属性 总计 最小 最大 平均 95% 标准 中等
# Attribute total min max avg 95% stddev median
# ============ ======= ======= ======= ======= ======= ======= =======
# 语句执行时间
# Exec time 3s 640ms 2s 1s 2s 999ms 1s
# 锁占用时间
# Lock time 1ms 0 1ms 723us 1ms 1ms 723us
# 发送到客户端的行数
# Rows sent 5 1 4 2.50 4 2.12 2.50
# select语句扫描行数
# Rows examine 186.17k 0 186.17k 93.09k 186.17k 131.64k 93.09k
# 查询的字符数
# Query size 455 15 440 227.50 440 300.52 227.50第二部分：查询分组统计结果
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：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
V/M：响应时间Variance-to-mean的比率
Item：查询对象
# Profile
# Rank Query ID Response time Calls R/Call V/M
# ==== ============================== =============== ===== ======= =====
# 1 0xA4E5E34137E92EC2EC0A1F739... 1147.5212 20.8% 456 2.5165 2.10 SELECT tb_cust_coupon tb_coupon tb_coupon_merchandise_limit
# 2 0x763D70B75B55A563389014B19... 1134.8463 20.5% 595 1.9073 0.19 SELECT tb_coupon tb_cust_coupon tb_coupon_merchandise_limit第三部分：每一种查询的详细统计结果
由下面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。
ID：查询的ID号，和上图的Query ID对应
Databases：数据库名
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1s-10s之间查询数量是10s以上的两倍。
Tables：查询中涉及到的表
Explain：SQL语句
# Query 1: 0.38 QPS, 0.96x concurrency, ID 0xA4E5E34137E92EC2EC0A1F73957D42EB at byte 64161199
# This item is included in the report because it matches --limit.
# Scores: V/M = 2.10
# Time range: 2018-08-23 16:00:02 to 16:19:58
# Attribute pct total min max avg 95% stddev median
# ============ === ======= ======= ======= ======= ======= ======= =======
# Count 13 456
# Exec time 20 1148s 571ms 18s 3s 7s 2s 2s
# Lock time 21 130ms 127us 8ms 285us 424us 378us 247us
# Rows sent 0 47 0 1 0.10 0.99 0.30 0
# Rows examine 6 384.28M 615.12k 1.71M 862.94k 1.69M 357.88k 650.62k
# Rows affecte 0 0 0 0 0 0 0 0
# Bytes sent 5 672.95k 1.46k 1.66k 1.48k 1.61k 68.29 1.39k
# Query size 22 784.64k 1.72k 1.72k 1.72k 1.72k 0 1.72k
# String:
# Databases b2b5
# Hosts 192.168.22.20
# Last errno 0
# Users b2b_product
# Query_time distribution
# 1us
# 10us
# 100us
# 1ms
# 10ms
# 100ms ###########
# 1s ################################################################
# 10s+ #
# Tables
# SHOW TABLE STATUS FROM `b2b5` LIKE 'tb_cust_coupon'\G
# SHOW CREATE TABLE `b2b5`.`tb_cust_coupon`\G
# SHOW TABLE STATUS FROM `b2b5` LIKE 'tb_coupon'\G
# SHOW CREATE TABLE `b2b5`.`tb_coupon`\G
# SHOW TABLE STATUS FROM `b2b5` LIKE 'tb_coupon_merchandise_limit'\G
# SHOW CREATE TABLE `b2b5`.`tb_coupon_merchandise_limit`\G
# EXPLAIN /*!50100 PARTITIONS*/
select
co.cust_COUPON_ID,co.branch_id,co.cust_id,co.coupon_id,co.cust_coupon_status,co.take_time,c.use_time_set_type,
c.dynamic_user_time,c.take_start_time,c.take_end_time,
c.coupon_name,c.coupon_denomination,c.coupon_condition,c.coupon_circulation,ifnull(c.use_start_time,co.take_time) as USE_START_TIME,
ifnull(c.use_end_time,date_add(co.take_time, interval ifnull(c.DYNAMIC_USER_TIME,0) day)) as USE_END_TIME,
c.COUPON_TYPE,c.DISCOUNT_VALUE,c.MOST_DISCOUNT,c.MERCHANDISE_LIMIT_TYPE,ifnull(tcml.num,0) as MERLIMITNUM,
case when (co.cust_coupon_status=0 and ifnull(c.use_end_time,date_add(co.take_time, interval ifnull(c.DYNAMIC_USER_TIME,0) day)) >= date_add(sysdate(), interval 0 day) ) then 0
when(co.cust_coupon_status=0 and ifnull(c.use_end_time,date_add(co.take_time, interval ifnull(c.DYNAMIC_USER_TIME,0) day)) < date_add(sysdate(), interval 0 day) and ifnull(c.use_end_time,date_add(co.take_time, interval ifnull(c.DYNAMIC_USER_TIME,0) day)) >= sysdate()) then 3
when (co.cust_coupon_status=1) then 1
when (co.cust_coupon_status=5) then 5
else 2 end as couponUseStatus
from tb_cust_coupon co
join tb_coupon c on co.branch_id = c.branch_id and co.coupon_id=c.coupon_id
left join (select COUPON_ID,count(1) as num from tb_coupon_merchandise_limit where branch_id = 'FDW' AND fullMoney != 1 group by coupon_id ) tcml on c.coupon_id=tcml.coupon_id
WHERE co.branch_id = 'FDW'
and datediff(sysdate(),ifnull(c.use_end_time,date_add(co.take_time, interval ifnull(c.DYNAMIC_USER_TIME,0) day))) <= 90
and co.link_main_order='DM_20180823_006711'
order by co.take_time desc\G
# Query 2: 0.50 QPS, 0.95x concurrency, ID 0x763D70B75B55A563389014B19F5D2120 at byte 62451498五、用法示例
1.直接分析慢查询文件:
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
pt-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
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general log
pt-query-digest --type=genlog localhost.log > slow_report11.log