一、簡介
pt-query-digest是用於分析mysql慢查詢的一個工具，它可以分析binlog、General log、slowlog，也可以通過SHOWPROCESSLIST或者通過tcpdump抓取的MySQL協議數據來進行分析。可以把分析結果輸出到文件中，分析過程是先對查詢語句的條件進行參數化，然后對參數化以后的查詢進行分組統計，統計出各查詢的執行時間、次數、占比等，可以借助分析結果找出問題進行優化。
二、安裝pt-query-digest
1.下載頁面：https://www.percona.com/doc/percona-toolkit/2.2/installation.html
2.perl的模塊
源碼安裝
1 cd /mysql 2 wget percona.com/get/percona-toolkit.tar.gz 3 tar zxf percona-toolkit.tar.gz 4 cd percona-toolkit-3.1.0 5 make && make install
工具安裝目錄在：/mysql/percona-toolkit/bin
4.各工具用法簡介（詳細內容：https://www.percona.com/doc/percona-toolkit/2.2/index.html）
(1)慢查詢日志分析統計
1 cd /mysql/percona-toolkit/bin 2 ./pt-query-digest /mysqldata/mysqlslowlog/slowquery.log
(2)服務器摘要
1 ./pt-summary
三、pt-query-digest語法及重要選項
pt-query-digest [OPTIONS] [FILES] [DSN]
--create-review-table 當使用--review參數把分析結果輸出到表中時，如果沒有表就自動創建。
--create-history-table 當使用--history參數把分析結果輸出到表中時，如果沒有表就自動創建。
--filter 對輸入的慢查詢按指定的字符串進行匹配過濾后再進行分析
--limit 限制輸出結果百分比或數量，默認值是20,即將最慢的20條語句輸出，如果是50%則按總響應時間占比從大到小排序，輸出到總和達到50%位置截止。
--host mysql服務器地址
--user mysql用戶名
--password mysql用戶密碼
--history 將分析結果保存到表中，分析結果比較詳細，下次再使用--history時，如果存在相同的語句，且查詢所在的時間區間和歷史表中的不同，則會記錄到數據表中，可以通過查詢同一CHECKSUM來比較某類型查詢的歷史變化。
--review 將分析結果保存到表中，這個分析只是對查詢條件進行參數化，一個類型的查詢一條記錄，比較簡單。當下次使用--review時，如果存在相同的語句分析，就不會記錄到數據表中。
--output 分析結果輸出類型，值可以是report(標准分析報告)、slowlog(Mysql slow log)、json、json-anon，一般使用report，以便於閱讀。
--since 從什么時間開始分析，值為字符串，可以是指定的某個”yyyy-mm-dd [hh:mm:ss]”格式的時間點，也可以是簡單的一個時間值：s(秒)、h(小時)、m(分鍾)、d(天)，如12h就表示從12小時前開始統計。
--until 截止時間，配合—since可以分析一段時間內的慢查詢。
四、分析pt-query-digest輸出結果
第一部分：總體統計結果
Overall：總共有多少條查詢
Time range：查詢執行的時間范圍
unique：唯一查詢數量，即對查詢條件進行參數化以后，總共有多少個不同的查詢
total：總計 min：最小 max：最大 avg：平均
95%：把所有值從小到大排列，位置位於95%的那個數，這個數一般最具有參考價值
median：中位數，把所有值從小到大排列，位置位於中間那個數
# 該工具執行日志分析的用戶時間，系統時間，物理內存占用大小，虛擬內存占用大小
# 340ms user time, 140ms system time, 23.99M rss, 203.11M vsz
# 工具執行時間
# Current date: Fri Nov 25 02:37:18 2016
# 運行分析工具的主機名
# Hostname: localhost.localdomain
# 被分析的文件名
# Files: slow.log
# 語句總數量，唯一的語句數量，QPS，並發數
# Overall: 2 total, 2 unique, 0.01 QPS, 0.01x concurrency ________________
# 日志記錄的時間范圍
# Time range: 2016-11-22 06:06:18 to 06:11:40
# 屬性 總計 最小 最大 平均 95% 標准 中等
# Attribute total min max avg 95% stddev median
# ============ ======= ======= ======= ======= ======= ======= =======
# 語句執行時間
# Exec time 3s 640ms 2s 1s 2s 999ms 1s
# 鎖占用時間
# Lock time 1ms 0 1ms 723us 1ms 1ms 723us
# 發送到客戶端的行數
# Rows sent 5 1 4 2.50 4 2.12 2.50
# select語句掃描行數
# Rows examine 186.17k 0 186.17k 93.09k 186.17k 131.64k 93.09k
# 查詢的字符數
# Query size 455 15 440 227.50 440 300.52 227.50
第二部分：查詢分組統計結果
Rank：所有語句的排名，默認按查詢時間降序排列，通過--order-by指定
Query ID：語句的ID，（去掉多余空格和文本字符，計算hash值）
Response：總的響應時間
time：該查詢在本次分析中總的時間占比
calls：執行次數，即本次分析總共有多少條這種類型的查詢語句
R/Call：平均每次執行的響應時間
V/M：響應時間Variance-to-mean的比率
Item：查詢對象
# Profile
# Rank Query ID Response time Calls R/Call V/M Item
# ==== ================== ============= ===== ====== ===== ===============
# 1 0xF9A57DD5A41825CA 2.0529 76.2% 1 2.0529 0.00 SELECT
# 2 0x4194D8F83F4F9365 0.6401 23.8% 1 0.6401 0.00 SELECT wx_member_base
第三部分：每一種查詢的詳細統計結果
由下面查詢的詳細統計結果，最上面的表格列出了執行次數、最大、最小、平均、95%等各項目的統計。
ID：查詢的ID號，和上圖的Query ID對應
Databases：數據庫名
Users：各個用戶執行的次數（占比）
Query_time distribution ：查詢時間分布, 長短體現區間占比，本例中1s-10s之間查詢數量是10s以上的兩倍。
Tables：查詢中涉及到的表
Explain：SQL語句
1 # Query 1: 0 QPS, 0x concurrency, ID 0xF9A57DD5A41825CA at byte 802 ______ 2 # This item is included in the report because it matches --limit. 3 # Scores: V/M = 0.00 4 # Time range: all events occurred at 2016-11-22 06:11:40 5 # Attribute pct total min max avg 95% stddev median 6 # ============ === ======= ======= ======= ======= ======= ======= ======= 7 # Count 50 1 8 # Exec time 76 2s 2s 2s 2s 2s 0 2s 9 # Lock time 0 0 0 0 0 0 0 0 10 # Rows sent 20 1 1 1 1 1 0 1 11 # Rows examine 0 0 0 0 0 0 0 0 12 # Query size 3 15 15 15 15 15 0 15 13 # String: 14 # Databases test 15 # Hosts 192.168.8.1 16 # Users mysql 17 # Query_time distribution 18 # 1us 19 # 10us 20 # 100us 21 # 1ms 22 # 10ms 23 # 100ms 24 # 1s ################################################################ 25 # 10s+ 26 # EXPLAIN /*!50100 PARTITIONS*/ 27 select sleep(2)\G
五、用法示例
1.直接分析慢查詢文件:
1 pt-query-digest slow.log > slow_report.log
2.分析最近12小時內的查詢：
1 pt-query-digest --since=12h slow.log > slow_report2.log
3.分析指定時間范圍內的查詢：
1 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語句的慢查詢
1 pt-query-digest --filter '$event->{fingerprint} =~ m/^select/i' slow.log> slow_report4.log
5.針對某個用戶的慢查詢
1 pt-query-digest --filter '($event->{user} || "") =~ m/^root/i' slow.log> slow_report5.log
6.查詢所有所有的全表掃描或full join的慢查詢
1 pt-query-digest --filter '(($event->{Full_scan} || "") eq "yes") ||(($event->{Full_join} || "") eq "yes")' slow.log> slow_report6.log
7.把查詢保存到query_review表
1 pt-query-digest --user=root –password=abc123 --review h=localhost,D=test,t=query_review--create-review-table slow.log
8.把查詢保存到query_history表
1 pt-query-digest --user=root –password=abc123 --review h=localhost,D=test,t=query_history--create-review-table slow.log_0001 2 pt-query-digest --user=root –password=abc123 --review h=localhost,D=test,t=query_history--create-review-table slow.log_0002
9.通過tcpdump抓取mysql的tcp協議數據，然后再分析
1 tcpdump -s 65535 -x -nn -q -tttt -i any -c 1000 port 3306 > mysql.tcp.txt 2 pt-query-digest --type tcpdump mysql.tcp.txt> slow_report9.log
10.分析binlog
1 mysqlbinlog mysql-bin.000093 > mysql-bin000093.sql 2 pt-query-digest --type=binlog mysql-bin000093.sql > slow_report10.log
11.分析general log
1 pt-query-digest --type=genlog localhost.log > slow_report11.log