Mysql慢查询日志以及优化

　　慢查询日志设置

　　当语句执行时间较长时，通过日志的方式进行记录，这种方式就是慢查询的日志。

　　1、临时开启慢查询日志(如果需要长时间开启，则需要更改mysql配置文件)

　　set global slow_query_log = on;

　　注：如果想关闭慢查询日志，只需要执行 set global slow_query_log = off; 即可

　　2、临时设置慢查询时间临界点 查询时间高于这个临界点的都会被记录到慢查询日志中(如果需要长时间开启，则需要更改mysql配置文件)。

　　set long_query_time = 1;

　　现在起，所有执行时间超过1秒的sql都将被记录到慢查询文件中(我这里就是 /data/mysql/mysql-slow.log)。

　　3、设置慢查询存储的方式

　　set globle log_output = file;

　　说明: 可以看到,我这里设置为了file,就是说我的慢查询日志是通过file体现的,默认是none,我们可以设置为table或者file,如果是table则慢查询信息会保存到mysql库下的slow_log表中

　　4、查询慢查询日志的开启状态和慢查询日志储存的位置

　　show variables like '%quer%';

　　参数说明:

　　slow_query_log : 是否已经开启慢查询

　　slow_query_log_file : 慢查询日志文件路径

　　long_query_time : 超过多少秒的查询就写入日志

　　log_queries_not_using_indexes 如果值设置为ON，则会记录所有没有利用索引的查询(性能优化时开启此项,平时不要开启)

　　5、使用慢查询日志示例

　　cat -n /data/mysql/mysql-slow.log

　　从慢查询日志中，我们可以看到每一条查询时间高于1s钟的sql语句，并可以看到执行的时间是多少。

　　6、永久设置慢查询日志开启，以及设置慢查询日志时间临界点

　　linux中，mysql配置文件一般默认在 /etc/my.cnf

　　更改对应参数即可。

　　对慢查询日志进行分析

　　我们通过查看慢查询日志可以发现，很乱，数据量大的时候，可能一天会产生几个G的日志，根本没有办法去清晰明了的分析。所以，这里，我们采用工具进行分析。

　　1、使用mysqldumpslow进行分析【第一种方式】

　　mysqldumpslow是mysql安装后就自带的工具，用于分析慢查询日志，下面是一个简单的例子：

　　mysqldumpslow -t 10 /data/mysql/mysql-slow.log #显示出慢查询日志中最慢的10条sql

　　2、使用pt-query-digest工具进行分析

　　pt-query-digest不是mysql自带的，如果想使用pt-query-digest进行慢查询日志的分析，则需要自己安装pt-query-digest。pt-query-digest工具相较于mysqldumpslow功能多一点。

　　(1)安装

　　yum install perl-DBI

　　yum install perl-DBD-MySQL

　　yum install perl-Time-HiRes

　　yum install perl-IO-Socket-SSL

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

　　chmod u+x pt-query-digest

　　mv pt-query-digest /usr/bin/

　　(2)查看具体参数作用

　　pt-query-digest --help

　　(3)使用

　　pt-query-digest /data/mysql/mysql-slow.log

　　查询出来的结果分为三部分

　　第一部分：

　　显示出了日志的时间范围，以及总的sql数量和不同的sql数量。

　　第二部分：

　　显示出统计信息。

　　第三部分：

　　每一个sql具体的分析

　　pct是percent的简写，表示占的百分比

　　cout是占总sql个数的百分比，exec time 是占总执行时间的百分比，lock time 表示占总的锁表时间的百分比。

　　(4)如何通过pt-query-digest 慢查询日志发现有问题的sql

　　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

　　2)IO消耗大的sql

　　注意pt-query-digest分析中的Rows examine项

　　3)为命中索引的sql

　　注意pt-query-digest分析中Rows examine(扫描行数) 和 Rows sent (发送行数)的对比 ，如果扫描行数远远大于发送行数，则说明索引命中率并不高。

　　mysql优化

　　1、使用explain查询sql的执行计划

　　explain select comic_id,name,pen_name,cover,last_verify_time from comic;

　　参数分析：无锡人流多少钱 http://wapyyk.39.net/wx/zonghe/fc96e.html/

　　table：表示属于哪张数据表

　　type：最重要的参数，表示连接使用了何种类型。从最好到最差的连接类型为const，eq_reg，ref，range，index和ALL。

　　possible_keys：显示可能应用在这张表中的索引。如果为null，则表示没有可能的索引。

　　key：实际使用的索引。如果为null，则表示没有使用索引。

　　key_len：使用的索引的长度，在不损失精确性的情况下，长度越短越好。

　　ref：表示索引的哪一列被使用了，如果可能的话，是一个常数。

　　rows：Mysql认为必须检查的用来返回请求数据的行数。

　　2、count() 和 Max() 的优化方法

　　(1)优化前，是没有为last_update_time字段建立索引的情况，查询最大的时间戳

　　(2)优化后，是为last_update_time字段建立索引的情况，查询最大的时间戳

　　create index update_time on comic(last_update_time);

　　对比，可以看到，在没有为字段建立索引的情况下，查询时间是11秒多，建立索引之后，查询时间变成0秒了。

　　所以总结就是，如果经常用于count和max操作的字段，可以为其添加索引。

　　还有，值得注意的地方是：count() 计算时，count(*)会将这一列中的null值但也算进去，而count(comic_id)则不会将null算进去。

　　3、子查询的优化

　　通常情况下，需要把子查询优化为join查询，但在优化时要注意关联键是否有一对多的关系，如果有，是可能会出现重复数据的。所以如果存在一对多关系，则应该使用distinct进行限制。

　　例如：

　　select t.id from t where t.id in (select k.kid from k);

　　优化成：

　　select distinct t.id from t join k on t.id = k.kid;

　　4、group by 的优化

　　5、limit的优化

　　6、选择合适的列建立索引

　　7、选择合适的数据类型

　　8、数据库表的范式化优化

　　9、数据库表的反范式优化

　　10、数据库表的垂直拆分

　　11、数据库表的水平拆分

　　12、数据库系统配置优化

　　13、Mysql配置文件优化

　　14、第三方配置工具使用

　　15、服务器硬件优化