一条慢查询会造成什么后果？刚开始使用MySQL的开发、初级DBA 以为就是简单的查询变慢些，体验稍微有一丢丢影响，殊不知，慢查询的破坏力远不止如此。业务高峰期，这头SQL还没处理完，大量新的查询请求堆积，CPU使用率长时间居高不下，甚至高达100%，系统直接崩溃……慢查询这样的黑天鹅事件，可能直接影响业务稳定性，造成巨大经济损失。

慢查询，字面理解就是查询慢的意思，比如某类查询，正常情况下消耗100ms 左右，异常时可能飙升到 15s。为定位慢查询问题，我们可以按如下几个步骤进行：

一、开启慢日志；

二、使用慢日志查询分析管理工具；

三、基于已有的慢日志分析，对系统本身做优化（如查询语句或表结构设计方面）。

一、启用慢日志，定位异常

慢日志默认情况下是不开启的，如果需要对SQL做优化，可以开启这个功能。登陆 MySQL 后，执行如下 SQL 语句即可开启慢日志（这里以MySQL 5.7.33 为例 ，其它版本基本通用）：

SET GLOBAL slow_query_log = 'ON';
-- 未使用索引的查询也认为是一个可能的慢查询
set global
log_queries_not_using_indexes = 'ON';

一般情况下，MySQL 慢日志位于 /var/lib/mysql/-slow.log，我们可以模拟一个慢查询，然后即可看到慢日志记录产生：

-- 手动触发一个慢查询：MySQL默认认为，一个大于 10s 的查询就是慢查询
SELECT sleep(11);

看下慢查询日志：

$ sudo cat /var/lib/mysql/ubt-server-slow.log

/usr/sbin/mysqld, Version: 5.7.33-0ubuntu0.18.04.1 ((Ubuntu)). started with:

Tcp port: 3306 Unix socket: /var/run/mysqld/mysqld.sock

# Time: 2021-03-12T08:52:54.227174Z

# User@Host: df-test[df-test] @ [10.100.64.118] Id: 2

# Query_time: 11.000551 Lock_time: 0.000000 Rows_sent: 1 Rows_examined: 0

use number1;

SET timestamp=1615539174;

select sleep(11);

从该日志中，我们能看到如下几个信息（根据不同的 MySQL 版本或者配置，这些信息可能有增减）：

o 产生时间：
2021-03-12T08:52:54.227174Z

o 来源：df-test[df-test] @ [10.100.64.118]，即用户 df-test 在 10.100.64.118 这个机器上执行了这个查询

o 查询统计：如消耗的时间，发送/接收的行数

o 具体的 SQL 语句

从这些信息中，我们可以比较清晰地知道这个慢查询的来龙去脉，比较精确地定位具体的业务代码。但这里有个问题，为保障MySQL数据库安全，MySQL要求只有登录到具体服务器才能看到慢查询日志详情，这直接影响到对异常出现时的处理效率，拖累异常地位、分析和解决的进度。

除开启系统自带的慢日志之外，还有什么有效的方式能让开发人员快速、直接且准确地解决这个问题？

二、使用MySQL 慢日志分析工具

常用的对慢SQL做优化的分析工具有：mysqldumpslow、mysqlsla、mysql-explain-slow-log、mysql-log-filter、myprofi。

这里以mysqldumpslow和mysql-log-filter为例。

mysqldumpslow

mysqldumpslow是官方提供的慢查询日志分析工具。主要功能包括统计不同慢 sql 的

o 出现次数(Count)

o 执行耗费的平均时间和累计总耗费时间(Time)

o 等待锁耗费的时间(Lock)

o 发送给客户端的行总数(Rows)

o 扫描的行总数(Rows)

o 用户以及 SQL 语句本身(抽象了一下格式，比如 limit 1, 20 用 limit N,N 表示)

可参考：《4.6.9 mysqldumpslow-汇总慢查询日志文件》

https://dev.mysql.com/doc/refman/8.0/en/mysqldumpslow.html

mysql-log-filter

google code 上找到的一个分析工具，提供了 python 和 php 两种可执行的脚本。基本功能比官方的 mysqldumpslow 多了查询时间的统计信息(平均、最大、累计)，其他类似。特色功能除了统计信息外，针对输出内容做了排版和格式化，保证整体输出的简洁。推荐给喜欢简洁报表的朋友。

可参考：

http://code.google.com/p/mysql-log-filter/

其他几款工具，这里就不再赘述，有兴趣的朋友可以直接从网上搜一下。上面介绍的这些工具，多多少少会有一些使用上的小问题，要么数据缺失，要么配置麻烦，诸如此类。下面介绍一下一站式数据监测云平台（DataFlux） 的解决方案。

DataFlux方案

如前所述，慢日志具有很大的破坏力，为进一步实现MySQL 数据库性能优化，我们需要解决如下几个问题：

o 数据采集

o 数据解析

o 数据存储

o 数据展示以及查询

在 DataFlux 中有专用于各种数据采集的工具——DataKit。针对 MySQL，它提供了各种 MySQL 日志的采集能力。这里我们介绍下 DataKit 采集器在 Linux 平台的基本使用。

首先，我们登录DataFlux官网注册并登录会员账号，接着可按照下图（控制台-管理-数据网关），或参考链接2找到并安装DataKit。

参考链接：

1. DataFlux官网：https://www.dataflux.cn/

2.《DataKit安装》：

https://help.dataflux.cn/doc/0c6ebce225784bd2ad994d5f89c5dbc89e025792#toc34

安装好 DataKit 后，在
/usr/local/cloudcare/dataflux/datakit/conf.d/log/ 目录下，复制一份 MySQL 日志采集配置

$ sudo cp mysqlog.conf.sample mysqlog.conf

编辑 mysqlog.conf：

[[inputs.tailf]]
# 填写各种 MySQL 日志的文件路径，不同版本可能不同
# 注意，这里只支持文本文件。我们这里使用的版本是 MySQL 5.7.33

logfiles = [
"/var/lib/mysql/*.log",
"/var/log/mysql/mysql.log",
"/var/log/mysql/error.log",
]

source = "mysqlog"

# 指定服务名
service = "mysqlog"

# 专用的日志解析脚本（DataKit 已经内置了）
pipeline = "mysql.p"

[inputs.tailf.tags]
# 这里可以添加一些标签，比如：
biz = "订单系统"

# 省略其它默认配置...

至此，MySQL 的日志采集就配置好了，重新启动一下 DataKit 的即可（数据需要稍等一会才能在 Dataflux 平台看到）

参考链接：《DataKit不同系统的重启方式》

https://help.dataflux.cn/doc/0c6ebce225784bd2ad994d5f89c5dbc89e025792#toc27

接下来，我们就能在 DataFlux 平台看到对应的日志了：

从图中我们可以看到，SQL 的执行时间（query_time）已经提取出来了，就是上文慢日志中看到的时间。沿着这条日志，点进去，即可看到日志详情：

从日志详情图中，我们可以看到红框标记的慢查询 SQL 语句，另外还有其它提取出来的日志信息，比如查询时间、来源、服务器主机名、请求发送的数据行数等信息。

除此之外，我们在拉出来的日志详情中，还可看到当前这台主机在慢日志产生的那个时间点附近（红色虚竖线）的资源占用情况（诸如 CPU、内存、磁盘、网络等信息），在一定程度上能帮助开发人员更好的解决问题。

至此，我们解决了 MySQL 慢日志的采集、解析以及展示问题。现在数据已经有了，开发人员就能方便的在网页上找到对应的慢查询日志，并且综合 MySQL 服务器的整体资源占用情况，给出更加合理的解决方案。

以上便是今天我们针对MySQL慢日志查询问题，提供的几种解决办法。在实际应用过程中，我们还是要多尝试不同维度的解决方案，并结合自身所处行业、业务等特点，挑选适合自己和团队使用的数据库分析工具，保障系统和业务的稳定。