mysql5.6.20开启慢查询日志以及创建索引优化慢查询

简介:

[root@localhost ~]# egrep "slow_query_log*|long_query_time|slow-query-log-file" /usr/local/mysql5.6/my.cnf

long_query_time = 1  (慢查询时间)

slow_query_log=1

slow-query-log-file = /data/mysql3307/log/mysql-slow.log

log_queries_not_using_indexes=1 (#记录没有使用索引的查询)


在mysql控制台修改,无需重启mysqld服务:


#开启慢查询日志记录

mysql> set global slow_query_log=on;

Query OK, 0 rows affected (0.00 sec)

#查询时间超过0.1秒的sql语句会被记录

mysql> set global long_query_time=0.1;

Query OK, 0 rows affected (0.03 sec)

#记录慢查询日志的文件地址

mysql> set global slow_query_log_file="/var/lib/mysql/localhost-slow.log";

Query OK, 0 rows affected (0.04 sec)

#记录没有使用索引的查询

mysql> set global log_queries_not_using_indexes=on;

Query OK, 0 rows affected (0.00 sec)




创建联合索引:


SELECT `user_id`,COUNT(id) AS num,MAX(login_time) AS last_login_time FROM `tab_user_login_record` WHERE `login_time` BETWEEN 1501862400 AND 1503158399 GROUP BY user_id;

原先表字段user_id,login_time创建的都是单个索引,


SELECT `user_id`,COUNT(id) AS num,MAX(login_time) AS last_login_time FROM `tab_user_login_record` WHERE `login_time` BETWEEN 1501862400 AND 1503158399 GROUP BY 

执行查询花费是时间为3.2s


记录到慢查询日志中:

[root@localhost ~]# tailf /data/mysql3307/log/mysql-slow.log 

# Time: 170913 15:57:05

# User@Host: root[root] @ localhost []  Id:    12

# Query_time: 2.523547  Lock_time: 0.000160 Rows_sent: 18760  Rows_examined: 1742609

SET timestamp=1505289425;

SELECT `user_id`,COUNT(id) AS num,MAX(login_time) AS last_login_time FROM `tab_user_login_record` WHERE `login_time` BETWEEN 1501862400 AND 1503158399 GROUP BY user_id;

# Time: 170913 15:57:27

# User@Host: root[root] @ localhost []  Id:    12

# Query_time: 2.501662  Lock_time: 0.000149 Rows_sent: 18760  Rows_examined: 1742609

SET timestamp=1505289447;

SELECT `user_id`,COUNT(id) AS num,MAX(login_time) AS last_login_time FROM `tab_user_login_record` WHERE `login_time` BETWEEN 1501862400 AND 1503158399 GROUP BY user_id;



给字段创建联合索引:

create index union_index on tab_user_login_record (user_id,login_time);


清除查询缓存:

reset query cache;

SELECT `user_id`,COUNT(id) AS num,MAX(login_time) AS last_login_time FROM `tab_user_login_record` WHERE `login_time` BETWEEN 1501862400 AND 1503158399 GROUP BY 


花费的时间是0.62秒

[root@localhost ~]# tailf /data/mysql3307/log/mysql-slow.log 

没有再记录到慢查询日志文件中


分析慢查询日志mysqlsla:


[root@localhost ~]# mysqlsla -lt slow /data/mysql3307/log/mysql-slow.log -sf "+SELECT" -top 2 -sort t_sum

Report for slow logs: /data/mysql3307/log/mysql-slow.log

6 queries total, 1 unique

Sorted by 't_sum'

Grand Totals: Time 17 s, Lock 0 s, Rows sent 112.56k, Rows Examined 10.46M



______________________________________________________________________ 001 ___

Count         : 6  (100.00%)

Time          : 16.583032 s total, 2.763839 s avg, 2.501662 s to 4.005698 s max  (100.00%)

Lock Time (s) : 1.774 ms total, 296 μs avg, 149 μs to 954 μs max  (100.00%)

Rows sent     : 18.76k avg, 18.76k to 18.76k max  (100.00%)

Rows examined : 1.74M avg, 1.74M to 1.74M max  (100.00%)

Database      : s2166ptzy

Users         : 

root@localhost  : 100.00% (6) of query, 100.00% (6) of all users


Query abstract:

SELECT user_id,COUNT(id) AS num,MAX(login_time) AS last_login_time FROM tab_user_login_record WHERE login_time BETWEEN N AND N GROUP BY user_id;


Query sample:

SELECT `user_id`,COUNT(id) AS num,MAX(login_time) AS last_login_time FROM `tab_user_login_record` WHERE `login_time` BETWEEN 1501862400 AND 1503158399 GROUP BY user_id;


 本文转自 wjw555 51CTO博客,原文链接:http://blog.51cto.com/wujianwei/1964987

相关实践学习
每个IT人都想学的“Web应用上云经典架构”实战
本实验从Web应用上云这个最基本的、最普遍的需求出发,帮助IT从业者们通过“阿里云Web应用上云解决方案”,了解一个企业级Web应用上云的常见架构,了解如何构建一个高可用、可扩展的企业级应用架构。
MySQL数据库入门学习
本课程通过最流行的开源数据库MySQL带你了解数据库的世界。   相关的阿里云产品:云数据库RDS MySQL 版 阿里云关系型数据库RDS(Relational Database Service)是一种稳定可靠、可弹性伸缩的在线数据库服务,提供容灾、备份、恢复、迁移等方面的全套解决方案,彻底解决数据库运维的烦恼。 了解产品详情: https://www.aliyun.com/product/rds/mysql 
相关文章
|
存储 SQL 关系型数据库
mysql底层原理:索引、慢查询、 sql优化、事务、隔离级别、MVCC、redolog、undolog(图解+秒懂+史上最全)
mysql底层原理:索引、慢查询、 sql优化、事务、隔离级别、MVCC、redolog、undolog(图解+秒懂+史上最全)
mysql底层原理:索引、慢查询、 sql优化、事务、隔离级别、MVCC、redolog、undolog(图解+秒懂+史上最全)
|
存储 关系型数据库 MySQL
MySQL数据库索引的数据结构?
MySQL中默认使用B+tree索引,它是一种多路平衡搜索树,具有树高较低、检索速度快的特点。所有数据存储在叶子节点,非叶子节点仅作索引,且叶子节点形成双向链表,便于区间查询。
318 4
|
10月前
|
SQL 存储 监控
SQL日志优化策略:提升数据库日志记录效率
通过以上方法结合起来运行调整方案, 可以显著地提升SQL环境下面向各种搜索引擎服务平台所需要满足标准条件下之数据库登记作业流程综合表现; 同时还能确保系统稳健运行并满越用户体验预期目标.
458 6
|
11月前
|
缓存 Java 应用服务中间件
Spring Boot配置优化:Tomcat+数据库+缓存+日志,全场景教程
本文详解Spring Boot十大核心配置优化技巧,涵盖Tomcat连接池、数据库连接池、Jackson时区、日志管理、缓存策略、异步线程池等关键配置,结合代码示例与通俗解释,助你轻松掌握高并发场景下的性能调优方法,适用于实际项目落地。
1875 5
|
缓存 关系型数据库 MySQL
降低MySQL高CPU使用率的优化策略。
通过上述方法不断地迭代改进,在实际操作中需要根据具体场景做出相对合理判断。每一步改进都需谨慎评估其变动可能导致其他方面问题,在做任何变动前建议先在测试环境验证其效果后再部署到生产环境中去。
422 6
|
存储 SQL 关系型数据库
MySQL 核心知识与索引优化全解析
本文系统梳理了 MySQL 的核心知识与索引优化策略。在基础概念部分,阐述了 char 与 varchar 在存储方式和性能上的差异,以及事务的 ACID 特性、并发事务问题及对应的隔离级别(MySQL 默认 REPEATABLE READ)。 索引基础部分,详解了 InnoDB 默认的 B+tree 索引结构(多路平衡树、叶子节点存数据、双向链表支持区间查询),区分了聚簇索引(数据与索引共存,唯一)和二级索引(数据与索引分离,多个),解释了回表查询的概念及优化方法,并分析了 B+tree 作为索引结构的优势(树高低、效率稳、支持区间查询)。 索引优化部分,列出了索引创建的六大原则
345 2
|
存储 SQL 关系型数据库
MySQL 动态分区管理:自动化与优化实践
本文介绍了如何利用 MySQL 的存储过程与事件调度器实现动态分区管理,自动化应对数据增长,提升查询性能与数据管理效率,并详细解析了分区创建、冲突避免及实际应用中的关键注意事项。
526 0
|
监控 安全 Apache
什么是Apache日志?为什么Apache日志分析很重要?
Apache是全球广泛使用的Web服务器软件,支持超过30%的活跃网站。它通过接收和处理HTTP请求,与后端服务器通信,返回响应并记录日志,确保网页请求的快速准确处理。Apache日志分为访问日志和错误日志,对提升用户体验、保障安全及优化性能至关重要。EventLog Analyzer等工具可有效管理和分析这些日志,增强Web服务的安全性和可靠性。
662 9
|
监控 容灾 算法
阿里云 SLS 多云日志接入最佳实践:链路、成本与高可用性优化
本文探讨了如何高效、经济且可靠地将海外应用与基础设施日志统一采集至阿里云日志服务(SLS),解决全球化业务扩展中的关键挑战。重点介绍了高性能日志采集Agent(iLogtail/LoongCollector)在海外场景的应用,推荐使用LoongCollector以获得更优的稳定性和网络容错能力。同时分析了多种网络接入方案,包括公网直连、全球加速优化、阿里云内网及专线/CEN/VPN接入等,并提供了成本优化策略和多目标发送配置指导,帮助企业构建稳定、低成本、高可用的全球日志系统。
1474 55

推荐镜像

更多