MySQL慢SQL处理

概述

Docker 环境下使用 pt-query-digest 分析 MySQL 慢查询。

在生产或测试环境中，MySQL 查询变慢往往是性能问题的信号。要精准定位问题，分析慢查询日志是最直接有效的方式。本文介绍如何在 Docker 环境中启用慢查询日志，并使用 pt-query-digest 进行深入分析与优化。

一、前提条件

MySQL 运行在 Docker 容器中。
能进入容器或通过挂载访问日志文件。
主机或容器中可使用 pt-query-digest 工具（Percona Toolkit 提供）。

如果 pt-query-digest 尚未安装，可在常见发行版中安装：


yum install -y percona-toolkit


apt install -y percona-toolkit

若系统源中没有，可通过 Percona 官方源安装：

1
2
3

wget https://repo.percona.com/yum/percona-release-latest.noarch.rpm
rpm -ivh percona-release-latest.noarch.rpm
yum install -y percona-toolkit

二、开启 MySQL 慢查询日志

首先确保 MySQL 已启用慢查询日志。

进入容器：

1	docker exec -it mysql-container-name bash

1	mysql -uroot -p

查看慢查询日志状态：

1
2
3

SHOW VARIABLES LIKE 'slow_query_log';
SHOW VARIABLES LIKE 'slow_query_log_file';
SHOW VARIABLES LIKE 'long_query_time';

如果 slow_query_log 为 OFF，可执行以下命令开启：

1
2
3

SET GLOBAL slow_query_log = 'ON';
SET GLOBAL slow_query_log_file = '/var/lib/mysql/mysql-slow.log';
SET GLOBAL long_query_time = 1;

建议将这些配置写入 MySQL 配置文件（my.cnf 或 mysqld.cnf），避免容器重启后丢失：

[mysqld]
slow_query_log = 1
slow_query_log_file = /var/lib/mysql/mysql-slow.log
long_query_time = 1
log_output = FILE

三、拷贝慢查询日志文件

MySQL 的慢查询日志默认保存在容器内 /var/lib/mysql/mysql-slow.log。
可以通过以下方式拷贝出来：

1	docker cp mysql-container-name:/var/lib/mysql/mysql-slow.log ./mysql-slow.log

执行后，会在当前目录生成一个 mysql-slow.log 文件，供后续分析使用。

四、使用 pt-query-digest 分析日志

pt-query-digest 是 Percona Toolkit 中非常强大的 SQL 分析工具，它可以对慢查询日志进行统计、聚合和排序，帮助我们快速定位性能瓶颈。

基本用法：

1	pt-query-digest mysql-slow.log > slow-report.txt

执行后，slow-report.txt 中会生成一份详细报告。

五、报告结构解读

典型输出结构如下：

# 123ms user time, 5 system time, 0.45s elapsed
# Time range: 2025-11-13 09:00:00 to 2025-11-13 10:00:00
# Attribute          total     min     max     avg     95%  stddev  median
# Exec time          1.23s   0.001s  0.350s  0.045s  0.200s  0.050s  0.020s
# Rows examine       1.2M       10   50000   3000

# Query 1: 50% of total query time (0.61s)
# ...
SELECT * FROM user_log WHERE user_id = ? AND create_time > ?;

常见关注点：

Exec time：执行时间分布，查找最耗时的 SQL。
Rows examine：扫描的行数，尽量通过索引减少全表扫描。
Query ID：查询的聚合编号，用于快速定位具体 SQL。
Count：出现次数，频繁且慢的 SQL 优先优化。

六、优化方向建议

添加合适的索引：重点关注 WHERE、ORDER BY、GROUP BY 涉及字段。
使用 EXPLAIN 分析执行计划：定位全表扫描、回表、Using filesort 等问题。
避免使用 SELECT *：仅查询必要字段，减少数据传输量与行宽。
优化分页与子查询：大分页可改为基于索引的条件翻页或游标。
缓存热点数据：对频繁访问但更新较少的数据，可放入 Redis。
合理设置 long_query_time：建议从 1s 起步，逐步降低以捕获更多慢 SQL。

可搭配示例执行计划查看：

EXPLAIN ANALYZE SELECT id, user_id, create_time
FROM user_log
WHERE user_id = ? AND create_time > ?
ORDER BY create_time DESC
LIMIT 50;

七、自动化分析脚本（可选）

可以编写简单脚本定期执行分析：

#!/bin/bash
DATE=$(date +"%Y%m%d_%H%M%S")
LOGFILE="/var/lib/mysql/mysql-slow.log"
REPORT="/opt/reports/slow_report_$DATE.txt"

docker cp mysql-container-name:$LOGFILE /tmp/mysql-slow.log
pt-query-digest /tmp/mysql-slow.log > $REPORT
echo "Slow query report generated: $REPORT"

通过以上步骤即可在容器环境中系统性地捕获和分析慢 SQL，并结合索引、执行计划与缓存策略进行迭代优化。

推荐订阅源

牧尘的NAS小站

概述