一、pt-query-digest參數介紹.

pt-query-digest --user=anemometer --passWord=anemometerpass     --review h=192.168.11.28,D=slow_query_log,t=global_query_review  / --history h=192.168.11.28,D=slow_query_log,t=global_query_review_history  / --no-report --limit=0%  --filter=" /$event->{Bytes} = length(/$event->{arg}) and /$event->{hostname}=/"$HOSTNAME/"" / /usr/local/mariaMySQL/data/localhost-slow.log
–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(標準分析報告)、slowlog(Mysql slow log)、json、json-anon，一般使用report，以便于閱讀。–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(分鐘)、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。
二、分析結果分析:
#pt-query-digest mysql-slow.log--分析mysql-slow.log這個慢查詢日志文件
# A software update is available:#   * The current version for Percona::Toolkit is 2.2.9.開始總的摘要信息# 170ms user time, 10ms system time, 26.00M rss, 213.39M vsz--此工具執行日志分析時的所用時間、內存資源(rss物理內存占用大小，vsz虛擬內存占用大小)# Current date: Mon Jul 28 09:55:34 2014--分析時的系統時間# Hostname: lump.group.com--進行分析的主機名，非記錄日志的數據庫服務器# Files: mysql-slow.log--分析的日志文件名稱# Overall: 5 total, 4 unique, 0.02 QPS, 0.04x concurrency ________________--文件中總共的語句數量，唯一的語句數量(對語句進行了格式化)，QPS，并發數# Time range: 2014-07-28 09:50:30 to 09:54:50--記錄日志的時間范圍
# Attribute          total     min     max     avg     95%  stddev  median--total總計，min最小，max最大，avg平均，95%把所有值從小到大排列，位于95%的那個數# ============     ======= ======= ======= ======= ======= ======= =======# Exec time            10s      1s      3s      2s      3s   753ms      1s# Lock time          196us       0    79us    39us    76us    33us    42us# Rows sent          1.40k       0     716     287  685.39  335.14    3.89# Rows examine      15.32k       0  11.13k   3.06k  10.80k   4.02k   2.06k# Rows affecte           0       0       0       0       0       0       0# Bytes sent        72.42k      11  38.85k  14.48k  38.40k  17.57k  234.30# Query size           807       6     342  161.40  329.68  146.53  112.70
–Exec time：語句執行時間–Lock time：鎖占有時間–Rows sent：發送到客戶端的行數–Row examine：掃描的行數(SELECT語句)–Row affecte：發送改變的行數(UPDATE, DELETE, INSERT語句)–Bytes sent：發送多少bytes的查詢結果集–Query size：查詢語句的字符數
查詢分組統計結果
# PRofile# Rank Query ID           Response time Calls R/Call V/M   Item# ==== ================== ============= ===== ====== ===== ===============#    1 0x4A9CF4735A0490F2  3.1898 31.9%     1 3.1898  0.00 SELECT history_uint#    2 0x2B0044BDE0960A2F  2.6991 27.0%     1 2.6991  0.00 SELECT history#    3 0x813031B8BBC3B329  2.5755 25.7%     2 1.2877  0.00 COMMIT#    4 0x469563A79E581DDB  1.5380 15.4%     1 1.5380  0.00 SELECT sessions
–Rank:分析的所有查詢語句的排名，默認按查詢時間降序排序，可以通過–order-by指定排序方式–Query ID：查詢語句的指紋，去掉了多余空格、和文本字符–Response time：響應時間，占所有響應時間的百分比–Calls：查詢執行的次數–R/Call：每次執行的平均響應時間–V/M：響應時間Variance-to-mean的比率，參考：http://en.wikipedia.org/wiki/Index_of_dispersion–Item：查詢語句–最后一行沒有包括在報告中的查詢合計統計信息，如使用了選項–limit和–outliers
每個獨立查詢語句的分析
# Query 1: 0 QPS, 0x concurrency, ID 0x4A9CF4735A0490F2 at byte 591 ______--QPS：每秒查詢數(queries per second)--concurrency：該查詢的近似并發值--ID：16進制，查詢語句的指紋，去掉了多余空格、和文本字符、轉換成小寫，使用--filter可以用來進行過濾(如：pt-query-digest mysql-slow.201407250000 --filter '$event->{fingerprint} && make_checksum($event->{fingerprint}) eq "0793E2F7F5EBE1B1"' > slow2.txt)，必須移除0x--at byte 289141：查詢語句在日志文件中的偏移量(byte offset)，不一定精確，根據偏移量在日志文件中查找語句(如tail -c +289141 mysql-slow.201407250000 |head)# This item is included in the report because it matches --limit.# Scores: V/M = 0.00# Time range: all events occurred at 2014-07-28 09:51:02# Attribute    pct   total     min     max     avg     95%  stddev  median--95%：95th percentile，stddev：standard deviation# ============ === ======= ======= ======= ======= ======= ======= =======# Count         20       1--pct在整個日志文件中，執行語句占用百分比(20%)，總計執行了1次# Exec time     31      3s      3s      3s      3s      3s       0      3s# Lock time     40    79us    79us    79us    79us    79us       0    79us# Rows sent     49     715     715     715     715     715       0     715# Rows examine  13   2.09k   2.09k   2.09k   2.09k   2.09k       0   2.09k# Rows affecte   0       0       0       0       0       0       0       0# Bytes sent    45  33.31k  33.31k  33.31k  33.31k  33.31k       0  33.31k# Query size    42     342     342     342     342     342       0     342# String:# Databases    zabbix--數據庫名# Hosts# Last errno   0# Users        zabbix--執行語句的用戶名# Query_time distribution--查詢的執行時間分布情況圖，可以使用選項--report-histogram進行定義#   1us#  10us# 100us#   1ms#  10ms# 100ms#    1s  #################################################################  10s+# Tables#    SHOW TABLE STATUS FROM `zabbix` LIKE 'history_uint'/G--可以使用該語句查詢表的統計信息，如大小#    SHOW CREATE TABLE `zabbix`.`history_uint`/G--可以使用該語句查看表的結構信息# EXPLAIN /*!50100 PARTITIONS*/SELECT itemid,round(1401* MOD(CAST(clock AS UNSIGNED)+79742,86400)/(86400),0) AS i,COUNT(*) AS count,AVG(value) AS avg,MIN(value) AS min,MAX(value) AS max,MAX(clock) AS clock FROM history_uint  WHERE itemid='30376' AND clock>='1406425858' AND clock<='1406512258' GROUP BY itemid,round(1401* MOD(CAST(clock AS UNSIGNED)+79742,86400)/(86400),0)/G--可以使用該語句查看查詢計劃，如非select語句，工具會轉換成類似的select語句，方便進行explain
pt-query-digest高級使用介紹
官方文檔：
https://www.percona.com/doc/percona-toolkit/2.2/pt-query-digest.html#cmdoption-pt-query-digest--explain
1. 工具簡介
pt-query-digest是用于分析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?？梢园逊治鼋Y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。pt-query-digest是一個perl腳本，只需下載并賦權即可執行。[root@test1 ]# wget percona.com/get/pt-query-digest [root@test1 ]# chmod u+x pt-query-digest
 
2.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(標準分析報告)、slowlog(Mysql slow log)、json、json-anon，一般使用report，以便于閱讀。--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(分鐘)、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。
3.      標準分析報告解釋第一部分：總體統計結果,如下圖
Overall: 總共有多少條查詢，上例為總共266個查詢。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，該例為55。total: 總計   min:最小   max: 最大  avg:平均95%: 把所有值從小到大排列，位置位于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，位置位于中間那個數。第二部分：查詢分組統計結果,如下圖
由上圖可見，這部分對查詢進行參數化并分組，然后對各類查詢的執行情況進行分析，結果按總執行時長，從大到小排序。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。Item : 查詢對象第三部分：每一種查詢的詳細統計結果，如下圖：
由上圖可見，12號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。Databases: 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: 示例
 
4.用法示例(1)直接分析慢查詢文件:pt-query-digest  slow.log > slow_report.log
(2)分析最近12小時內的查詢：
pt-query-digest  --since=12h  slow.log > slow_report2.log
(3)分析指定時間范圍內的查詢：
pt-query-digest slow.log --since '2014-04-17 09:30:00' --until '2014-04-17 10:00:00'> > slow_report3.log
(4)分析指含有select語句的慢查詢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pt-query-digest  --user=root –password=abc123 --review  h=localhost,D=test,t=query_ history--create-review-table  slow.log_20140401pt-query-digest  --user=root –password=abc123--review  h=localhost,D=test,t=query_history--create-review-table  slow.log_20140402(9)通過tcpdump抓取mysql的tcp協議數據，然后再分析tcpdump -s 65535 -x -nn -q -tttt -i any -c 1000 port 3306 > mysql.tcp.txtpt-query-digest --type tcpdump mysql.tcp.txt> slow_report9.log(10)分析binlogmysqlbinlog mysql-bin.000093 > mysql-bin000093.sqlpt-query-digest  --type=binlog  mysql-bin000093.sql > slow_report10.log(11)分析general logpt-query-digest  --type=genlog  localhost.log > slow_report11.log