第三个模块 MySQL慢查询

论mysql5.7.13性能优化之索引优化

本篇文章是使用MySQL5.7.17版本!

$ mysql --version
mysql  Ver 14.14 Distrib 5.7.17, for Linux (x86_64) using  EditLine wrapper
  • 查看MySQL是否开启慢查询:
mysql> show variables like '%slow%';
+---------------------------+--------------------------------------+
| Variable_name             | Value                                |
+---------------------------+--------------------------------------+
| log_slow_admin_statements | OFF                                  |
| log_slow_slave_statements | OFF                                  |
| slow_launch_time          | 2                                    |
| slow_query_log            | OFF                                  |
| slow_query_log_file       | /var/lib/mysql/773786ec64cf-slow.log |
+---------------------------+--------------------------------------+
5 rows in set (0.01 sec)

如图上,是没有开启慢查询日志!

  • 开启MySQL慢查询:
    /etc/mysql/mysql.conf.d/mysqld.cnf中的[mysqld]中加入如下代码:
slow_query_log=On #开启慢查询
slow_query_log_file=/var/log/mysql/mysql_slow_query.log #定义慢查询日志的路径
slow_launch_time=1 #查过多少秒的查询算是慢查询,我这里定义的是1秒
log_queries_not_using_indexes=ON #记录下没有使用索引的query

重启MySQLservice mysql restart,再次查看慢查询状态:

mysql> show variables like '%slow%';
+---------------------------+-------------------------------------+
| Variable_name             | Value                               |
+---------------------------+-------------------------------------+
| log_slow_admin_statements | OFF                                 |
| log_slow_slave_statements | OFF                                 |
| slow_launch_time          | 1                                   |
| slow_query_log            | ON                                  |
| slow_query_log_file       | /var/log/mysql/mysql_slow_query.log |
+---------------------------+-------------------------------------+
  • 监测慢查询日志的变化:
sudo tail -f /var/log/mysql/mysql_slow_query.log
  • 分别创建两个库test_slowtest_slow_2,在这两个库中分别添加表test_finas并插入677598条数据!
    test_slow.test_finas 没有索引字段
    test_slow_2.test_finas 索引字段:datecountrytitlestatus

  • 效果对比:
    1. test_slow_2.test_finas 有索引[67W条数据]

mysql> desc select * from test_slow_2.test_finas where date=1489334400\G;
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: test_finas
   partitions: NULL
         type: ref
possible_keys: date_index
          key: date_index
      key_len: 4
          ref: const
         rows: 120
     filtered: 100.00
        Extra: NULL
mysql> select * from test_slow_2.test_finas where date=1489334400;
...
120 rows in set (0.01 sec)

我们可以看到这次查询命中了索引date_index,扫描了120行数据。查询时长0.01秒
插入4倍的数据[270W条数据]:

mysql> insert into test_slow_2.test_finas select * from test_slow_2.test_finas;
Query OK, 677568 rows affected (4 min 36.66 sec)
Records: 677568  Duplicates: 0  Warnings: 0
...
mysql> insert into test_slow_2.test_finas select * from test_slow_2.test_finas;
Query OK, 1355136 rows affected (18 min 12.04 sec)
Records: 1355136  Duplicates: 0  Warnings: 0
...
mysql> select count(*) from test_slow_2.test_finas;
+----------+
| count(*) |
+----------+
|  2710272 |
+----------+
1 row in set (2.03 sec)

我们可以看到插入4倍的数据是非常慢的。执行时长:22分48.70秒!不过实际过程中这么疯狂的插入数据还是少的
再次执行查询:

mysql> desc select * from test_slow_2.test_finas where date=1489334400\G;
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: test_finas
   partitions: NULL
         type: ref
possible_keys: date_index
          key: date_index
      key_len: 4
          ref: const
         rows: 480
     filtered: 100.00
        Extra: NULL
mysql> select * from test_slow_2.test_finas where date=1489334400;
...
480 rows in set (0.03 sec)

我们可以看到这次查询命中了索引date_index,扫描了480行数据。查询时长0.03秒
2. test_slow.test_finas 没有索引[67W条数据]

mysql> desc select * from test_slow.test_finas where date=1489334400\G;
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: test_finas
   partitions: NULL
         type: ALL
possible_keys: NULL
          key: NULL
      key_len: NULL
          ref: NULL
         rows: 673272
     filtered: 10.00
        Extra: Using where
mysql> select * from test_slow.test_finas where date=1489334400;
...
120 rows in set (0.67 sec)

我们可以看到这次查询没有索引,扫描了673272行数据。查询时长0.67秒
插入4倍数据[270W条数据]:

mysql> insert into test_slow.test_finas select * from test_slow.test_finas;
Query OK, 677568 rows affected (20.83 sec)
Records: 677568  Duplicates: 0  Warnings: 0
...
mysql> insert into test_slow.test_finas select * from test_slow.test_finas;
Query OK, 1355136 rows affected (48.58 sec)
Records: 1355136  Duplicates: 0  Warnings: 0
...
mysql> select count(*) from test_slow.test_finas;
+----------+
| count(*) |
+----------+
|  2710272 |
+----------+
1 row in set (1.61 sec)

再次执行查询:

mysql> desc select * from test_slow.test_finas where date=1489334400\G;
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: test_finas
   partitions: NULL
         type: ALL
possible_keys: NULL
          key: NULL
      key_len: NULL
          ref: NULL
         rows: 2625947
     filtered: 10.00
        Extra: Using where
mysql> select * from test_slow.test_finas where date=1489334400;
...
480 rows in set (3.02 sec)

我们可以看到这次查询没有索引,扫描了2625947行数据。查询时长3.02秒

  • 结果
记录数 索引 动作 执行时长
test_slow.test_finas 67W 条件查询 0.67秒
test_slow_2.test_finas 67W date、title、country 条件查询 0.01秒
test_slow.test_finas 270W 条件查询 3.02秒
test_slow_2.test_finas 270W date、title、country 条件查询 0.03秒
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,179评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,229评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,032评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,533评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,531评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,539评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,916评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,574评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,813评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,568评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,654评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,354评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,937评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,918评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,152评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,852评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,378评论 2 342

推荐阅读更多精彩内容

  • 什么是数据库? 数据库是存储数据的集合的单独的应用程序。每个数据库具有一个或多个不同的API,用于创建,访问,管理...
    chen_000阅读 4,028评论 0 19
  • 【MySQL】Linux下MySQL 5.5、5.6和5.7的RPM、二进制和源码安装 1.1BLOG文档结构图 ...
    小麦苗DB宝阅读 10,497评论 0 31
  • MySQL 数据库常用命令 1、MySQL常用命令 create database name; 创建数据库 use...
    55lover阅读 4,769评论 1 57
  • 今天主要是想透过五部日本文学大师之作来思考一下日本文学的特征与魅力所在。在里面有些我很是喜爱,有些并不认同,甚至嗤...
    蚌壳1阅读 745评论 2 3
  • 原定计划早上九点多出发去布吉大芬油画村的计划,由于yitta的赖床被搁置到下午两点半才启程。一行四个人,屁颠屁颠的...
    安心草阅读 521评论 1 2