Чи є такий інструмент, як Microsoft «SQL Server Profiler» для MySQL? [зачинено]


43

Розвиваючись на MySQL, мені дуже не вистачає можливості звільнити профілера. Я вважаю, що SQLyog є досить хорошою заміною аналізатора запитів, але я не знайшов інструменту, який би працював як SQL-профілер.

Для людей MySQL, які не бачили Microsoft SQL Profiler , ось скріншот

профілер пл

На моїй попередній роботі у нас був інструмент, який натовпував SQL Profiler і навіть давав нам сліди стека

altiris profiler

Хтось знає про такі інструменти, як ті, про які я згадав, які працюють з MySQL.

(FYI, я можу змусити програму Altiris Profiler працювати з MySQL, але це також буде запускати Windows, крім того, це не насправді Symantec sku, тому ліцензування дійсно складне)

Відповіді:


17

MySQL ніколи не придумував профілювання запитів. Тепер, коли MySQL проводиться на урочистому заході в Oracle, я знаю, що це буде так і далі.

І все ж вся надія не втрачається.

Починаючи з 2007 року, Percona розробила кілька чудових інструментів для всього, що хотів би розробник та DBA, включаючи профілювання запитів.

Перший набір інструментів Percona, відомий як MAATKIT , створив сферу для серйозного користувача MySQL. У ньому є багато речей , таких як:

  • Профілювання запитів
  • Реплікація серцебиття
  • Реплікація підлеглого управління
  • Контрольна сума та синхронізація таблиці

Нещодавно Percona передала MAATKIT в більш сучасний набір інструментів, відомий сьогодні як Percona Toolkit . Ці інструменти знайшли там, де MAATKIT зупинився, розширивши сферу діяльності для серйозного користувача MySQL, щоб включити такі речі:

  • Перевірка помилки зовнішнього ключа
  • Онлайн-схема зміни
  • Візуальні пояснення планів
  • і більше ...

Повертаючись до початкового питання, інструменти для профілювання запитів є

Ось приклад виду багатої інформації, яку можна отримати за допомогою одного з цих інструментів:

Я допоміг клієнту реалізувати mk-query-digest, щоб повідомляти про 20 найефективніших запитів кожні 20 хвилин. Я отримав ідею з цього відео на YouTube . Клієнт перемістить вихідний результат будь-якого поганого запиту на запам’ятовуючи, таким чином знизивши частоту запиту на отримання запиту на базу даних.

Ось сценарій, який я створив для виклику mk-query-digest (вивчення лише списку процесів)

#!/bin/sh

RUNFILE=/tmp/QueriesAreBeingDigested.txt
if [ -f ${RUNFILE} ] ; then exit ; fi

MKDQ=/usr/local/sbin/mk-query-digest
RUNTIME=${1}
COPIES_TO_KEEP=${2}
DBVIP=${3}

WHICH=/usr/bin/which
DATE=`${WHICH} date`
ECHO=`${WHICH} echo`
HEAD=`${WHICH} head`
TAIL=`${WHICH} tail`
AWK=`${WHICH} awk`
SED=`${WHICH} sed`
CAT=`${WHICH} cat`
WC=`${WHICH} wc`
RM=`${WHICH} rm | ${TAIL} -1 | ${AWK} '{print $1}'`
LS=`${WHICH} ls | ${TAIL} -1 | ${AWK} '{print $1}'`

HAS_THE_DBVIP=`/sbin/ip addr show | grep "scope global secondary" | grep -c "${DBVIP}"`
if [ ${HAS_THE_DBVIP} -eq 1 ] ; then exit ; fi

DT=`${DATE} +"%Y%m%d_%H%M%S"`
UNIQUETAG=`${ECHO} ${SSH_CLIENT}_${SSH_CONNECTION}_${DT} | ${SED} 's/\./ /g' | ${SED} 's/ //g'`

cd /root/QueryDigest
OUTFILE=QP_${DT}.txt
HOSTADDR=${DBVIP}
${MKDQ} --processlist h=${HOSTADDR},u=queryprofiler,p=queryprofiler --run-time=${RUNTIME} > ${OUTFILE}

#
# Rotate out Old Copies
#

QPFILES=QPFiles.txt
QPFILES2ZAP=QPFiles2Zap.txt
${LS} QP_[0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9]_[0-9][0-9][0-9][0-9][0-9][0-9].txt > ${QPFILES}

LINECOUNT=`${WC} -l < ${QPFILES}`
if [ ${LINECOUNT} -gt ${COPIES_TO_KEEP} ]
then
        (( DIFF = LINECOUNT - COPIES_TO_KEEP ))
        ${HEAD} -${DIFF} < ${QPFILES} > ${QPFILES2ZAP}
        for QPFILETOZAP in `${CAT} ${QPFILES2ZAP}`
        do
                ${RM} ${QPFILETOZAP}
        done
fi

rm -f ${QPFILES2ZAP}
rm -f ${QPFILES}
rm -f ${RUNFILE}

Ось користувач, якого я зробив для підключення до mysql за допомогою mk-query-digest

GRANT PROCESS ON *.* TO 'queryprofiler'@'%' IDENTIFIED BY 'queryprofiler';

Ось на crontab, який я пробіг кожні 20 хвилин (менше 10 секунд), зберігаючи останні 144 екземпляри (що становить 48 годин профілювання)

*/20 * * * * /root/QueryDigest/ExecQueryDigest.sh 1190s 144 10.1.1.8

Неймовірна частина: вихід mk-query-digest

Ось профіль, який пройшов 2011-12-28 11:20:00 за 1190 сек (на 20 хв менше 10 сек)

Останні 22 рядки

# Rank Query ID           Response time    Calls   R/Call     Item
# ==== ================== ================ ======= ========== ====
#    1 0x5E994008E9543B29    40.3255 11.2%     101   0.399263 SELECT schedule_occurrence schedule_eventschedule schedule_event schedule_eventtype schedule_event schedule_eventtype schedule_occurrence.start
#    2 0x392F6DA628C7FEBD    33.9181  9.4%      17   1.995184 SELECT mt_entry mt_objecttag
#    3 0x6C6318E56E149036    26.4695  7.3%     102   0.259505 SELECT schedule_occurrence schedule_eventschedule schedule_event schedule_eventtype schedule_event schedule_eventtype schedule_occurrence.start
#    4 0x00F66961DAE6FFB2    25.5472  7.1%      55   0.464495 SELECT mt_entry mt_placement mt_category
#    5 0x99E13015BFF1E75E    22.3618  6.2%     199   0.112371 SELECT mt_entry mt_objecttag
#    6 0x84DD09F0FC444677    22.3516  6.2%      39   0.573118 SELECT mt_entry
#    7 0x440EBDBCEDB88725    21.1817  5.9%      36   0.588380 SELECT mt_entry
#    8 0x8D258C584B858811    17.2402  4.8%      37   0.465951 SELECT mt_entry mt_placement mt_category
#    9 0x4E2CB0F4CAFD1400    16.9768  4.7%      40   0.424419 SELECT mt_entry mt_placement mt_category
#   10 0x377E0D0898266FDD    16.6979  4.6%     150   0.111319 SELECT polls_pollquestion mt_category
#   11 0x3B9686D98BB8E054    16.2089  4.5%      32   0.506529 SELECT mt_entry mt_objecttag mt_tag
#   12 0x97F670B604A85608    15.6158  4.3%      34   0.459287 SELECT mt_entry mt_placement mt_category
#   13 0x3F5557DA231225EB    14.4309  4.0%      36   0.400859 SELECT mt_entry mt_placement mt_category
#   14 0x191D660A10738896    13.1220  3.6%      31   0.423290 SELECT mt_entry mt_placement mt_category
#   15 0xF88F7421DD88036D    12.1261  3.4%      61   0.198788 SELECT mt_entry mt_blog mt_objecttag mt_tag mt_author
#   16 0xA909BF76E7051792    10.3971  2.9%      53   0.196172 SELECT mt_entry mt_objecttag mt_tag
#   17 0x3D42D07A335ED983     9.1424  2.5%      20   0.457121 SELECT mt_entry mt_placement mt_category
#   18 0x59F43B57DD43F2BD     9.0533  2.5%      21   0.431111 SELECT mt_entry mt_placement mt_category
#   19 0x7961BD4C76277EB7     8.5564  2.4%      47   0.182052 INSERT UNION UPDATE UNION mt_session
#   20 0x173EB4903F3B6DAC     8.5394  2.4%      22   0.388153 SELECT mt_entry mt_placement mt_category

Зауважте, що це список 20 найефективніших запитів на основі часу відповіді на запит, поділеного на кількість разів, на які було звернено запит.

Дивлячись на ідентифікатор запиту №1, тобто 0x5E994008E9543B29ми знаходимо цей ідентифікатор запиту у вихідному файлі, і ось звіт для цього конкретного запиту:

# Query 1: 0.09 QPS, 0.03x concurrency, ID 0x5E994008E9543B29 at byte 0 __
# This item is included in the report because it matches --limit.
#              pct   total     min     max     avg     95%  stddev  median
# Count          4     101
# Exec time      7     40s   303ms      1s   399ms   992ms   198ms   293ms
# Lock time      0       0       0       0       0       0       0       0
# Users                  1      mt
# Hosts                101 10.64.95.73:33750 (1), 10.64.95.73:34452 (1), 10.64.95.73:38440 (1)... 97 more
# Databases              1     mt1
# Time range 1325089201 to 1325090385
# bytes          0 273.60k   2.71k   2.71k   2.71k   2.62k       0   2.62k
# id             4 765.11M   7.57M   7.58M   7.58M   7.29M    0.12   7.29M
# Query_time distribution
#   1us
#  10us
# 100us
#   1ms
#  10ms
# 100ms  ################################################################
#    1s  ######
#  10s+
# Tables
#    SHOW TABLE STATUS FROM `mt1` LIKE 'schedule_occurrence'\G
#    SHOW CREATE TABLE `mt1`.`schedule_occurrence`\G
#    SHOW TABLE STATUS FROM `mt1` LIKE 'schedule_eventschedule'\G
#    SHOW CREATE TABLE `mt1`.`schedule_eventschedule`\G
#    SHOW TABLE STATUS FROM `mt1` LIKE 'schedule_event'\G
#    SHOW CREATE TABLE `mt1`.`schedule_event`\G
#    SHOW TABLE STATUS FROM `mt1` LIKE 'schedule_eventtype'\G
#    SHOW CREATE TABLE `mt1`.`schedule_eventtype`\G
#    SHOW TABLE STATUS FROM `schedule_occurrence` LIKE 'start'\G
#    SHOW CREATE TABLE `schedule_occurrence`.`start`\G
# EXPLAIN
SELECT `schedule_occurrence`.`id`, `schedule_occurrence`.`schedule_id`, `schedule_occurrence`.`event_id`, `schedule_occurrence`.`start`, `schedule_occurrence`.`end`, `schedule_occurrence`.`cancelled`, `schedule_occurrence`.`original_start`, `schedule_occurrence`.`original_end`, `schedule_occurrence`.`all_day`, `schedule_occurrence`.`ongoing`, `schedule_occurrence`.`featured`, `schedule_eventschedule`.`id`, `schedule_eventschedule`.`event_id`, `schedule_eventschedule`.`start`, `schedule_eventschedule`.`end`, `schedule_eventschedule`.`all_day`, `schedule_eventschedule`.`ongoing`, `schedule_eventschedule`.`min_date_calculated`, `schedule_eventschedule`.`max_date_calculated`, `schedule_eventschedule`.`rule`, `schedule_eventschedule`.`end_recurring_period`, `schedule_eventschedule`.`textual_description`, `schedule_event`.`id`, `schedule_event`.`title`, `schedule_event`.`slug`, `schedule_event`.`description`, `schedule_event`.`host_id`, `schedule_event`.`cost`, `schedule_event`.`age_restrictions`, `schedule_event`.`more_info`, `schedule_event`.`photo_id`, `schedule_event`.`contact_email`, `schedule_event`.`event_type_id`, `schedule_event`.`featured`, `schedule_event`.`staff_pick`, `schedule_event`.`futuremost`, `schedule_event`.`creator_id`, `schedule_event`.`created_on`, `schedule_event`.`allow_comments`, `schedule_event`.`mt_entry`, `schedule_eventtype`.`id`, `schedule_eventtype`.`parent_id`, `schedule_eventtype`.`name`, `schedule_eventtype`.`slug`, `schedule_eventtype`.`lft`, `schedule_eventtype`.`rght`, `schedule_eventtype`.`tree_id`, `schedule_eventtype`.`level`, T5.`id`, T5.`title`, T5.`slug`, T5.`description`, T5.`host_id`, T5.`cost`, T5.`age_restrictions`, T5.`more_info`, T5.`photo_id`, T5.`contact_email`, T5.`event_type_id`, T5.`featured`, T5.`staff_pick`, T5.`futuremost`, T5.`creator_id`, T5.`created_on`, T5.`allow_comments`, T5.`mt_entry`, T6.`id`, T6.`parent_id`, T6.`name`, T6.`slug`, T6.`lft`, T6.`rght`, T6.`tree_id`, T6.`level` FROM `schedule_occurrence` INNER JOIN `schedule_eventschedule` ON (`schedule_occurrence`.`schedule_id` = `schedule_eventschedule`.`id`) INNER JOIN `schedule_event` ON (`schedule_eventschedule`.`event_id` = `schedule_event`.`id`) INNER JOIN `schedule_eventtype` ON (`schedule_event`.`event_type_id` = `schedule_eventtype`.`id`) INNER JOIN `schedule_event` T5 ON (`schedule_occurrence`.`event_id` = T5.`id`) INNER JOIN `schedule_eventtype` T6 ON (T5.`event_type_id` = T6.`id`) WHERE (EXTRACT(MONTH FROM `schedule_occurrence`.`start`) = 8 AND EXTRACT(DAY FROM `schedule_occurrence`.`start`) = 6 AND `schedule_occurrence`.`start` BETWEEN '2011-01-01 00:00:00' and '2011-12-31 23:59:59.99') ORDER BY `schedule_occurrence`.`ongoing` ASC, `schedule_occurrence`.`all_day` DESC, `schedule_occurrence`.`start` ASC\G

Хоча гістограма є текстовою, але вона дає точну картину загальної продуктивності запиту, іноді працює протягом 1 секунди, а більшу частину часу складає від 0,01 до 0,1 секунди. Звідси можна переходити до настройки продуктивності, рефакторингуючи запит, розміщуючи результати запиту в пам'яті, додаючи відсутні або покриваючи індекси тощо.

ВИСНОВОК

IMHO Якщо Percona коли-небудь розмістив інструменти профілера в графічний інтерфейс Windows, він би легко конкурував з Microsoft SQL Server Profiler.

Оборона відпочиває !!!


IMHO JetProfiler виглядає так, як графічно поєдналися б Percona Tools. У кожного є нюанси один над одним. Користувачі Linux та люди командного рядка будуть задоволені Percona Tools або MAATKIT. JetProfiler виключає необхідність бути такою ж поглибленою базою даних, а також графічну перевагу Windows у програмі MONyog у вашому розпорядженні.
RolandoMySQLDBA


5

Ні, такого інструмента немає.


Домовились. Я виявив, що більшість розробників / адміністраторів MySQL ніколи не проводили багато часу з Microsoft SQL Server і не розуміють, наскільки неймовірний стек MS для розробки. Кожен інструмент запитів MySQL, який я бачив, залежить від опитування, але SQL Server дозволяє вам спостерігати майже все, що відбувається з базою даних у режимі реального часу. Немає нічого, що наближається до деталей програми SQL Server Profiler, оскільки MySQL просто не підтримує його.
парлеер

4

Профілер MySQL Query Profiler у поєднанні з інструментами графічного інтерфейсу MySQL , ймовірно, наближається до інструменту Profiler SQL Server.


2
Ой, там немає графічного інтерфейсу ...
Сем Шафран,

Що ще гірше, він все ще не відображає фактично історії трафіку. Нічого собі, Microsoft на цьому шкарпетках з Oracle знімає шкарпетки!

4

Найкращими нестандартними рішеннями, які я знайшов, є використання комбінації журналу повільних запитів (який висмоктується порівняно з Profiler), а також просто запуску Wireshark на порту 3306 (який справді смокче порівняно з Profiler, і виграв " t працювати, якщо ви шифруєте з'єднання).

Є також ПОКАЗНИТИ ПОВНИЙ ПРОЦЕСЛІСТ, який схожий на зменшену комбінацію sys.dm_exec_sesions і sys.dm_exec_requests (з невеликим sys.dm_exec_sql_text, що вкидається).





Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.