it-swarm.com.de

Gibt es ein Tool wie Microsoft "SQL Server Profiler" für MySQL?

Während der Entwicklung auf MySQL vermisse ich es wirklich, einen Profiler starten zu können. Ich finde SQLyog ist ein guter Ersatz für Query Analyzer, habe aber kein Tool gefunden, das wie SQL Profiler funktioniert.

Für die MySQL-Leute, die Microsoft SQL Profiler noch nicht gesehen haben, ist hier ein Screenshot

profiler sql

Bei meinem vorherigen Job hatten wir ein Tool, das übertrumpfte SQL Profiler und uns sogar Stack-Traces gab

altiris profiler

Kennt jemand Tools wie die, die ich erwähnt habe und die mit MySQL funktionieren?.

(Zu Ihrer Information, ich kann den Altiris Profiler dazu bringen, mit MySQL zu arbeiten, aber es wird auch das Ausführen von Windows beinhalten, es ist nicht wirklich ein Symantec-Sku, daher ist die Lizenzierung wirklich schwierig.)

43
Sam Saffron

Nein, es gibt kein solches Werkzeug.

5
Sam Saffron

MySQL hat noch nie ein Query Profiling entwickelt. Jetzt, da MySQL von Oracle großväterlich behandelt wird, weiß ich, dass dies auch weiterhin der Fall sein wird.

Dennoch ist nicht alle Hoffnung verloren.

Seit 2007 hat Percona einige absolut hervorragende Tools für alles entwickelt, was Entwickler und DBA sich wünschen würden, einschließlich der Abfrageprofilerstellung.

Perconas erster Satz von Werkzeugen, bekannt als [~ # ~] maatkit [~ # ~] , erstellte einen Bereich für die ernsthafter Benutzer von MySQL. Es enthält viele Dinge , wie zum Beispiel:

  • Abfrageprofilerstellung
  • Replikationsherzschlag
  • Replication Slave Management
  • Tabellenprüfsumme und Synchronisation

Percona hat MAATKIT kürzlich in eine aktuellere Reihe von Tools umgewandelt: heute bekannt als Percona Toolkit . Diese Tools haben dort begonnen, wo MAATKIT aufgehört hat, indem sie den Tätigkeitsbereich für den ernsthaften MySQL-Benutzer um Folgendes erweitert haben:

  • Überprüfung von Fremdschlüsselfehlern
  • Online-Schema ändern
  • Visuelle Erklärungspläne
  • und mehr ...

Zurück zur ursprünglichen Frage: Die Tools für die Abfrageprofilerstellung sind

Hier ist ein Beispiel für die Art von umfangreichen Informationen, die durch die Verwendung eines dieser Tools entstehen können:

Ich habe einem Client dabei geholfen, mk-query-dig zu implementieren, um alle 20 Minuten die 20 Abfragen mit der schlechtesten Leistung zu melden. Ich habe die Idee von diesem YouTube-Video . Der Client verschiebt die Ausgabe einer fehlerhaften Abfrage in den Speicher, wodurch die Häufigkeit verringert wird, mit der die Abfrage die Datenbank belastet.

Hier ist das Skript, das ich erstellt habe, um mk-query-Digest aufzurufen (nur die Prozessliste untersuchen)

#!/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}

Hier ist der Benutzer, den ich erstellt habe, um mit mk-query-Digest eine Verbindung zu MySQL herzustellen

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

Hier ist die Crontab, die ich alle 20 Minuten (weniger als 10 Sekunden) ausgeführt habe, wobei die letzten 144 Kopien aufbewahrt wurden (das sind 48 Stunden Profilerstellung).

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

Der unglaubliche Teil: Die Ausgabe von mk-query-Digest

Hier ist ein Profil, das 2011-12-28 11:20:00 für 1190 Sekunden lief (20 Minuten weniger als 10 Sekunden)

Die letzten 22 Zeilen

# 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

Beachten Sie, dass dies die Liste der 20 Abfragen mit der schlechtesten Leistung ist, basierend auf der Antwortzeit der Abfrage geteilt durch die Häufigkeit, mit der die Abfrage aufgerufen wurde.

Betrachten Sie die Abfrage-ID Nr. 1, die 0x5E994008E9543B29, wir finden diese Abfrage-ID in der Ausgabedatei und hier ist der Bericht für diese bestimmte Abfrage:

# 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

Obwohl das Histogramm textbasiert ist, liefert es ein genaues Bild der Gesamtleistung der Abfrage, die manchmal über 1 Sekunde und die meiste Zeit zwischen 0,01 und 0,1 Sekunden dauert. Von hier aus können Sie mit der Leistungsoptimierung fortfahren, indem Sie die Abfrage umgestalten, Abfrageergebnisse in Memcached platzieren, fehlende oder abdeckende Indizes hinzufügen usw.

FAZIT

IMHO Wenn Percona die Profiler-Tools jemals in eine Windows-GUI einbinden würde, würde dies leicht mit dem SQL Server-Profiler von Microsoft mithalten können.

Verteidigungspausen !!!

17
RolandoMySQLDBA
8
Peter

Wenn Sie eine einzelne Anwendung und nicht alle auf MySQL vorhandenen Datenbanken profilieren müssen, finden Sie Neor Profile SQL nützlich.

4
Nikl

MySQL Query Profiler in Kombination mit GUI MySQL Tools ist wahrscheinlich so nah wie möglich am SQL Server Profiler Tool

4
Jay

Die besten Out-of-the-Box-Lösungen, die ich gefunden habe, sind die Verwendung einer Kombination aus dem langsamen Abfrageprotokoll (das im Vergleich zu Profiler scheiße ist) und der Ausführung von Wireshark auf Port 3306 (was wirklich scheiße ist im Vergleich zu Profiler und funktioniert nicht, wenn Sie Verbindungen verschlüsseln).

Es gibt auch SHOW FULL PROCESSLIST, was einer reduzierten Kombination von sys.dm_exec_sessions und sys.dm_exec_requests entspricht (mit ein wenig eingeworfenem sys.dm_exec_sql_text).

4
db2

Wir haben 6 große Server, auf denen verschiedene Versionen von MySQL von 4.1.22 bis 5.1 ausgeführt werden. Jet Profiler gutes Tool, mit dem wir den Status aller Server auf einen Blick grafisch anzeigen können. Visual Profiler http://tinyurl.com/profiler-png

3
Ssoon

Ich würde vorschlagen, dass dies am nächsten kommt Optimizer Trace (neu in 5.6).

Ein anderes Beispiel könnte SHOW PROFILES (5.1+) oder performance_schema mit Analyse auf Anweisungsebene von MySQL 5.6+.

3
Morgan Tocker

Siehe dies Antwort über MySql Profiler LogMonitor

2
nmiranda