4. SQL慢查询监控：MySQL慢查询日志配置、pt-query-digest分析、Grafana展示慢查询TOP N

慢查询是数据库性能劣化的首要信号。本章围绕“采集 → 分析 → 可视化”三条主线，讲解如何开启MySQL慢查询日志、使用pt-query-digest进行结构化解析，以及通过Grafana面板实时展示TOP N慢查询。掌握这套链路，你就能在用户感知到延迟之前定位问题SQL。

4.1 MySQL慢查询日志配置

慢查询日志是MySQL原生提供的性能诊断工具，记录执行时间超过 long_query_time 阈值的SQL语句。以下为生产环境推荐配置：

动态配置示例（无需重启MySQL）：

-- 全局动态开启慢查询日志
SET GLOBAL slow_query_log = ON;
SET GLOBAL long_query_time = 1;
SET GLOBAL log_queries_not_using_indexes = ON;
SET GLOBAL log_slow_admin_statements = ON;
SET GLOBAL min_examined_row_limit = 1000;

-- 确认配置生效
SHOW VARIABLES LIKE 'slow_query%';
SHOW VARIABLES LIKE 'long_query_time';

4.2 pt-query-digest分析慢查询

pt-query-digest是Percona Toolkit中最核心的分析工具，能将原始慢查询日志解析为结构化报告，按查询指纹（Query Fingerprint）聚合，并计算每个指纹的响应时间占比、执行次数、平均延迟等关键指标。

4.2.1 基本用法

# 分析慢查询日志，输出到终端
pt-query-digest /var/log/mysql/slow.log

# 输出到文件，便于后续处理
pt-query-digest /var/log/mysql/slow.log > /tmp/slow_report.txt

# 分析最近1小时的慢查询（配合日志轮转）
pt-query-digest --since=3600 /var/log/mysql/slow.log

# 输出JSON格式，便于Grafana或脚本消费
pt-query-digest --output=json /var/log/mysql/slow.log > /tmp/slow_report.json

4.2.2 报告解读

pt-query-digest报告分为三个主要部分：

4.3 Grafana展示慢查询TOP N

将pt-query-digest的分析结果导入MySQL表后，即可通过Grafana构建实时慢查询监控面板。推荐的数据模型如下：

4.3.1 数据导入表结构

CREATE TABLE slow_query_digest (
    id BIGINT AUTO_INCREMENT PRIMARY KEY,
    fingerprint_md5 CHAR(32) NOT NULL,
    fingerprint TEXT NOT NULL,
    sample_query TEXT,
    db_name VARCHAR(64),
    exec_count INT NOT NULL DEFAULT 0,
    total_time_sec DECIMAL(12,4) NOT NULL DEFAULT 0,
    pct_total_time DECIMAL(5,2) NOT NULL DEFAULT 0,
    avg_time_sec DECIMAL(10,4) NOT NULL DEFAULT 0,
    rows_examined_avg INT NOT NULL DEFAULT 0,
    rows_sent_avg INT NOT NULL DEFAULT 0,
    first_seen DATETIME,
    last_seen DATETIME,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    INDEX idx_last_seen (last_seen),
    INDEX idx_total_time (total_time_sec DESC)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

4.3.2 导入脚本示例

#!/bin/bash
# 每小时执行一次，将pt-query-digest结果导入MySQL
REPORT_FILE="/tmp/slow_report.json"
MYSQL_HOST="127.0.0.1"
MYSQL_USER="grafana"
MYSQL_PASS="your_password"
DB_NAME="monitor"

pt-query-digest --output=json /var/log/mysql/slow.log > $REPORT_FILE

# 使用Python解析JSON并写入MySQL（简化示例）
python3 << EOF
import json, pymysql

with open("$REPORT_FILE") as f:
    data = json.load(f)

conn = pymysql.connect(host="$MYSQL_HOST", user="$MYSQL_USER",
                       password="$MYSQL_PASS", database="$DB_NAME")
cur = conn.cursor()

for query in data["queries"]:
    md5 = query["fingerprint_md5"]
    # 使用INSERT ... ON DUPLICATE KEY UPDATE 更新统计
    sql = """INSERT INTO slow_query_digest
             (fingerprint_md5, fingerprint, sample_query, db_name,
              exec_count, total_time_sec, pct_total_time,
              avg_time_sec, rows_examined_avg, rows_sent_avg,
              first_seen, last_seen)
             VALUES (%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s)
             ON DUPLICATE KEY UPDATE
             exec_count=VALUES(exec_count),
             total_time_sec=VALUES(total_time_sec),
             last_seen=VALUES(last_seen)"""
    cur.execute(sql, (md5, query["fingerprint"], query["sample"],
                      query.get("db",""), query["exec_count"],
                      query["total_time"], query["pct_total_time"],
                      query["avg_time"], query["rows_examined_avg"],
                      query["rows_sent_avg"], query["first_seen"],
                      query["last_seen"]))
conn.commit()
cur.close()
conn.close()
EOF

4.3.3 Grafana面板配置

在Grafana中创建Dashboard，添加以下面板：

4.4 报警规则配置

基于慢查询数据，在Grafana Alerting中配置以下报警规则：

• 慢查询总量突增：过去5分钟慢查询执行次数 > 基线值的2倍，触发Warning。
• 单条查询超时：任意查询指纹的平均耗时 > 5秒，触发Critical。
• 全表扫描风险：rows_examined_avg / rows_sent_avg > 5000 且 exec_count > 100，触发Warning。

通过本章配置，你已经构建了一条完整的慢查询监控链路：从MySQL日志采集，到pt-query-digest结构化分析，再到Grafana实时展示与报警。下一环节将进入索引优化与查询重写实战。