pt-query-digest是用于分析mysql慢查询的一个工具，它可以分析binlog、General log、slowlog，也可以通过SHOWPROCESSLIST或者通过tcpdump抓取的MySQL协议数据来进行分析。可以把分析结果输出到文件中，分析过程是先对查询语句的条件进行参数化，然后对参数化以后的查询进行分组统计，统计出各查询的执行时间、次数、占比等，可以借助分析结果找出问题进行优化。
pt-query-digest是一个perl脚本，只需下载并赋权即可执行。
安装：
wget http://www.percona.com/get/pt-query-digest
chmod +x pt-query-digest
yum -y install perl-Digest-MD5
语法及重要选项
pt-query-digest [OPTIONS] [FILES] [DSN]
–create-review-table当使用–review参数把分析结果输出到表中时，如果没有表就自动创建。
–create-history-table当使用–history参数把分析结果输出到表中时，如果没有表就自动创建。
–filter对输入的慢查询按指定的字符串进行匹配过滤后再进行分析
–limit限制输出结果百分比或数量，默认值是20,即将最慢的20条语句输出，如果是50%则按总响应时间占比从大到小排序，输出到总和达到50%位置截止。
–hostmysql服务器地址
–usermysql用户名
–passwordmysql用户密码
–history将分析结果保存到表中，分析结果比较详细，下次再使用–history时，如果存在相同的语句，且查询所在的时间区间和历史表中的不同，则会记录到数据表中，可以通过查询同一CHECKSUM来比较某类型查询的历史变化。
–review将分析结果保存到表中，这个分析只是对查询条件进行参数化，一个类型的查询一条记录，比较简单。当下次使用–review时，如果存在相同的语句分析，就不会记录到数据表中。
–output分析结果输出类型，值可以是report(标准分析报告)、slowlog(Mysql slow log)、json、json-anon，一般使用report，以便于阅读。
–since从什么时间开始分析，值为字符串，可以是指定的某个”yyyy-mm-dd [hh:mm:ss]”格式的时间点，也可以是简单的一个时间值：s(秒)、h(小时)、m(分钟)、d(天)，如12h就表示从12小时前开始统计。
–until截止时间，配合—since可以分析一段时间内的慢查询。
使用pt-query-digest分析慢查询日志文件：
[root@test-db01 local]# ./pt-query-digest /application/mysql/data/mysql-slow.log
# 7s user time, 30ms system time, 22.57M rss, 178.96M vsz
# Current date: Wed Apr 26 01:07:18 2017
# Hostname: test-db01
# Files: /application/mysql/data/mysql-slow.log
# Overall: 39.88k total, 75 unique, 0.01 QPS, 0.00xconcurrency __________
# Time range: 2017-02-23 14:38:49 to 2017-04-26 01:03:42
# Attributetotalminmaxavg95%stddevmedian
# =================== ======= ======= ======= ======= ======= =======
# Exec time4433s338us2s111ms455ms159ms8ms
# Lock time4s045ms95us366us247us47us
# Rows sent30.77M04.57k809.122.50k999.460.99
# Rows examine90.97M100046.10k2.34k4.07k1.55k1.78k
# Query size23.90M223.58k628.332.06k807.74223.14
Overall:总共有多少条查询，上例为总共266个查询。
Time range:查询执行的时间范围。
unique:唯一查询数量，即对查询条件进行参数化以后，总共有多少个不同的查询，该例为4。
total:总计min:最小max:最大avg:平均
95%:把所有值从小到大排列，位置位于95%的那个数，这个数一般最具有参考价值。
median:中位数，把所有值从小到大排列，位置位于中间那个数。
# Profile
# Rank Query IDResponse timeCalls R/CallV/MItem
# ==== ================== =============== ===== =========== ==========
#10x4C25358328812E85 4310.3202 97.2% 16581 0.26000.10 SELECT t?
# MISC 0xMISC122.20642.8% 23301 0.00520.0 <74 ITEMS>
部分对查询进行参数化并分组，然后对各类查询的执行情况进行分析，结果按总执行时长，从大到小排序。
Response:总的响应时间。
time:该查询在本次分析中总的时间占比。
calls:执行次数，即本次分析总共有多少条这种类型的查询语句。
R/Call:平均每次执行的响应时间。
Item :查询对象
# Query 1: 518.16 QPS, 134.70x concurrency, ID0x4C25358328812E85 at byte 11170488
# This item is included in the report because it matches–limit.
# Scores: V/M = 0.10
# Time range: 2017-04-19 18:17:13 to 18:17:45
# Attributepcttotalminmaxavg95%stddevmedian
# ============ === ======= ======= ======= ============== ======= =======
# Count4116581
# Exec time974310s480us2s260ms526ms158ms230ms
# Lock time5223ms8us142us13us20us4us12us
# Rows sent9930.66M10103.03k1.89k2.76k549.341.86k
# Rows examine3330.66M10103.03k1.89k2.76k549.341.86k
# Query size2518.16k32323232032
# String:
# Databasesmysqlslap
# Hostslocalhost
# Usersroot
# Query_time distribution
#1us
#10us
# 100us#
#1ms#
#10ms#########
# 100ms################################################################
#1s#
#10s+
# Tables
#SHOW TABLE STATUS FROM `mysqlslap` LIKE ‘t1’\G
#SHOW CREATETABLE `mysqlslap`.`t1`\G
# EXPLAIN /*!50100 PARTITIONS*/
SELECT intcol1,charcol1 FROM t1\G
图可见,1号查询的详细统计结果，最上面的表格列出了执行次数、最大、最小、平均、95%等各项目的统计。
Databases:库名
Users:各个用户执行的次数（占比）
Query_time distribution :查询时间分布,长短体现区间占比，本例中1s-10s之间查询数量没有,全部集中在10S里面。
Tables:查询中涉及到的表
Explain:该条查询的示例
用法示例：
(1)直接分析慢查询文件:
pt-query-digestslow.log >slow_report.log
(2)分析最近12小时内的查询：
pt-query-digest–since=12hslow.log >slow_report2.log
(3)分析指定时间范围内的查询：
pt-query-digest slow.log –since ‘2014-05-17 09:30:00′ –until’2014-06-17 10:00:00’> > slow_report3.log
(4)分析只含有select语句的慢查询
pt-query-digest –filter ‘$event->{fingerprint} =~ m/^select/i’slow.log> slow_report4.log
(5)针对某个用户的慢查询
pt-query-digest –filter ‘($event->{user} || “”) =~m/^root/i’ slow.log> slow_report5.log
(6)查询所有所有的全表扫描或full join的慢查询
pt-query-digest –filter ‘(($event->{Full_scan} || “”)eq “yes”) ||(($event->{Full_join} || “”) eq”yes”)’ slow.log> slow_report6.log
(7)把查询保存到test数据库的query_review表,如果没有的话会自动创建;
pt-query-digest–user=root–password=abc123 –reviewh=localhost,D=test,t=query_review –create-review-tableslow.log
(8)把查询保存到query_history表
pt-query-digest–user=root–password=abc123 –reviewh=localhost,D=test,t=query_ history –create-review-tableslow.log_20140401
(9)通过tcpdump抓取mysql的tcp协议数据，然后再分析
tcpdump -s 65535 -x -nn -q -tttt -i any -c 1000 port 3306 >mysql.tcp.txt
pt-query-digest –type tcpdump mysql.tcp.txt> slow_report9.log
(10)分析binlog
mysqlbinlog mysql-bin.000093 > mysql-bin000093.sql
pt-query-digest–type=binlogmysql-bin000093.sql> slow_report10.log
(11)分析general log
pt-query-digest–type=genloglocalhost.log > slow_report11.log
