腾讯架构师:MySQL慢查询优化，Python自动化分析效率提升700%!
MySQL慢查询就像一个默默潜伏的性能杀手，偷偷吃掉系统资源。每次一看到慢查询日志，都觉得头大，一条条去分析得看到啥时候？作为一个经常和数据库打交道的老码农，我琢磨出了用Python自动化分析慢查询的绝招，把分析效率提高了好几倍，这就和大伙儿分享下我的偷懒技巧。
慢查询日志长啥样
MySQL的慢查询日志记录了执行时间超过指定阈值的SQL语句，看起来大概这样：
# Time: 2024-01-11T10:00:01.123456Z
# User@Host: root[root] @ localhost []
# Query_time: 3.000123 Lock_time: 0.000000 Rows_sent: 1 Rows_examined: 1000000
SET timestamp=1641891601;
SELECT * FROM users WHERE create_time > '2023-01-01' AND status = 1;
看到这么多日志，人工分析怕是要累趴下。咱们写个Python脚本，让电脑帮忙干活！
解析日志文件的小妙招
def parse_slow_log(log_file):
queries = []
current_query = {}
with open(log_file, 'r') as f:
for line in f:
if line.startswith('# Time:'):
if current_query:
queries.append(current_query)
current_query = {'time': line.split('Time: ')[1].strip()}
elif line.startswith('# Query_time:'):
parts = line.split()
current_query['query_time'] = float(parts[2])
current_query['rows_examined'] = int(parts[8])
elif not line.startswith('#'):
current_query.setdefault('sql', []).append(line.strip())
return queries
温馨提示：日志文件可能比较大，别一次性全读到内存里，小心撑爆内存。
找出性能杀手
分析完日志，咱们得找出最耗时的SQL语句。写个简单的分析函数：
def analyze_queries(queries):
# 按执行时间排序
sorted_queries = sorted(queries, key=lambda x: x['query_time'], reverse=True)
# 统计下各种类型的SQL
query_types = {}
for q in queries:
sql = ' '.join(q['sql']).upper()
if 'SELECT' in sql:
query_types['SELECT'] = query_types.get('SELECT', 0) + 1
elif 'INSERT' in sql:
query_types['INSERT'] = query_types.get('INSERT', 0) + 1
return sorted_queries[:10], query_types
自动生成优化建议
光找出慢SQL还不够，还得给出优化建议，这可是个技术活：
def suggest_optimization(sql):
suggestions = []
sql = sql.upper()
if 'SELECT *' in sql:
suggestions.append("别用SELECT *，只查需要的字段")
if 'WHERE' in sql and 'LIKE' in sql and sql.count('%') == 2:
suggestions.append("模糊查询最前面用%，索引会失效")
if 'ORDER BY' in sql and 'LIMIT' not in sql:
suggestions.append("排序加个LIMIT，不然数据多了要命")
return suggestions
温馨提示：这些建议都是常见的优化点，实际优化还得具体问题具体分析。
输出漂亮的报告
分析完了得整个漂亮的报告，不能光打印在控制台上：
def generate_report(queries, query_types):
report = "MySQL慢查询分析报告\n"
report += "-" * 50 + "\n\n"
report += "Top 10 最慢的查询：\n"
for i, q in enumerate(queries, 1):
report += f"{i}. 执行时间: {q['query_time']}s\n"
report += f"SQL: {''.join(q['sql'])}\n"
report += f"优化建议: {', '.join(suggest_optimization(''.join(q['sql'])))}\n\n"
return report
实际用下来，这套工具帮我节省了大把时间。以前一天能分析100条慢查询，现在半小时就搞定了，效率直接起飞。不过还是那句话，工具是工具，该动脑子的时候还得动脑子，不能啥都指望自动化。
有同学问我为啥不用现成的工具？我觉得自己写的工具最懂自己，想加啥功能就加啥功能，还能学到不少东西。代码写的可能不是很优雅，但胜在实用，这不就够了么。
记得把慢查询的阈值设置合理点，要不然日志太大了，分析起来也费劲。MySQL的性能优化是个细活，平时多积累，遇到问题才不会慌。