当前位置:首页 > 文章列表 > 数据库 > MySQL > MySQL Performance Schema events_statements 如何找平均耗时

MySQL Performance Schema events_statements 如何找平均耗时

来源:17golang原创 2026-09-15 11:28:06 0浏览 收藏

排查 MySQL 慢 SQL 时,很多人会直接查 events_statements_current,但这张表回答的是“某个线程此刻或最近发生了什么”,并不适合直接求某类 SQL 的平均耗时。要看规范化 SQL 的平均值,应查询 performance_schema.events_statements_summary_by_digest,读取 AVG_TIMER_WAIT,再把皮秒换算成毫秒。

要点速览
  • 平均耗时来自按 SCHEMA_NAMEDIGEST 聚合的摘要行,不是单次事件行。
  • AVG_TIMER_WAIT / 1000000000 可换算为毫秒;同时看 COUNT_STAR 和扫描行数。
  • 先确认 statements_digest 与计时 instrument 已开启,再用短观察窗口核对结果。

一、先确认平均耗时到底从哪张表读

Performance Schema 会把形如 SELECT ... WHERE id = 1SELECT ... WHERE id = 2 的语句规范化,再按库名和 digest 聚合。聚合表里保留的是一类 SQL 的次数、总耗时、最小值、平均值和最大值,因此标题里所说的“平均耗时”对应 AVG_TIMER_WAIT

events_statements_currentevents_statements_historyevents_statements_history_long 更适合查看单次事件;不要把其中几行手工平均后当作服务器长期平均值。下面这张图只表达数据关系,是操作示意图,不是本机截图。

MySQL Performance Schema 从 events_statements 单次事件到 events_statements_summary_by_digest 平均计时的结构示意图
图1:结构示意图,展示单次语句事件经过 statements_digest 聚合到摘要表的关系。

二、先检查采集开关,再查摘要行

如果摘要表没有新数据,先看 consumer 和语句 instrument。MySQL 官方快速入门示例通过 setup_instrumentsENABLEDTIMED 控制采集和计时,通过 setup_consumers 控制事件去向。生产环境不要无差别开启所有项目,先按实例负载和权限做评估。

-- 先确认 digest 聚合和语句计时是否开启
SELECT NAME, ENABLED
FROM performance_schema.setup_consumers
WHERE NAME = 'statements_digest';

-- 查看语句 instrument 的开关,重点关注 TIMED
SELECT NAME, ENABLED, TIMED
FROM performance_schema.setup_instruments
WHERE NAME LIKE 'statement/sql/%'
ORDER BY NAME
LIMIT 20;

-- 仅在确认需要时开启语句计时与 digest consumer
UPDATE performance_schema.setup_instruments
SET ENABLED = 'YES', TIMED = 'YES'
WHERE NAME LIKE 'statement/sql/%';

UPDATE performance_schema.setup_consumers
SET ENABLED = 'YES'
WHERE NAME = 'statements_digest';

若当前账号不能修改这些表,只能让 DBA 调整配置;查询权限不足与“没有语句发生”在结果上都可能表现为空,需要分别确认。

三、换算单位后再判断平均耗时

下面的查询按平均计时从高到低列出 digest。Performance Schema 的 timer 值是近似皮秒,所以除以 1000000000 得到毫秒;如果想看秒,则除以 1000000000000

-- 按规范化 SQL 找平均耗时,并保留判断所需的上下文
SELECT
    SCHEMA_NAME,
    DIGEST_TEXT,
    COUNT_STAR,
    ROUND(AVG_TIMER_WAIT / 1000000000, 3) AS avg_ms,
    ROUND(SUM_ROWS_EXAMINED / NULLIF(COUNT_STAR, 0), 1) AS avg_rows_examined,
    SUM_NO_INDEX_USED,
    FIRST_SEEN,
    LAST_SEEN
FROM performance_schema.events_statements_summary_by_digest
WHERE DIGEST_TEXT IS NOT NULL
  AND SCHEMA_NAME = '业务库名'
ORDER BY AVG_TIMER_WAIT DESC
LIMIT 20;

这里的 业务库名 需要替换成实际 schema;不想限定库时可以删掉这一行。DIGEST_TEXT 是规范化后的示例文本,COUNT_STAR 表示聚合次数。平均值高但只执行过一两次,和平均值略高却执行几十万次,处理优先级并不相同。

另外,AVG_TIMER_WAIT 不是百分位数。它适合发现整体变慢的 SQL 类型;若要判断长尾,还要结合直方图摘要或单次事件,不能用平均数替代 P95/P99。

MySQL AVG_TIMER_WAIT 从皮秒换算为毫秒并结合 COUNT_STAR 与扫描行数判断的结果示意图
图2:结果示意图,展示皮秒到毫秒的换算,以及平均耗时与执行次数、扫描行数的联合判断。

四、用短窗口核对聚合结果

摘要表会持续累加。若你要回答“刚刚这十分钟的平均耗时”,可在明确允许丢弃当前统计的情况下清空 digest 摘要,等待固定窗口后再查询;这会删除该摘要表的行,也会连带清空对应的 digest 直方图,生产环境应先取得变更许可。

-- 只在已确认统计窗口可以重置时执行
TRUNCATE TABLE performance_schema.events_statements_summary_by_digest;

-- 窗口结束后重新查询最近聚合结果
SELECT SCHEMA_NAME, DIGEST_TEXT, COUNT_STAR,
       ROUND(AVG_TIMER_WAIT / 1000000000, 3) AS avg_ms
FROM performance_schema.events_statements_summary_by_digest
WHERE DIGEST_TEXT IS NOT NULL
ORDER BY AVG_TIMER_WAIT DESC
LIMIT 10;

核对时至少看三点:LAST_SEEN 是否落在观察窗口内,COUNT_STAR 是否随压测或业务请求增长,以及 events_statements_history_long 中是否能找到相同 SQL 类型的单次事件。三者都对得上,平均值才有可解释性;摘要表满时还要留意 SCHEMA_NAMEDIGESTNULL 的 catch-all 行,它不能代表一个具体 SQL。

相关问题

AVG_TIMER_WAIT 为什么看起来特别大?

它以皮秒保存,直接展示原值很容易误读。先除以 1000000000 转成毫秒,再比较不同 SQL。

能不能从 events_statements_current 直接求平均?

可以对当前取到的事件做临时统计,但它是瞬时或有限历史窗口,不等于 digest 摘要的持续聚合平均值。

平均耗时高就一定是索引问题吗?

不一定。还要结合执行次数、锁时间、扫描行数和执行计划判断;平均值只能告诉你“这类语句整体花费较多”。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
墨刀AI做原型设计工具效果不好怎么办?提示与参数排查墨刀AI做原型设计工具效果不好怎么办?提示与参数排查
上一篇
墨刀AI做原型设计工具效果不好怎么办?提示与参数排查
Go TLS InsecureSkipVerify 为什么只影响客户端校验
下一篇
Go TLS InsecureSkipVerify 为什么只影响客户端校验
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    31次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    135次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    70次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    27次使用
  • CMMLU中文大模型评估基准:功能、使用教程与应用场景解析
    CMMLU
    深入了解CMMLU中文评估基准,涵盖67个学科主题,提供数据集下载、Zero-shot/Five-shot评估方法及排行榜,助力优化中文语言模型性能。
    16次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码