当前位置:首页 > 文章列表 > 数据库 > MySQL > MySQL SHOW ERRORS 和 SHOW WARNINGS 应该怎么选

MySQL SHOW ERRORS 和 SHOW WARNINGS 应该怎么选

来源:17golang原创 2026-11-17 20:35:13 0浏览 收藏

在一次导入、DDL 或批量更新之后,如果你只关心“有没有真正失败”,优先看 SHOW ERRORS;如果你还要知道数据转换、截断和提示信息,使用 SHOW WARNINGS。两者都读取当前会话最近一条非诊断语句留下的条件,但筛选范围不同。

选择结论:SHOW ERRORS 只展示错误;SHOW WARNINGS 展示错误、警告和提示。需要记录完整上下文时先取明细,再取计数,不要把两条语句当成同一个结果集。

先看现场:你到底要找错误,还是要找全部条件?

一个常见现场是:批处理返回了“执行完成”,但后续数据仍然不符合预期。原因可能不是 SQL 失败,而是非严格模式下发生了类型转换、字符串截断或其他警告。此时只执行 SHOW ERRORS,很可能得到空结果,于是排障方向被误导。

反过来,如果任务已经明确失败,运维记录通常先需要错误码和错误消息,而不是把大量提示一起写入日志。两条语句的选择可以按下面的边界判断:

排障目标优先语句能看到什么
只确认失败原因SHOW ERRORS错误条件
分析转换、截断或兼容性问题SHOW WARNINGS错误、警告和提示
只要总数SHOW COUNT(*) ERRORS/WARNINGS对应类别的计数
MySQL 当前会话诊断区与 SHOW ERRORS、SHOW WARNINGS 筛选边界的结构说明图
图1:诊断区结构说明图,展示 SHOW ERRORS 与 SHOW WARNINGS 的筛选边界;这是静态说明图,不是运行截图。

根因:两条语句都读诊断区,但过滤条件不一样

MySQL 会把最近一条非诊断语句产生的条件放在当前会话的诊断区中。这里的“条件”包含错误、警告和提示。SHOW ERRORS 只筛出错误条件;SHOW WARNINGS 则把三类条件都列出来。

这也解释了一个容易混淆的现象:同一条语句之后,SHOW ERRORS 可能没有行,而 SHOW WARNINGS 能看到多行。前者不是“没有任何诊断信息”,而是“没有错误条件”。

修复动作:把明细、计数和存储上限分开处理

脚本化排障时,建议先抓明细,再抓计数。下面的 SQL 是说明示例,注释解释了选择和顺序,输出也只是展示字段形状。

-- 中文注释:失败原因只看错误条件,避免把提示混入错误日志
SHOW ERRORS LIMIT 0, 20;

-- 中文注释:确认错误总数;该语句适合只需要计数的分支
SHOW COUNT(*) ERRORS;

-- 中文注释:把错误总数读取成会话变量,便于后续记录
SELECT @@error_count AS error_count;
-- 中文注释:需要分析数据转换、截断或提示时读取全部条件
SHOW WARNINGS LIMIT 0, 20;

-- 中文注释:warning_count 统计错误、警告和提示的总数
SHOW COUNT(*) WARNINGS;
SELECT @@warning_count AS warning_count;

如果程序既要保存详情又要保存数量,不要只执行 SHOW COUNT(*)。官方文档将它作为 SELECT 语句处理;需要完整条件列表时,应先执行对应的 SHOW ERRORS 或 SHOW WARNINGS。同时,LIMIT 只控制本次展示的行数,不改变计数变量代表的总量。

MySQL 错误与警告明细、计数变量、LIMIT 和 max_error_count 的静态关系图
图2:错误、警告与容量边界说明图,展示明细和计数的关系;这是静态说明图,不是运行截图。

防复发:不要把明细上限误当成事件总数

max_error_count 控制服务器为 SHOW ERRORS 和 SHOW WARNINGS 保存多少条明细,因此它会影响“能展示多少行”;但 error_count 和 warning_count 反映的是对应条件总数,可能大于已经保存的明细数量。

因此,批处理日志可以采用“计数决定告警、明细用于定位”的策略:先读取并记录结果集,再记录计数;当计数超过明细条数时,在日志中明确这是存储上限导致的截断,而不是 SQL 只产生了这么多问题。

-- 中文注释:只调整当前会话的明细保存上限,避免影响其他连接
SET SESSION max_error_count = 64;

-- 中文注释:读取所有已保存的条件明细,再按需要做日志归档
SHOW WARNINGS;

速查与相关问题

  • 只排查失败:用 SHOW ERRORS,配合 error_count。
  • 排查数据质量:用 SHOW WARNINGS,配合 warning_count。
  • 担心日志不完整:同时关注 max_error_count,不要用明细行数替代总数。

SHOW ERRORS 为什么是空集,但 SHOW WARNINGS 有内容?

通常表示最近语句产生了警告或提示,但没有错误条件。两条语句的筛选范围不同,并不矛盾。

SHOW COUNT(*) WARNINGS 能不能替代 SHOW WARNINGS?

不能。它适合取得总数;如果还要错误码、级别和消息文本,仍要读取 SHOW WARNINGS 的明细。

max_error_count 越大越好吗?

不一定。更大的值能保留更多明细,但会增加诊断信息存储量。应根据批处理规模和日志策略设置,并把计数与明细行数分开记录。

参考文档:https://dev.mysql.com/doc/refman/8.4/en/show-errors.html、https://dev.mysql.com/doc/refman/8.4/en/show-warnings.html

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
MySQL IS_IPV4_COMPAT 怎样识别 IPv4 兼容地址MySQL IS_IPV4_COMPAT 怎样识别 IPv4 兼容地址
上一篇
MySQL IS_IPV4_COMPAT 怎样识别 IPv4 兼容地址
MySQL INNODB_TABLESPACES_ENCRYPTION 怎样查看表空间加密状态
下一篇
MySQL INNODB_TABLESPACES_ENCRYPTION 怎样查看表空间加密状态
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。
    1081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。
    1080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。
    1245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。
    1187次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    1030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 和 隐私政策
返回登录
  • 重置密码