当前位置:首页 > 文章列表 > 数据库 > MySQL > MySQL events_statements_histogram_global 怎样理解语句延迟直方图的区间

MySQL events_statements_histogram_global 怎样理解语句延迟直方图的区间

来源:17golang原创 2026-11-18 16:24:32 0浏览 收藏

performance_schema.events_statements_histogram_global 的每一行代表一个语句延迟桶:区间包含 BUCKET_TIMER_LOW,不包含 BUCKET_TIMER_HIGH,边界单位为皮秒。COUNT_BUCKET 是当前桶的语句数量,COUNT_BUCKET_AND_LOWER 是当前桶及更低桶的累计数量,BUCKET_QUANTILE 则是累计比例。

官方地址:https://dev.mysql.com/doc/refman/8.4/en/performance-schema-statement-histogram-summary-tables.html

本文按 MySQL 8.4 文档解释字段。若旧报表把直方图当成“每行一个精确耗时”,调整的重点是读取语义和展示单位;这里不声称数据库版本间发生了未经证实的字段变更。

先统一报表中的区间和单位

可以把普通桶写成 [low, high),其中 low 与 high 分别取两个 TIMER 字段。延迟恰好等于上界时不属于该普通桶。相邻桶的边界衔接,桶编号从零开始;最后一个桶承接超出前面桶范围的长延迟,阅读末桶时应保留其兜底含义。

这张 global 表把不同 schema 和 digest 的延迟汇总到一份直方图,不能从一行直接找出是哪条 SQL。表中的 BUCKET_NUMBER 标识桶,而不是某次请求、时间段或数据库编号。

字段报表含义易混淆点
BUCKET_TIMER_LOW / HIGH延迟范围边界,单位皮秒不是最早和最晚发生时间
COUNT_BUCKET本桶语句数不是累计数
COUNT_BUCKET_AND_LOWER截至本桶的累计语句数不能再跨桶求和当总量
BUCKET_QUANTILE累计比例不是本桶单独占比
延迟桶边界与计数字段的静态结构关系
图1:直方图字段结构说明图。边界定义区间,计数字段分别描述本桶与累计范围;图中不提供虚构统计值。

用只读查询保留原始桶字段

先查询非空桶,并按桶编号排序。展示层可以增加毫秒列,但保留原始边界,避免四舍五入后相邻边界看起来相同,进而被误认为重复桶。

-- 保留原始皮秒边界,同时提供毫秒展示列;按桶编号排列。
SELECT BUCKET_NUMBER,
       BUCKET_TIMER_LOW,
       BUCKET_TIMER_HIGH,
       BUCKET_TIMER_LOW / 1000000000.0 AS low_ms,
       BUCKET_TIMER_HIGH / 1000000000.0 AS high_ms,
       COUNT_BUCKET,
       COUNT_BUCKET_AND_LOWER,
       BUCKET_QUANTILE
FROM performance_schema.events_statements_histogram_global
WHERE COUNT_BUCKET > 0
ORDER BY BUCKET_NUMBER;

皮秒转换成毫秒需要除以十亿;除以一百万得到的是微秒,不是毫秒。查询使用带小数的除数表达展示目的,原始字段仍然保留。过滤 COUNT_BUCKET 大于零只是为了缩短列表,不代表空桶在直方图结构里不存在。

这些 SELECT 是阅读示例,不附带伪造的生产结果,也不清空统计表。读取需要具备相应权限;无法查询时先区分权限、对象是否存在及目标版本,不要把错误响应解释为“没有慢语句”。

把累计比例读成区间信息

BUCKET_QUANTILE 对应累计数量除以整份直方图的本桶数量总和。因此,当前行的比例描述的是截至该桶上界之前的累计覆盖范围。不能把它乘以百分之百后命名成“当前桶占比”,也不能用它表示一个精确的延迟值。

若只是想找 95% 分位大致落在哪个桶,可以取累计比例首次达到 0.95 的非空桶:

-- 找到累计比例首次达到95%的非空桶,仅作为分位所在桶的估计。
SELECT BUCKET_NUMBER,
       BUCKET_TIMER_LOW,
       BUCKET_TIMER_HIGH,
       COUNT_BUCKET_AND_LOWER,
       BUCKET_QUANTILE
FROM performance_schema.events_statements_histogram_global
WHERE COUNT_BUCKET > 0
  AND BUCKET_QUANTILE >= 0.95
ORDER BY BUCKET_NUMBER
LIMIT 1;

这个结果是分位所在的桶,不是逐条观测排序得到的精确 P95。报表可显示“P95 所在区间”,同时保留原始边界;若命中末桶,应提示它是兜底桶,不把其展示边界包装成精确测量值。没有结果时,也不能填写为零毫秒,应保留“没有可用区间”的状态。

累计数量、总量与累计比例之间的静态关系
图2:累计比例说明图。总量来自本桶计数的汇总,累计比例用于定位区间,不能代替精确分位耗时。

调整旧报表时避免改变统计含义

修改展示时,先检查三个映射:单位是否标对、单桶与累计是否分开、分位是否被描述成区间。保留 COUNT_BUCKET 原字段,再增加派生展示字段,比覆盖成同一个含糊的 count 更容易解释。

还要记录采集时间与统计是否曾被重置。直方图本身不是“最近一分钟”的窗口,单次读取不能自动解释成某个业务时段的分布。需要时间窗口时,应另外设计采集与差分方案,并处理重置,不能直接把累计比例相减当作新窗口的比例。

全局分布也不能说明每个 SQL 模板都具有相同延迟。它适合先观察整体形态;需要定位具体来源时再进入相应粒度的数据。这里保持查询范围为 global 表,不通过猜测 SQL 文本补齐不存在的明细。

COUNT_BUCKET_AND_LOWER 可以全部相加吗?

不能据此求总语句数,因为同一个低桶的计数会在多个累计行里重复出现。总量的定义使用各桶 COUNT_BUCKET 之和。

BUCKET_QUANTILE 为 0.95 就是耗时 0.95 秒吗?

不是,它是无量纲比例。耗时范围需要结合 TIMER 边界及单位解释。

为什么只看到少数几行?

示例过滤了非空桶,空桶不显示。不要仅凭过滤后的列表长度推断整份直方图只有这些桶。

参考资料:MySQL 8.4 Statement Histogram Summary Tables。

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
Go image.Gray.PixOffset 怎样根据坐标定位灰度像素Go image.Gray.PixOffset 怎样根据坐标定位灰度像素
上一篇
Go image.Gray.PixOffset 怎样根据坐标定位灰度像素
Go go/types.Array.Len 怎样从类型信息中取得数组长度
下一篇
Go go/types.Array.Len 怎样从类型信息中取得数组长度
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。
    1095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。
    1092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。
    1258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。
    1198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。
    1047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