当前位置:首页 > 文章列表 > 数据库 > MySQL > MySQL events_statements_summary_by_digest 怎样按摘要统计 SQL

MySQL events_statements_summary_by_digest 怎样按摘要统计 SQL

来源:17golang原创 2026-11-19 10:04:42 0浏览 收藏

线上看到 SQL 变慢时,直接按原始 SQL 文本统计往往会被不同参数值拆成很多条记录。MySQL Performance Schema 提供的 events_statements_summary_by_digest 会把字面量归一化为 ?,再按 SCHEMA_NAME + DIGEST 汇总,因此更适合回答“哪一类 SQL 执行最多、平均等待多久”。

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

先确认摘要采集已开启,再按 COUNT_STAR 找频率、按 AVG_TIMER_WAIT 找平均延迟;时间字段是皮秒,展示成毫秒时要除以 1,000,000,000。

先确认摘要采集没有被关闭

如果查询结果为空,第一反应不要急着换 SQL。摘要汇总受 setup_consumers 中的 statements_digest consumer 控制,先看它的状态:

-- 查看按摘要聚合的消费者是否开启
SELECT NAME, ENABLED
FROM performance_schema.setup_consumers
WHERE NAME = 'statements_digest';

若返回 YES,再继续看摘要表;若返回 NO,需要按实例变更规范开启采集,不能用一条查询补回过去已经丢失的统计。该 consumer 依赖全局 instrumentation,但不依赖 statement event consumers,因此可以只维护摘要而不采集完整 statement current/history。

一行摘要到底表示哪类 SQL

摘要行的分组键是 SCHEMA_NAME 和 DIGEST。DIGEST_TEXT 是归一化后的语句形态,QUERY_SAMPLE_TEXT 是 Performance Schema 保存的一条代表性样本。前者适合看“同类语句长什么样”,后者适合拿出一条实际见过的 SQL 再做后续执行计划分析。

例如下面两条语句的参数不同,但结构相同,通常会落在同一个摘要下:

-- 参数值会被归一化为占位符,结构相同的语句可被归到同一摘要
SELECT * FROM orders WHERE customer_id = 10;
SELECT * FROM orders WHERE customer_id = 20;
MySQL 摘要表按数据库、DIGEST 和归一化 SQL 组织关系的静态结构说明图
图1:摘要分组说明图,展示 SCHEMA_NAME、DIGEST、DIGEST_TEXT 与样本 SQL 的静态关系;这是说明图,不是数据库截图或运行证据。

要注意,表的主键不是 DIGEST_TEXT,而是 (SCHEMA_NAME, DIGEST)。如果摘要文本过长,显示文本还可能被截断;不能仅凭文字显示内容判断两个摘要一定不同或相同。

按执行次数和平均延迟分别找重点

摘要表提供 COUNT_STAR、SUM_TIMER_WAIT、AVG_TIMER_WAIT、MIN_TIMER_WAIT 和 MAX_TIMER_WAIT 等聚合字段。计时单位是皮秒,下面的除法把平均值换算为毫秒:

-- 先看调用最多的摘要,避免只盯着单次最慢的偶发请求
SELECT
    SCHEMA_NAME,
    DIGEST,
    DIGEST_TEXT,
    COUNT_STAR,
    ROUND(AVG_TIMER_WAIT / 1000000000, 2) AS avg_ms,
    ROUND(SUM_TIMER_WAIT / 1000000000, 2) AS total_ms,
    FIRST_SEEN,
    LAST_SEEN
FROM performance_schema.events_statements_summary_by_digest
WHERE DIGEST IS NOT NULL
ORDER BY COUNT_STAR DESC
LIMIT 20;

再看平均延迟最高的摘要。这里的排序对象已经换成 AVG_TIMER_WAIT,不能把“最常见”与“平均最慢”混为一谈:

-- 再按平均等待时间排序,定位持续偏慢的语句形态
SELECT
    SCHEMA_NAME,
    DIGEST,
    DIGEST_TEXT,
    QUERY_SAMPLE_TEXT,
    COUNT_STAR,
    ROUND(AVG_TIMER_WAIT / 1000000000, 2) AS avg_ms,
    ROUND(MAX_TIMER_WAIT / 1000000000, 2) AS max_ms,
    LAST_SEEN
FROM performance_schema.events_statements_summary_by_digest
WHERE DIGEST IS NOT NULL
ORDER BY AVG_TIMER_WAIT DESC
LIMIT 20;

AVG_TIMER_WAIT 适合做第一轮筛选,但它是平均值。高并发接口还应结合 COUNT_STAR、SUM_TIMER_WAIT 和样本 SQL 一起判断,避免把低频偶发请求当成主要容量问题。

MySQL 摘要统计中 COUNT_STAR、平均延迟、总延迟和样本 SQL 的静态关系说明图
图2:统计字段关系说明图,区分频次、平均延迟、总等待和样本语句的用途;这是静态说明图,不是性能结果截图。

摘要表已满时怎么判断结果是否可信

events_statements_summary_by_digest 是固定容量的汇总表。表满后,无法放入新摘要的语句会进入 DIGEST IS NULL 的特殊汇总行。因此复盘时要专门看这一行:

-- DIGEST 为 NULL 的行表示未能单独落位的新摘要集合
SELECT
    SCHEMA_NAME,
    DIGEST,
    COUNT_STAR,
    ROUND(AVG_TIMER_WAIT / 1000000000, 2) AS avg_ms,
    FIRST_SEEN,
    LAST_SEEN
FROM performance_schema.events_statements_summary_by_digest
WHERE DIGEST IS NULL;

如果这行的 COUNT_STAR 占比很高,当前摘要结果的代表性会下降,应在启动参数层面评估 performance_schema_digests_size,而不是把 catch-all 行当成一条真实 SQL。

清空摘要前先记下基线

摘要表支持 TRUNCATE TABLE。对这张表执行后会移除摘要行,并且相关摘要直方图也会被隐式清空。它适合在发布或配置调整后重新建立观察窗口,但不是事务回滚,不能恢复已清空的历史数据。

-- 仅在已保存旧基线并确认观察窗口结束后清空摘要
TRUNCATE TABLE performance_schema.events_statements_summary_by_digest;

-- 清空后重新观察,确认新的请求是否重新生成摘要行
SELECT COUNT(*) AS digest_rows
FROM performance_schema.events_statements_summary_by_digest;

值班处理可以按这条顺序执行:先看 consumer,再看高频和高平均延迟摘要,随后检查 DIGEST IS NULL,最后才决定是否清空并重新开始统计。

常见问题

为什么同一类 SQL 的 DIGEST_TEXT 里出现问号?因为字面量会被归一化为参数标记;这是为了按语句结构聚合,不是 SQL 参数丢失。

为什么 AVG_TIMER_WAIT 看起来特别大?该字段是皮秒,展示毫秒要除以 1,000,000,000;如果要展示秒则除以 1,000,000,000,000。

摘要统计能直接代替 EXPLAIN 吗?不能。摘要告诉你频率和耗时分布,QUERY_SAMPLE_TEXT 只提供代表性 SQL,执行计划仍需单独分析。

小结

按摘要统计 SQL 的关键不是记住一条排序语句,而是先理解分组键和单位:SCHEMA_NAME + DIGEST 负责归类,COUNT_STAR 负责频率,AVG_TIMER_WAIT 负责平均等待,DIGEST_TEXT 与 QUERY_SAMPLE_TEXT 负责定位语句形态。把 catch-all 行和摘要容量纳入复盘,筛出来的结果才适合作为后续优化入口。

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 GROUP_CONCAT 怎样控制结果长度和排序MySQL GROUP_CONCAT 怎样控制结果长度和排序
上一篇
MySQL GROUP_CONCAT 怎样控制结果长度和排序
MySQL NOWAIT 和 SKIP LOCKED 有什么区别
下一篇
MySQL NOWAIT 和 SKIP LOCKED 有什么区别
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。
    1110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。
    1101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。
    1273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。
    1215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。
    1062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