mysqlreport参数分析

本文详细展示了MySQL数据库的性能调优过程,包括缓存使用情况、查询缓存效率、锁等待时间、临时表使用及线程运行状态等关键指标分析,并针对存在的问题提出了解决方案。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

请大家帮忙看下,我优化的是否还存在较大的问题。



__ Key _________________________________________________________________
Buffer used 12.31M of 155.00M %Used: 7.94
Current 20.01M %Usage: 12.91
Write hit 100.00%
Read hit 100.00%

__ Questions ___________________________________________________________
Total 8.81M 77.5/s
-Unknown 38.46M 338.7/s %Total: 436.80
Com_ 36.28M 319.5/s 412.00
DMS 10.66M 93.9/s 121.07
QC Hits 325.22k 2.9/s 3.69
COM_QUIT 3.92k 0.0/s 0.04
Slow 5 s 629 0.0/s 0.01 %DMS: 0.01 Log: ON
DMS 10.66M 93.9/s 121.07
SELECT 6.05M 53.3/s 68.72 56.76
INSERT 4.06M 35.8/s 46.16 38.13
UPDATE 539.15k 4.7/s 6.12 5.06
DELETE 5.54k 0.0/s 0.06 0.05
REPLACE 0 0/s 0.00 0.00
Com_ 36.28M 319.5/s 412.00
set_option 35.81M 315.4/s 406.67
commit 334.20k 2.9/s 3.80
show_fields 89.78k 0.8/s 1.02

__ SELECT and Sort _____________________________________________________
Scan 148.09k 1.3/s %SELECT: 2.45
Range 13.47k 0.1/s 0.22
Full join 38 0.0/s 0.00
Range check 0 0/s 0.00
Full rng join 0 0/s 0.00
Sort scan 5.82k 0.1/s
Sort range 188 0.0/s
Sort mrg pass 2.07k 0.0/s

__ Query Cache _________________________________________________________
Memory usage 3.23M of 99.00M %Used: 3.26
Block Fragmnt 9.98%
Hits 325.22k 2.9/s
Inserts 948.09k 8.3/s
Insrt:Prune 948.09k:1 8.3/s
Hit:Insert 0.34:1

__ Table Locks _________________________________________________________
Waited 34 0.0/s %Total: 0.00
Immediate 2.22M 19.6/s

__ Tables ______________________________________________________________
Open 36 of 320 %Cache: 11.25
Opened 11.40k 0.1/s

__ Connections _________________________________________________________
Max used 52 of 1500 %Max: 3.47
Total 4.48k 0.0/s

__ Created Temp ________________________________________________________
Disk table 91.95k 0.8/s
Table 124.94k 1.1/s Size: 103.0M
File 2.22k 0.0/s

__ Threads _____________________________________________________________
Running 11 of 36
Cached 1 of 8 %Hit: 97.41
Created 116 0.0/s
Slow 0 0/s

__ Aborted _____________________________________________________________
Clients 1.12k 0.0/s
Connects 0 0/s

__ Bytes _______________________________________________________________
Sent 13.75G 121.1k/s
Received 533.48M 4.7k/s

__ InnoDB Buffer Pool __________________________________________________
Usage 1.00G of 1.00G %Used: 100.00
Read hit 99.32%
Pages
Free 0 %Total: 0.00
Data 62.82k 95.86 %Drty: 0.98
Misc 2716 4.14
Latched 0.00
Reads 590.09M 5.2k/s
From file 4.03M 35.5/s 0.68
Ahead Rnd 0/s
Ahead Sql 0/s
Writes 167.67M 1.5k/s
Flushes 3.61M 31.8/s
Wait Free 0 0/s

__ InnoDB Lock _________________________________________________________
Waits 391 0.0/s
Current 7
Time acquiring
Total 86948826 ms
Average 222375 ms
Max 4282062 ms

__ InnoDB Data, Pages, Rows ____________________________________________
Data
Reads 5.06M 44.6/s
Writes 3.17M 27.9/s
fsync 122.56k 1.1/s
Pending
Reads 0
Writes 0
fsync 0

Pages
Created 174.77k 1.5/s
Read 5.06M 44.6/s
Written 1.80M 15.9/s

Rows
Deleted 7.42M 65.3/s
Inserted 21.75M 191.5/s
Read 575.04M 5.1k/s
Updated 583.08k 5.1/s

内容概要:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问题。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问题,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问题,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问题;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书分为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论分析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值