mysql show status调优

本文详细介绍如何利用MySQL的showstatus命令来检查和优化数据库性能,包括查看服务器配置信息、慢查询、连接数、key_buffer_size、临时表使用情况等多个方面。

通过show status 来优化MySQL 数据库
关键字: mysql
1, 查看MySQL 服务器配置信息
1. mysql> show variables;
2, 查看MySQL 服务器运行的各种状态值
1. mysql> show global status;
3, 慢查询
1. mysql> show variables like '%slow%';
2. +------------------+-------+
3. | Variable_name | Value |
4. +------------------+-------+
5. | log_slow_queries | OFF |
6. | slow_launch_time | 2 |
7. +------------------+-------+
8. mysql> show global status like '%slow%';
9. +---------------------+-------+
10. | Variable_name | Value |
11. +---------------------+-------+
12. | Slow_launch_threads | 0 |
13. | Slow_queries | 279 |
14. +---------------------+-------+
配置中关闭了记录慢查询(最好是打开,方便优化),超过2 秒即为慢查询,一共有279 条慢查询
4, 连接数
1. mysql> show variables like 'max_connections';
2. +-----------------+-------+
3. | Variable_name | Value |
4. +-----------------+-------+
5. | max_connections | 500 |
6. +-----------------+-------+
7.
8. mysql> show global status like 'max_used_connections';
9. +----------------------+-------+
10. | Variable_name | Value |
11. +----------------------+-------+
12. | Max_used_connections | 498 |
13. +----------------------+-------+
设置的最大连接数是500,而响应的连接数是498
max_used_connections / max_connections * 100% = 99.6% (理想值 85%)

5, key_buffer_size
key_buffer_size是对 MyISAM表性能影响最大的一个参数 ,不过数据库中多为 Innodb
1.
mysql> show variables like
'key_buffer_size'
;
2.
+-----------------+----------+
3.
| Variable_name
| Value
|
4.
+-----------------+----------+
5.
| key_buffer_size |
67108864
|
6.
+-----------------+----------+
7.
8.
mysql> show global status like
'key_read%'
;
9.
+-------------------+----------+
10.
| Variable_name
| Value
|
11.
+-------------------+----------+
12.
| Key_read_requests |
25629497
|
13.
| Key_reads
|
66071
|
14.
+-------------------+----------+
一共有 25629497个索引读取请求,有 66071个请求在内存中没有找到直接从硬盘读取索引,计算索引未命中缓存的概率:
key_cache_miss_rate= Key_reads / Key_read_requests * 100% =0.27%
需要适当加大 key_buffer_size
1.
mysql> show global status like
'key_blocks_u%'
;
2.
+-------------------+-------+
3.
| Variable_name
| Value |
4.
+-------------------+-------+
5.
| Key_blocks_unused |
10285
|
6.
| Key_blocks_used
|
47705
|
7.
+-------------------+-------+
Key_blocks_unused表示未使用的缓存簇 (blocks)数,Key_blocks_used表示曾经用到的最大的 blocks数 Key_blocks_used / (Key_blocks_unused + Key_blocks_used) * 100% ≈ 18% (理想值 ≈ 80%)
6,临时表
1. ql>mysowshalobgl s ltustaeik p%'tmed_atcre' �
2. -+----------+---------------------+-�
3. | Vename_ablari |ealuV �
4. -+----------+---------------------+-�
5. | Cs |letabsk_dimp__ttedrea3371844 �
6. | Clesfimp__ttedrea | 1244 �
7. | Csbletamp__ttedrea | 0282154 �
8. -+----------+---------------------+-�
每次创建临时表, Created_tmp_tables增加,如果是在磁盘上创建临时表, Created_tmp_disk_tables也增加,Created_tmp_files表示
MySQL服务创建的临时文件文件数:
Created_tmp_disk_tables / Created_tmp_tables * 100% = 99% (理想值 <= 25%)
1. ql>mysowshesablriva erewh ename_ablariV in ( e'ize_sablp_ttm' , 'izee_sbl_taap_hemax' ;�

2. --+--------+--------------------+-�
3. | Vename_ablari| ueVal �
4. --+--------+--------------------+-�
5. | mze_siletabp_heaax_| 877221134 �
6. | tze_siletabmp_| 877221134 �
7. --+--------+--------------------+-�
需要增加 tmp_table_size
7,open table的情况
1. ql>mysowshalobgl s ltustaeik s%'letabn%ope' �
2. +-----+---------------+-�
3. | Vename_ablari| Vealu�
4. +-----+---------------+-�
5. | Oesbl_tapen| 0241 �
6. | Osbletaed_pen| 4651 �
7. +-----+---------------+-�
Open_tables 表示打开表的数量, Opened_tables表示打开过的表数量,如果 Opened_tables数量过大,说明配置中 table_cache(5.1.3之后这个值叫做 table_open_cache)值可能太小,我们查询一下服务器 table_cache值
1.
mysql> show variables like
'table_cache'
;
2.
+---------------+-------+
3.
| Variable_name | Value |
4.
+---------------+-------+
5.
| table_cache
|
1024
|
6.
+---------------+-------+
Open_tables / Opened_tables * 100% =69% 理想值( >= 85%) Open_tables / table_cache * 100% = 100% 理想值 (<= 95%)
8, 进程使用情况
1. ql>mysowshalobgl s ltustaeik d%'eaThr' �
2. -+------+-----------------+-�
3. | Vename_ablari | lueVa �
4. -+------+-----------------+-�
5. | Tedach_cadshre | 31 �
6. | Ttedeconn_cadshre | 923 �
7. | Tdterea_cadshre | 1429 �
8. | Tginunn_radshre | 4 �
9. -+------+-----------------+-�
如果我们在 MySQL服务器配置文件中设置了 thread_cache_size,当客户端断开之后,服务器处理此客户的线程将会缓存起来以响应下一个客户而不是销毁(前提是缓存数未达上限)。 Threads_created表示创建过的线程数,如果发现 Threads_created值过大的话,表明 MySQL服务器一直在创建线程,这也是比较耗资源,可以适当增加配置文件中 thread_cache_size值,查询服务器 thread_cache_size配置:
1. ql>mysowshesablriva keli 'ize_schecaad_hre't �

2.
+-------------------+-------+
3.
| Variable_name
| Value |
4.
+-------------------+-------+
5.
| thread_cache_size |
32
|
6.
+-------------------+-------+
9, 查询缓存(query cache)
1.
mysql> show global status like
'qcache%'
;
2.
+-------------------------+----------+
3.
| Variable_name
| Value
|
4.
+-------------------------+----------+
5.
| Qcache_free_blocks
|
2226
|
6.
| Qcache_free_memory
|
10794944
|
7.
| Qcache_hits
|
5385458
|
8.
| Qcache_inserts
|
1806301
|
9.
| Qcache_lowmem_prunes
|
433101
|
10.
| Qcache_not_cached
|
4429464
|
11.
| Qcache_queries_in_cache |
7168
|
12.
| Qcache_total_blocks
|
16820
|
13.
+-------------------------+----------+
Qcache_free_blocks:缓存中相邻内存块的个数。数目大说明可能有碎片。 FLUSH QUERY CACHE会对缓存中的碎片进行整理,从而得到一个空闲块。 Qcache_free_memory:缓存中的空闲内存。 Qcache_hits:每次查询在缓存中命中时就增大 Qcache_inserts:每次插入一个查询时就增大。命中次数除以插入次数就是不中比率。 Qcache_lowmem_prunes:缓存出现内存不足并且必须要进行清理以便为更多查询提供空间的次数。这个数字最好长时间来看;如果这个数字在不断增长,就表示可能碎片非常严重,或者内存很少。 (上面的 free_blocks和 free_memory可以告诉您属于哪种情况) Qcache_not_cached:不适合进行缓存的查询的数量,通常是由于这些查询不是 SELECT语句或者用了 now()之类的函数。 Qcache_queries_in_cache:当前缓存的查询(和响应)的数量。 Qcache_total_blocks:缓存中块的数量。我们再查询一下服务器关于 query_cache的配置:
1.
mysql> show variables like
'query_cache%'
;
2.
+------------------------------+----------+
3.
| Variable_name
| Value
|
4.
+------------------------------+----------+
5.
| query_cache_limit
|
33554432
|
6.
| query_cache_min_res_unit
|
4096
|
7.
| query_cache_size
|
33554432
|
8.
| query_cache_type
| ON
|
9.
| query_cache_wlock_invalidate | OFF
|
10.
+------------------------------+----------+
各字段的解释: query_cache_limit:超过此大小的查询将不缓存 query_cache_min_res_unit:缓存块的最小大小 query_cache_size:查询缓存大小 query_cache_type:缓存类型,决定缓存什么样的查询,示例中表示不缓存 select sql_no_cache查询query_cache_wlock_invalidate:当有其他客户端正在对 MyISAM表进行写操作时,如果查询在 query cache中,是否返回 cache结果还是等写操作完成再读表获取结果。
query_cache_min_res_unit的配置是一柄 ”双刃剑 ”,默认是 4KB,设置值大对大数据查询有好处,但如果你的查询都是小数据查询,就容易造成内存碎片和浪费。
查询缓存碎片率 = Qcache_free_blocks / Qcache_total_blocks * 100%
如果查询缓存碎片率超过 20%,可以用 FLUSH QUERY CACHE整理缓存碎片,或者试试减小 query_cache_min_res_unit,如果你的查询都是小数据量的话。查询缓存利用率 = (query_cache_size – Qcache_free_memory) / query_cache_size * 100%查询缓存利用率在 25%以下的话说明 query_cache_size设置的过大,可适当减小;查询缓存利用率在 80%以上而且
Qcache_lowmem_prunes > 50的话说明 query_cache_size可能有点小,要不就是碎片太多。查询缓存命中率 = (Qcache_hits – Qcache_inserts) / Qcache_hits * 100%示例服务器查询缓存碎片率= 20.46%,查询缓存利用率= 62.26%,查询缓存命中率= 1.94%,命中率很差,可能写操作比较
频繁吧,而且可能有些碎片。
10,排序使用情况
1. ql>mysowshalobgl s ltustaeik 't%sor' �
2. --+--------+-----------------+-�
3. | Vename_ablari | lueVa �
4. --+--------+-----------------+-�
5. | Ssesase_prg_meort | 3621 �
6. | Seng_raort | 88881 �
7. | Sws_roort | 11491835 �
8. | San_scort | 26955 �
9. --+--------+-----------------+-�
Sort_merge_passes 包括两步。 MySQL首先会尝试在内存中做排序,使用的内存大小由系统变量 Sort_buffer_size决定,如果它的大小不够把所有的记录都读到内存中, MySQL 就会把每次在内存中排序的结果存到临时文件中,等 MySQL 找到所有记录之后,再把临时文件中的记录做一次排序。这再次排序就会增加 Sort_merge_passes。实际上, MySQL 会用另一个临时文件来存再次排序的结果,所以通常会看到 Sort_merge_passes 增加的数值是建临时文件数的两倍。因为用到了临时文件,所以速度可能会比较慢,增加 Sort_buffer_size会减少 Sort_merge_passes 和创建临时文件的次数。但盲目的增加 Sort_buffer_size并不一定能提高速度,见 How fast can you sort data with MySQL?(引自 http://qroom.blogspot.com/2007/09/mysql-select-sort.html
另外,增加 read_rnd_buffer_size(3.2.3是 record_rnd_buffer_size)的值对排序的操作也有一点的好处,参见: http://www.mysqlperformanceblog.com/2007/07/24/what-exactly-is- read_rnd_buffer_size/
11.文件打开数 (open_files)

1.
mysql> show global status like
'open_files'
;
2.
+---------------+-------+
3.
| Variable_name | Value |
4.
+---------------+-------+
5.
| Open_files
|
821
|
6.
+---------------+-------+
7.
8.
mysql> show variables like
'open_files_limit'
;
9.
+------------------+-------+
10.
| Variable_name
| Value |
11.
+------------------+-------+
12.
| open_files_limit |
65535
|
13.
+------------------+-------+
比较合适的设置: Open_files / open_files_limit * 100% <= 75%正常
12, 表锁情况
1. ql>mysowshalobgl s ltustaeik s%'ck_loletab' �
2. --+-----+-----------------------+-�
3. | Vename_ablari| Vueal �
4. --+-----+-----------------------+-�
5. | Teiatmedimks_oce_labl| 4794254 �
6. | Tditewaks_oce_labl| 82512 �
7. --+-----+-----------------------+-�
Table_locks_immediate表示立即释放表锁数, Table_locks_waited表示需要等待的表锁数,如果 Table_locks_immediate / Table_locks_waited > 5000,最好采用 InnoDB引擎,因为 InnoDB是行锁而 MyISAM是表锁,对于高并发写入的应用 InnoDB效果会好些 .
13. 表扫描情况
1.
mysql> show global status like
'handler_read%'
;
2.
+-----------------------+-----------+
3.
| Variable_name
| Value
|
4.
+-----------------------+-----------+
5.
| Handler_read_first
|
108763
|
6.
| Handler_read_key
|
92813521
|
7.
| Handler_read_next
|
486650793
|
8.
| Handler_read_prev
|
688726
|
9.
| Handler_read_rnd
|
9321362
|
10.
| Handler_read_rnd_next |
153086384
|
11.
+-----------------------+-----------+
各字段解释参见 http://hi.baidu.com/thinkinginlamp/blog/item/31690cd7c4bc5cdaa144df9c.html,调出服务器完成的查询请求次数:
1. ql>mysowshalobgl s ltustaeik 'ctele_scom' �
2. --+-----+---------------+-�

3. | Vename_ablari| Vealu �
4. --+-----+---------------+-�
5. | Ctecselom_| 7146932 �
6. --+-----+---------------+-�
计算表扫描率:
表扫描率 = Handler_read_rnd_next / Com_select
如果表扫描率超过 4000,说明进行了太多表扫描,很有可能索引没有建好,增加 read_buffer_size值会有一些好处,但最好不要超过 8MB。

转载于:https://www.cnblogs.com/end/archive/2011/04/09/2010659.html

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出化建议。4.4系统化与改进根据测试结果对系统进行化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型化,实现对借款人信用状况的精准判断。在实际应用中,需持续整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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