摘要：
对MySQL慢查询日志进行分析的基本教程？开启慢查询日志mysql>setglobalslow_query_log=1;定义时间SQL查询的超时时间mysql&... 对MySQL慢查询日志进行分析的基本教程？
开启慢查询日志
mysql>setglobalslow_query_log=1;
定义时间SQL查询的超时时间
mysql>setgloballong_query_time=0.005;
查看慢查询日志的保存路径
mysql>showglobalvariableslike'slow_query_log_file';
查看慢查询
cat/var/log/mysql/slow.log
如何开启MySQL慢查询日志？
shell>mysql -u root -p #输入密码 mysql>show variables like "%slow%"; #检查下面几条参数 slow_query_log #这个是表示的slow log有没开 slow_query_log_file #这个是slow log的地址 #然后直接vim 那个文件就可以了
mysql5.6慢查询怎么配置？
打开慢查询日志慢查询日志，顾名思义就是记录执行比较慢查询的日志。查看是否开启慢查询日志：show variables like '%slow%';打开慢查询日志。修改MySQL的配置文件my.cn一般是在/etc目录下面，加上下面三行配置后重启MySQL。
slow_query_log = ONslow_launch_time = 2slow_query_log_file = /usr/local/mysql/data/slow_query.logslow_launch_time只能精确到秒，如果需要更精确可以使用一些第三方的工具
mysqlsum查询速度很慢？
这个问题和设计有关系,简单的sql优化提升不了多少,但是这个sql还是可以进一步优化的
利用索引,用unionall代替in,如select*fromtabwhereidin(1,2),可写成select*fromtabwhereid=1unionall
select*fromtabwhereid=2
但是上面的优化起不到根本效果,如果100万1000万数据怎么办,难道每次都要全部查出来嘛,那是不可能的,而且你的页面也不能全部都展示出来!所有需要换个思路,如,将一个会员的订单记录查询出来,然后通过程序(java或者存储过程)算出时间差,按照上面再计算下一个会员;
mysql多表查询中，表的数量很大而且查询条件很多，加视图的话可不可以提高查询速度呢？
视图的方式可以“简化”查询逻辑，让查询看起来简单，但是如果多表查询性能差，对于视图的方式来说，要排查性能瓶颈还是比较困难的。所以优化的本质不会变，是基于资源的平衡，简化不能够解决性能问题。
加视图，最后还是查的这几张表，最好的就是将你需要的数据，通过代码的方式转的一张表里面，然后单表操作是最快的，对单表加索引，千万数据也能查的很快，如果数据量还是很大，还可以做成分区，针对分区去查，检索速度也会很快
问题
我们有一个 SQL，用于找到没有主键 / 唯一键的表，但是在 MySQL 5.7 上运行特别慢，怎么办?
实验
我们搭建一个 MySQL 5.7 的环境，此处省略搭建步骤。
写个简单的脚本，制造一批带主键和不带主键的表：
执行一下脚本：
现在执行以下 SQL 看看效果：
...
执行了 16.80s，感觉是非常慢了。
现在用一下 DBA 三板斧，看看执行计划：
感觉有点惨，由于 information_schema.columns 是元数据表，没有必要的统计信息。
那我们来 show warnings 看看 MySQL 改写后的 SQL：
我们格式化一下 SQL：
可以看到 MySQL 将
select from A where A.x not in (select x from B) //非关联子查询
转换成了
select from A where not exists (select 1 from B where B.x = a.x) //关联子查询
如果我们自己是 MySQL，在执行非关联子查询时，可以使用很简单的策略：
select from A where A.x not in (select x from B where ...) //非关联子查询:1. 扫描 B 表中的所有记录，找到满足条件的记录，存放在临时表 C 中，建好索引2. 扫描 A 表中的记录，与临时表 C 中的记录进行比对，直接在索引里比对，
而关联子查询就需要循环迭代：
select from A where not exists (select 1 from B where B.x = a.x and ...) //关联子查询扫描 A 表的每一条记录 rA： 扫描 B 表，找到其中的第一条满足 rA 条件的记录。
显然，关联子查询的扫描成本会高于非关联子查询。
我们希望 MySQL 能先"缓存"子查询的结果（缓存这一步叫物化，MATERIALIZATION），但MySQL 认为不缓存更快，我们就需要给予 MySQL 一定指导。
...
可以看到执行时间变成了 0.67s。
整理
我们诊断的关键点如下：
\1. 对于 information_schema 中的元数据表，执行计划不能提供有效信息。
\2. 通过查看 MySQL 改写后的 SQL，我们猜测了优化器发生了误判。
\3. 我们增加了 hint，指导 MySQL 正确进行优化判断。
但目前我们的实验仅限于猜测，猜中了万事大吉，猜不中就无法做出好的诊断。
