在实际的日志分析中，通常慢日志的log数量不少，同时相同的查询被记录的条数也会很多，这里就需要如何从慢日志查询中找到最有问题，最需要优化的日志。在这方面，有很多分析工具，最基本的分析工具就是MySQL自带的mysqldumpslow，mysqldumpslow(Perl脚本)的输出示例：

[root@cloudlu bin]# ./mysqldumpslow -s t -t 1 /usr/local/mysql/data/cloudlu-slow.log

Reading mysql slow query log from /usr/local/mysql/data/cloudlu-slow.log
Count: 1  Time=0.00s (0s)  Lock=0.00s (0s)  Rows=3.0 (3), root[root]@localhost
  select * from t

一看就非常清楚，它的输出主要 统计不同慢sql的出现次数(Count 1)，执行最长时间(Time 0.00s)，累计总耗费时间(Time 0s)，等待锁的时间(Lock 0.00s)，等待锁的总时间(Lock 0s)，发送给客户端的行总数(Rows 3.0)，扫描的行总数(Rows 3)，用户(root)以及sql语句本身。它最常用的参数包括：

-s 排序选项：c 查询次数 r 返回记录行数 t 查询时间
-t n：显示top n条查询

对于一般的分析已经差不多了，不过对于百分比等等数据mysqldumpslow就不够完善了。所以世界上多了很多各种MySQL慢日志分析工具，比较优秀的有mysqlsla(Perl脚本)和pt-query-digest(Perl脚本)，可以提供Count, sql的执行次数及占总的slow log数量的百分比，Time, 执行时间, 包括总时间, 平均时间, 最小, 最大时间, 时间占到总慢sql时间的百分比，95% of Time, 去除最快和最慢的sql, 覆盖率占95%的sql的执行时间，Lock Time, 等待锁的时间，95% of Lock , 95%的慢sql等待锁时间，Rows sent, 结果行统计数量, 包括平均, 最小, 最大数量，Rows examined, 扫描的行数量，还可以生成表报，存储分析结果。这里就不一一介绍了。

通过这些慢日志分析软件定位到了慢查询语句就已经完成了SQL优化的一大半。接下来通过在MySQL中执行explain或者desc命令查看慢查询语句，可以看出为什么SQL查询慢。

mysql> explain select * from test.t \G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: t
         type: ALL
possible_keys: NULL
          key: NULL
      key_len: NULL
          ref: NULL
         rows: 2
        Extra: NULL
1 row in set (0.00 sec)

它的输出格式细节可以关注MySQL explain format，在输出中最要注意的是：

1. type：ALL是效率最差，最要注意的

2. key：是否有使用Key，key长度如何

3. Extra：最好不要出现filesort以及temporary，最主要是要关注在orderby和groupby。

Note: SQL优化是个很复杂的过程，有可能出现拆东墙补西墙的情况：比如给数据库表加入了索引之后，确实查询快了，可是存储空间加多了，插入删除操作耗时也增加了，如果在一个写多读少的系统中，执行这种优化可能会起到反效果。所以优化完之后千万不能大意，要持续监控系统，防止出现引入新瓶颈的情况。