Linux 下监控 MySQL 的方法，如何在 Linux 下高效监控 MySQL 性能？，如何在Linux下高效监控MySQL性能？这5个方法你试过吗？

MySQL原生监控工具详解

mysqladmin实用程序全面应用

# 查看服务器基础状态（包含运行时长和QPS）
mysqladmin -u root -p status
# 获取扩展状态信息（包含300+核心指标）
mysqladmin -u root -p extended-status
# 实时监控活动进程（显示完整SQL语句）
mysqladmin -u root -p -v processlist

SQL监控命令全集

-- 查看全局状态变量（含计数器统计）
SHOW GLOBAL STATUS;
-- 精确查询配置参数（支持通配符匹配）
SHOW VARIABLES LIKE '%timeout%';
-- 实时连接监控（显示完整SQL和状态）
SHOW FULL PROCESSLIST;
-- InnoDB引擎深度诊断（需开启标准监控）
SHOW ENGINE INNODB STATUS\G

性能分析体系构建

Performance Schema实战技巧

-- 查看已启用的监控点（按类别筛选）
SELECT * FROM performance_schema.setup_instruments 
WHERE ENABLED = 'YES' AND NAME LIKE '%statement%';
-- 分析SQL执行模式（Top 10耗时查询）
SELECT 
    DIGEST_TEXT AS query_pattern,
    COUNT_STAR AS exec_count,
    ROUND(SUM_TIMER_WAIT/1000000000,2) AS total_sec,
    ROUND(AVG_TIMER_WAIT/1000000000,4) AS avg_sec
FROM performance_schema.events_statements_summary_by_digest
ORDER BY SUM_TIMER_WAIT DESC LIMIT 10;

最佳实践：建议建立定期采集机制，将events_statements_summary_by_digest数据归档分析，可有效识别高频低效查询模式，对于关键业务数据库,建议设置基线对比功能。

系统级监控方案深度解析

进程资源监控组合拳

# 实时监控MySQL进程资源占用（按CPU排序）
htop -u mysql -s PERCENT_CPU -d 10  # 10秒刷新间隔
# 内存交换监控（精确到KB单位）
watch -n 5 'grep -i swap /proc/$(pgrep mysqld)/smaps | awk "{sum+=$2} END {print sum/1024\" MB\"}"'

I/O性能深度分析

# 块设备级监控（重点关注await和%util）
iostat -xmd 2  # 2秒间隔显示详细指标
# 文件描述符实时监控（含增长趋势）
watch -n 1 'echo "当前FD数:" $(ls -l /proc/$(pgrep mysqld)/fd | wc -l); echo "系统限制:" $(ulimit -n)'

专业监控平台部署指南

PMM(Percona Monitoring and Management)完整部署

# 安全安装（推荐Docker方式）
docker volume create pmm-data
docker run -d \
    -p 80:80 -p 443:443 \
    --name pmm-server \
    --restart always \
    -v pmm-data:/srv \
    percona/pmm-server:2
# 客户端节点注册
pmm-admin config --server-url=http://<SERVER_IP> --server-insecure-tls
pmm-admin add mysql --username=pmm --password=secure_password

Prometheus生态集成方案

# 高级mysqld_exporter配置示例
scrape_configs:
  - job_name: 'mysql-prod'
    scrape_interval: 15s
    static_configs:
      - targets: ['mysql01:9104','mysql02:9104']
    metrics_path: /metrics
    params:
      collect[]:
        - global_status
        - innodb_metrics
        - perf_schema.eventswaits
    relabel_configs:
      - source_labels: [__address__]
        target_label: instance

日志分析体系构建

智能日志监控方案

# 多日志联合监控（带颜色区分和过滤）
multitail \
    -cS mysql -e "error|warning" /var/log/mysql/error.log \
    -cS slowquery -e "Query_time" /var/log/mysql-slow.log \
    -cS audit -e "CONNECT" /var/log/mysql-audit.log

慢查询分析进阶技巧

# 生成交互式HTML报告（含执行计划分析）
pt-query-digest \
    --limit=10% \
    --report-format=profile,query_report \
    --filter='$event->{arg} =~ m/^SELECT/i' \
    /var/log/mysql-slow.log > slow_report.html

自定义监控脚本库

增强版连接池监控脚本

#!/bin/bash
# 连接池监控增强版 v1.2
# 功能：实时监控+趋势预测+自动告警
# 配置阈值
CRITICAL=90    # 严重阈值百分比
WARNING=70     # 警告阈值百分比
HISTORY_FILE="/tmp/mysql_conn_history.log"
# 获取当前连接数
conn_data=$(mysql -Nse "SHOW STATUS WHERE Variable_name IN ('Threads_connected','Max_used_connections');")
current_conn=$(echo "$conn_data" | awk '/Threads_connected/{print }')
max_conn=$(mysql -Nse "SHOW VARIABLES LIKE 'max_connections'" | awk '{print }')
usage=$((100*current_conn/max_conn))
# 记录历史数据
timestamp=$(date +"%Y-%m-%d %H:%M:%S")
echo "$timestamp,$current_conn,$max_conn" >> $HISTORY_FILE
# 趋势分析（最近5分钟）
if [ -f "$HISTORY_FILE" ]; then
    trend=$(tail -n 30 $HISTORY_FILE | awk -F, '{sum+=} END {print sum/NR}')
    trend_diff=$((current_conn - trend))
fi
# 告警逻辑
if [ $usage -ge $CRITICAL ]; then
    echo "[CRITICAL] 连接数已达${usage}% (趋势变化: +${trend_diff})"
elif [ $usage -ge $WARNING ]; then
    echo "[WARNING] 连接数已达${usage}% (趋势变化: +${trend_diff})"
else
    echo "[OK] 连接数${usage}% (趋势变化: +${trend_diff})"
fi

核心监控指标体系参考

可视化监控最佳实践

推荐技术栈组合：

1. Grafana仪表盘：

   • 使用Percona官方仪表盘
   • 自定义关键指标聚合视图

2. 时序数据库选型：

   graph LR
   A[数据源] -->|高频率| B[VictoriaMetrics]
   A -->|长期存储| C[TimescaleDB]
   B --> D[Grafana]
   C --> D

3. 智能告警系统：

   • 多级告警策略（预警/严重/灾难）
   • 多通道通知（企业微信/短信/邮件）
   • 告警自愈集成（自动扩容/连接池调整）

监控频率黄金法则：

• 高频指标（QPS/活跃连接）：10-15秒间隔
• 中频指标（缓存/锁竞争）：1分钟间隔
• 低频指标（表空间/用户统计）：15分钟间隔
• 基线指标（性能模式）：每日快照

通过组合使用上述方法，可以构建从宏观到微观的完整监控体系,对于不同规模的环境建议：

• 中小型环境：PMM全栈方案
• 大型分布式：Prometheus+VictoriaMetrics+Grafana
• 云原生环境：集成CloudWatch/阿里云监控

终极建议：建立监控指标的"黄金信号"——延迟、流量、错误、饱和度，这四个维度可以覆盖90%以上的性能问题。