PHP慢查询日志分析指南

一、准备工作：启用并配置慢查询日志

慢查询日志是分析PHP性能瓶颈的基础，需先通过配置收集相关数据。

配置路径：慢查询日志的配置分为两部分——PHP应用层（记录请求整体执行时间）和数据库层（记录SQL执行时间）。
- PHP应用层：修改php.ini文件，设置slowlog（日志路径，如/var/log/php-slow.log）和request_slowlog_timeout（慢请求阈值，单位：秒，如2表示超过2秒的请求会被记录）；
- 数据库层（以MySQL为例）：修改my.cnf文件，设置slow_query_log=1（启用慢查询日志）、slow_query_log_file=/var/log/mysql/mysql-slow.log（日志路径）、long_query_time=1（SQL慢查询阈值，单位：秒）、log_queries_not_using_indexes=1（记录未使用索引的查询，即使执行快）。
重启服务：修改配置后，重启PHP服务（如systemctl restart php-fpm）和数据库服务（如systemctl restart mysql）使配置生效。

配置生效后，让应用运行一段时间（如24小时），慢查询日志会自动记录符合条件的请求和SQL语句。

日志内容：PHP慢日志通常包含请求的URL、执行时间、调用堆栈（如触发慢查询的PHP文件及行号）；数据库慢日志（如MySQL）包含SQL语句、执行时间、锁等待时间、扫描行数等信息。

手动查看日志效率低，推荐使用工具快速定位问题：

命令行工具：
- mysqldumpslow（MySQL专用）：用于聚合相似查询并排序。常用命令如mysqldumpslow -s at -t 10 /var/log/mysql/mysql-slow.log，其中-s at表示按平均查询时间排序，-t 10表示显示前10条记录，可快速找出执行时间最长的SQL；
- tail -f：实时查看日志新增内容，适合监控当前慢查询（如tail -f /var/log/php-slow.log）。
可视化分析工具：
- pt-query-digest（Percona Toolkit）：比mysqldumpslow更强大，能生成详细的分析报告（包括查询频率、执行时间分布、锁等待情况等），帮助快速定位高频慢查询；
- 第三方工具：如Percona Monitoring and Management (PMM)（开源）、Datadog（商业版），提供图形化界面，支持实时监控慢查询趋势、关联数据库与PHP应用性能。
框架内置工具：
若使用PHP框架（如Laravel、Symfony），可使用其内置的调试工具：
- Laravel Debugbar：在开发模式下显示当前页面的所有SQL查询、执行时间及是否使用索引；
- Symfony Profiler：提供请求级别的性能分析，包括SQL查询、PHP函数调用耗时等，帮助定位慢查询触发点。

慢查询的根本原因通常分为SQL问题、代码逻辑问题两类，需进一步分析：

SQL问题分析：
对日志中的慢SQL使用EXPLAIN命令（如EXPLAIN SELECT * FROM users WHERE status = 'active'），查看执行计划：
- 若type列为ALL，表示全表扫描，需添加索引（如status字段）；
- 若Extra列包含Using filesort（文件排序）或Using temporary（临时表），表示SQL效率低，需优化查询逻辑（如避免SELECT *、减少JOIN数量）；
- 若rows列数值过大，表示扫描行数多，需优化查询条件（如添加索引、缩小查询范围）。
代码逻辑分析：
若慢查询由PHP代码引起，需检查：
- 循环内重复查询：如在for循环中多次执行相同的SQL（如foreach ($users as $user) { $db->query("SELECT * FROM orders WHERE user_id = {$user['id']}") }），应改为批量查询（如$db->query("SELECT * FROM orders WHERE user_id IN (" . implode(',', $userIds) . ")")）；
- 不必要的查询：如在不需要的地方查询数据库（如缓存数据未命中时才查询，但缓存命中后仍重复查询），应优化逻辑（如缓存查询结果）；
- 连接池问题：若数据库连接数过多（如未使用连接池导致频繁创建/销毁连接），应配置连接池（如使用Swoole或Doctrine DBAL的连接池功能）。

SQL优化：根据EXPLAIN结果添加索引、重写SQL（如将SELECT *改为SELECT id, name减少数据传输）、拆分复杂查询（如将LEFT JOIN改为多次简单查询）；
代码优化：修复循环内重复查询、移除不必要查询、引入缓存（如Redis缓存热点数据，减少数据库访问）；
持续监控：
- 建立性能基线：记录优化前的慢查询数量、平均执行时间等指标，作为后续对比的基准；
- 自动化分析与告警：使用pt-query-digest定期分析慢日志（如每天凌晨），并通过邮件或钉钉发送告警（如慢查询数量超过100条时触发）；
- 工具持续监控：使用PMM或Datadog实时监控慢查询趋势，及时发现新的性能问题。