博客
关于我
第27章 MySQL 性能模式
阅读量:368 次
发布时间:2019-03-05

本文共 675 字,大约阅读时间需要 2 分钟。

MySQL性能模式详解

性能模式是MySQL Server提供的一种低级别监控功能,旨在实时检查服务器执行情况。以下是性能模式的核心特征和工作原理。

事件监控的核心

性能模式通过收集服务器事件数据,帮助管理员了解服务器的运行状态。事件是指需要时间验证的操作,包括函数调用、操作系统等待、SQL语句执行阶段(如解析或排序)以及整个语句或语句组的执行。这些事件还涉及表I/O、表锁、文件操作和互斥锁等信息。

数据收集与存储

性能模式使用专用的PERFORMANCE_SCHEMA存储引擎和performance_schema数据库来存储事件数据。这些表与其他数据库表一样,可通过SELECT语句进行查询和分析。配置更改可以通过SQL语句实时更新性能模式配置,影响数据收集。

内存表特性

性能模式的表是内存表,内容在服务器启动时重新填充,在关闭时丢弃。内存表的优势是快速响应,数据更新及时,但也意味着数据不持久,需谨慎使用。

性能模式的设计目标

性能模式设计遵循极小资源消耗和无影响的原则,确保监控不影响服务器正常运行。解析器和查询执行计划未改变,检测点添加简单且灵活。即使检测功能失效,服务器执行也不会受到影响。

sys模式的便捷性

sys模式提供了一组易于访问的对象,用于方便获取性能模式数据。它是默认安装的,功能强大,适合日常监控和分析需求。

注意事项

性能模式的实现依赖于修改服务器源代码,各存储引擎的检测工具可能存在差异。管理员需了解平台限制,确保监控结果的准确性。

通过性能模式,管理员可以实时掌握服务器执行情况,定位性能瓶颈,优化数据库性能。

转载地址:http://nwjg.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
查看>>
Opencv中KNN背景分割器
查看>>