lloydsheng1. 项目背景与核心价值
慢查询问题是MySQL数据库性能优化的头号杀手。在实际生产环境中，一条未经优化的SQL语句可能拖垮整个系统。传统的手动排查方式效率低下，往往需要DBA反复查看慢查询日志，再与开发人员沟通优化方案。这种模式存在三个痛点：
- 问题发现滞后：通常需要等到用户投诉或监控报警才会介入
- 排查成本高：需要跨团队协作，沟通成本巨大
- 优化不系统：缺乏自动化的建议生成机制
我们设计的这套方案实现了三个突破性改进：
- 实时监控：通过SpringBoot的AOP机制拦截所有DAO层操作
- 智能分析：自动识别慢查询并关联执行计划
- 精准建议：基于MySQL优化器原理生成针对性优化方案
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 技术架构设计
2.1 整体方案流程图
mermaid复制graph TD
A[SQL执行拦截] --> B[耗时检测]
B -->|超阈值| C[执行计划分析]
C --> D[优化建议生成]
D --> E[预警通知]
B -->|正常| F[结束]
2.2 核心组件说明
-
拦截层：基于Spring AOP的@Around增强
- 使用ProceedingJoinPoint获取执行SQL
- 通过System.nanoTime()计算精确耗时
-
分析层：
- 慢查询识别：动态阈值配置（默认500ms）
- EXPLAIN解析：使用MySQL的EXPLAIN FORMAT=JSON
- 索引分析：检查possible_keys与实际使用索引
-
建议引擎：
- 索引缺失：推荐创建复合索引
- 全表扫描：建议添加WHERE条件
- 临时表：检查GROUP BY字段
- 文件排序：优化ORDER BY子句
3. 关键实现代码
3.1 AOP拦截器实现
java复制@Aspect
@Component
@Slf4j
public class SlowQueryAspect {
@Value("${slow.query.threshold:500}")
private long threshold;
@Around("execution(* com..mapper.*.*(..))")
public Object monitorQuery(ProceedingJoinPoint pjp) throws Throwable {
long start = System.nanoTime();
Object result = pjp.proceed();
long cost = (System.nanoTime() - start) / 1_000_000;
if(cost > threshold) {
String sql = getSql(pjp);
analyzeSlowQuery(sql, cost);
}
return result;
}
private String getSql(ProceedingJoinPoint pjp) {
// 解析MyBatis的BoundSql获取原始SQL
}
}
3.2 执行计划解析器
java复制public class ExplainAnalyzer {
public static AnalysisResult analyze(String sql) {
String explainJson = jdbcTemplate.queryForObject(
"EXPLAIN FORMAT=JSON " + sql, String.class);
JSONObject plan = new JSONObject(explainJson);
return new AnalysisResult()
.setFullScan(plan.getBoolean("full_scan"))
.setTempTable(plan.getBoolean("using_temporary"))
.setFilesort(plan.getBoolean("using_filesort"));
}
}
4. 动态阈值配置方案
4.1 基于TP指标的自动调整
java复制// 根据历史耗时P99值动态调整阈值
public void adjustThreshold() {
long p99 = statsService.getP99Latency();
threshold = (long)(p99 * 1.2); // 上浮20%作为缓冲
}
4.2 分时阈值配置
yaml复制slow-query:
thresholds:
- time: 00:00-08:00
value: 1000
- time: 08:00-20:00
value: 500
- time: 20:00-24:00
value: 800
5. 优化建议规则引擎
5.1 规则配置表示例
sql复制CREATE TABLE optim_rule (
id INT PRIMARY KEY,
pattern VARCHAR(200) COMMENT 'SQL特征正则',
suggestion TEXT COMMENT '优化建议模板',
priority TINYINT COMMENT '规则优先级'
);
INSERT INTO optim_rule VALUES
(1, 'SELECT.*WHERE.*IS NULL', '考虑使用索引列替代NULL判断', 3),
(2, 'SELECT.*ORDER BY RAND()', '避免使用RAND()排序，建议业务层处理', 1);
5.2 建议生成逻辑
java复制public List<Suggestion> generateSuggestions(AnalysisResult result) {
List<Suggestion> suggestions = new ArrayList<>();
if(result.isFullScan()) {
suggestions.add(new Suggestion()
.setTitle("全表扫描警告")
.setContent("建议为WHERE条件字段添加索引"));
}
// 应用规则引擎匹配
rules.forEach(rule -> {
if(Pattern.matches(rule.getPattern(), sql)) {
suggestions.add(rule.toSuggestion());
}
});
return suggestions.stream()
.sorted(Comparator.comparingInt(Suggestion::getPriority))
.collect(Collectors.toList());
}
6. 预警通知集成
6.1 通知渠道配置
properties复制# application.properties
slowquery.notify.enabled=true
slowquery.notify.channels=email,dingtalk
slowquery.notify.receivers=dev-team@company.com
6.2 钉钉机器人通知示例
java复制public void sendDingTalkAlert(SlowQuery query) {
DingTalkClient client = new DingTalkClient();
MarkdownMessage message = new MarkdownMessage();
message.setTitle("慢查询预警");
message.addItem("SQL", query.getSql());
message.addItem("耗时", query.getCost() + "ms");
message.addItem("建议", String.join("\n", query.getSuggestions()));
client.send(message);
}
7. 性能优化技巧
7.1 采样率控制
对于高频查询接口，建议启用采样监控：
java复制@Around("execution(* com..mapper.*.*(..))")
public Object monitorQuery(ProceedingJoinPoint pjp) throws Throwable {
if(sampleRate < 1.0 && Math.random() > sampleRate) {
return pjp.proceed();
}
// 正常监控逻辑
}
7.2 异步处理优化
使用Disruptor实现高性能事件队列：
java复制public class SlowQueryEvent {
private String sql;
private long cost;
// getters/setters
}
public class SlowQueryEventHandler implements EventHandler<SlowQueryEvent> {
@Override
public void onEvent(SlowQueryEvent event, long sequence, boolean endOfBatch) {
analyzeAndNotify(event);
}
}
8. 生产环境部署建议
8.1 监控指标暴露
通过Micrometer暴露监控指标：
java复制MeterRegistry registry = new PrometheusMeterRegistry();
registry.gauge("slow_query_count", slowQueryStats.getCount());
registry.gauge("slow_query_max", slowQueryStats.getMax());
8.2 灰度发布策略
建议分三个阶段上线：
- 监控阶段：只记录不告警
- 预警阶段：仅通知不阻断
- 全量阶段：开启完整功能
9. 常见问题解决方案
9.1 误报问题处理
现象：批量操作被误判为慢查询
方案：添加白名单配置
yaml复制slow-query:
exclude-patterns:
- ".*batchInsert.*"
- ".*dataMigration.*"
9.2 连接池干扰
现象：连接获取时间被计入SQL耗时
方案：区分连接获取与SQL执行时间
java复制long connStart = System.nanoTime();
Connection conn = dataSource.getConnection();
long connCost = System.nanoTime() - connStart;
long sqlStart = System.nanoTime();
// 执行SQL
long sqlCost = System.nanoTime() - sqlStart;
10. 扩展优化方向
- 智能索引推荐：基于历史慢查询自动生成DDL
- SQL重写引擎：自动生成等价优化SQL
- 趋势预测：基于时间序列预测慢查询发生概率
- ORM层优化：识别N+1查询等典型问题
重要提示：生产环境建议先在小流量环境验证，监控系统开销控制在3%以内