晚上十一点,运营群突然炸了:“下单页转圈!”“后台报表打不开!”“客户说要退款!”
一群人分头查:运维看 CPU,开发看接口超时,老板在群里发语音:“是不是又被攻击了?”半小时后,你终于把 SHOW PROCESSLIST 打出来,发现一堆连接卡在 Sending data,再一看慢查询日志,罪魁祸首是一条没走索引的统计 SQL。它白天像个乖孩子,到了晚上批量任务一来,直接把库拖进泥里。
MySQL 监控这事最坑人的地方就在这:大家不是没装工具,而是装了很多“看得见”的东西,却很少装“能救命”的线索。面板越来越炫,颜色越来越绿,可一旦真出事,你还是不知道先看哪儿。
别把监控当成“仪表盘生意”
很多人选 MySQL 监控工具,第一眼先看图好不好看。这个心态很正常,就像买车先看中控屏大不大。可数据库不是展厅,仪表盘只是仪表盘,真正值钱的是它背后的采样口径、保留周期、告警阈值,还有能不能把“库很慢”翻译成“哪类 SQL、哪个指标、哪个时间点”开始坏。
Percona 在最佳实践里反复强调一件事:监控指标只是大图,落到具体 SQL 还要看 profiling、EXPLAIN 和慢查询日志,别指望一张面板自动替你破案。这句话翻译成人话就是:面板告诉你“发烧了”,EXPLAIN 才告诉你是不是肺里有问题。
2026 年再选工具,建议先把问题分三层:
- 我只想知道库活没活:云厂商 RDS 自带监控、Zabbix 模板、Uptime 探测就够。
- 我想定位慢 SQL:PMM、Prometheus + mysqld_exporter + Grafana、Percona Toolkit 这条线更实在。
- 我要把应用接口和 SQL 串起来:APM/可观测性平台才有意义,否则你只是把数据库单独放进了玻璃罩。
一个小型环境别硬上重型全家桶;中大型环境也别用“每隔 5 分钟跑一次脚本看趋势”当长期方案。2026 年常见分工还是那几条:Prometheus + Grafana 灵活但要自己养;PMM 对 MySQL/PostgreSQL/MongoDB 更开箱即用,带 Query Analytics;Zabbix 稳,综合监控强,但 MySQL 深度分析要额外补。选型依据参考:MySQL DBA 运维监控技术指南、Best Database Monitoring Tools in 2026。
指标别贪多,五个就够开场
新手最容易犯的错,是一次导入了几十个 dashboard,指标成百上千,最后值班的人只敢看“CPU 红没红”。其实大多数事故,开场看五个信号就够:
连接使用率,看 max_used_connections / max_connections。用户报“无法连接数据库”,十有八九不是网络,而是连接池或连接数被打满。别只盯当前连接,要盯“历史峰值有没有贴近上限”。
InnoDB Buffer Pool 命中率。OLTP 场景尽量奔 99% 去;滑到 95%—97% 多半不是命中率突然坏掉,而是热点数据已经比内存大了,像小冰箱硬塞大采购。Percona 和观测性厂商在 2026 年口径很一致:看这个值的趋势,别看单点快照。
Threads_running。它比连接数更敏感,像餐厅里真正在传菜的服务员数量。连接很多不一定是坏事,正在跑的很多才危险。
慢查询率和慢日志内容。Slow_queries 飙升,往往意味着 SQL 退化、索引失效,或者上游发了新功能。Select_scan 增长,就是全表扫描抬头。
复制延迟。主从架构里,延迟不是“落后一点没事”,而是读库可能把旧数据卖给用户。见过最尴尬的事故:用户改完地址,前端读从库还是旧省市区,客服安慰半天,最后发现是复制延迟。
2026 年的监控 FAQ 基本把这五条列为“覆盖大多数事故”的底线,再补一个数据目录磁盘剩余空间,剩下都是精细化。参考:MySQL Monitoring: The Complete 2026 Guide。
慢 SQL:别等出事再翻旧账
慢查询日志这东西,像小区门口的监控。平时没人看,丢东西了才想起调;可真到要用,存储周期不够、角度不对、隐私没处理,一样抓瞎。
正确姿势不复杂:生产环境开 slow_query_log=1,long_query_time 先从 2 秒起步,电商类可以更严到 1 秒;排查期打开 log_queries_not_using_indexes=1,别让“没用索引但侥幸很快”的 SQL躲在暗处。日志权限收紧,默认 MySQL 还关着慢日志,很多人出事才发现根本没开。
分析别用肉眼硬啃,交给 pt-query-digest。它把相似 SQL 归并,按总耗时排序。你常会看到一种反直觉结果:排第一的不是单次最慢的,而是“每次不算太慢、但一天跑几百万次”的查询。优化它,收益常常比抓一条冷门大 SQL 更大。
有个细节很要命:用 PMM 的 QAN 时,--query-source 选 slowlog 还是 performance_schema?自建机建议 slowlog;RDS/DBaaS 拿不到慢日志文件,再退到 performance_schema。Percona 社区和 PMM 文档都提过这个边界:能读文件就 tail 慢日志,读不到才周期性查 performance_schema 表。
成本上也不用怕。现代系统开慢日志的开销大致 1%—3%,比起一次全表扫描把 CPU 打满,这点代价很划算。慢日志保留 30 天,做趋势分析和容量规划;文件太大就切割处理,别把分析脚本也跑成事故。实操步骤可参考:MySQL Slow Query Log Analysis Tutorial 2026、How to Set Up MySQL Monitoring with PMM。
工具别乱点鸳鸯谱
同样是“MySQL 卡”,场景不同,答案完全不一样。
如果你只有三五台 VPS,网站、小程序、报表混跑,别急着搭重型平台。先把慢日志开了,装上 mysqld_exporter,用 Grafana 导入一个成熟 MySQL dashboard,把连接、QPS/TPS、InnoDB、复制、磁盘这几个图钉在首屏。成本接近零,收益立刻可见。
如果你是中型团队,库不止一套,又有 MySQL 又碰 PostgreSQL/MongoDB,PMM 这类专门面向数据库的平台更省脑。它的价值不在“也有一个 Grafana”,而在 QAN、Advisor、拓扑视图这些数据库视角:哪些表没主键、innodb_buffer_pool_size 偏小、max_connections 贴近上限,Advisor 会直接拍你肩膀。
上了 Kubernetes,玩法又变。mysqld_exporter 可以 sidecar 或独立 deployment 去抓 Service;慢日志别丢,用 Fluent Bit、DataKit 这类日志采集器从共享卷收走,统一打 namespace、pod、cluster 标签。否则 Pod 一漂移,日志和人一起失联。
等你的问题变成“这条慢 SQL 到底由哪个接口触发”“这次发布和数据库抖动是不是同源”,DIY 指标栈就开始到边界了。指标和告警它很强;跨服务关联、慢日志内容对上 trace、多集群长周期留存,这些才是商业 DBM/APM 开始收钱的地方。不是他们更善良,是你省心要付费。
2026 年的新风向:从“看库”走向“看调用链”
这两年 MySQL 监控最大的变化,不是又出了哪个神仙面板,而是监控对象从“数据库本身”挪到了“数据库被谁调用”。
以前 DBA 的世界里,优化一条 SQL 就赢了。现在微服务一拆,前端一个按钮可能穿过网关、订单服务、库存服务、风控服务,最后落到 MySQL。你只看到一条 SELECT 慢了,未必知道是列表页默认查全量,还是风控兜底重试把库打穿。于是监控工具开始往 OpenTelemetry、trace、日志关联上挤,连 SigNoz 这类开源可观测平台也把 DB Call Metrics 单独拎出来做。
这不意味着人人都要上 APM。预算紧、团队小,就把“接口名/SQL 指纹”写进慢日志分析结果,按天归档;等业务真被 trace 救过一次,再决定花钱。反过来,一旦你要做 618、双 11 这种大促,压测工具也别单打独斗。2026 年性能测试的主流姿势,是 k6/Gatling/JMeter 出压力,Prometheus/Grafana 看服务端指标,OpenTelemetry/Loki 把链路和日志串起来。压测不再是“跑完出一个报告”,而是直接定位瓶颈。
还有个低调但实用的趋势:指标保留被重新重视。很多团队监控只留 7 天,出了慢病只会说“最近好像有点卡”。把 PMM/VictoriaMetrics/Prometheus 的关键指标留 30 天以上,趋势才敢说话;容量规划、索引治理、发布前后对照,都靠这点历史垫底。PMM 生产建议也提到至少 4GB 内存和持久化存储,别把监控服务器本身跑成一次性烟花。
一份能直接落地的值班清单
首屏只放救命图:连接使用率、QPS/TPS、Threads_running、Buffer Pool 命中率、慢查询数、复制延迟、数据目录磁盘。
告警别做成“阈值一碰就吼”。连接数贴近 85% 提醒,Threads_running 持续升高才电话;复制延迟按业务容忍度设,读强一致的业务宁可严一点。
慢日志常开,权限收紧,保留 30 天;每天用 pt-query-digest 归并,按总耗时排序,专治“每次都还行、总量很吓人”的 SQL。
PMM/QAN 用 slowlog 还是 performance_schema 看部署形态;RDS 没文件就用 performance_schema,自建机优先 slowlog。
大促前做一次“压测 + 监控联动”,别只看 TPS 曲线,要把慢 SQL、锁等待、复制延迟放进同一张时间轴。
每月回看 Advisor/巡检结果:没主键的表、长期没 ANALYZE 的大表、buffer pool 明显偏小,这些都比“CPU 平均 40%”更像未来事故预告。
说到底,MySQL 性能监控工具不是买来供奉的。真正好用的状态,是值班的人半夜被叫醒时,心里有一张地图:先看连接,再看线程,再看慢查询,最后把 QPS 曲线和发布记录叠在一起。工具只是把手电筒,光打对了地方,故障才不像鬼故事。
你最近一次数据库事故,是指标先报警,还是用户先骂人?评论区聊聊。
