如何快速找到MYSQL binlog中的大事物以及生成量分布(infobin工具)
原創(chuàng)注明出處：
1、問題引出：
某些時候需要判斷binlog中是否有大事物的存在，比如在解決master-slave延遲
高的情況下。一般我們使用
mysqlbinlog來找，但是遇到一個問題，使用mysqbinlog
來找比較麻煩，有沒有一個快速的方法呢？當然使用shell腳本來做一些格式化，也
可以找到，這里介紹一個工具叫做infobin 來做，是我自己編寫的用C語言完成
2、infobin能做什么？
--找到你大于你指定大小日志量的事物，一般定義為大事物，給出了其位置，通過位置就能在mysqlbinlog的輸出
中找到大事物
--找到一個binlog中哪個時間段生成日志量最多
--解析binlog生成event的分布，和部分表語句信息，
--這個binlog文件每秒日志的生成量、最大的event大小，總的事物個數(shù)等等
3、如何使用
--USAGE:./infobin [binlogfile] [piece] [bigtrxsize]
[binlogfile]:binlog file!
[piece]:how many piece will split,is a Highly balanced histogram,
find which time generate biggest binlog.(must:piece<2000000)
[bigtrxsize](bytes):larger than this size trx will view.(must:trx>256(bytes))
比如我們要分析72mysql-bin.000586中的大于600K左右的大事物，分10個分片
來判斷日志生成量的周期就可以如下：
./infobin 72mysql-bin.000586 10 600000 > log6.log
這里著重解析一下
piece:這是分片參數(shù)，比如1G的binlog分為10片那么1片就是100M左右，如果
分片1在100秒內(nèi)生成，而分片2在10秒內(nèi)生成，那么可以說明分片2期間
生成的日志量更改，實際上就是100M為大小分為10個桶的大小均衡的直方圖
就看哪個片的時間越短就說明這段時間就更忙。
如：
(4)Time:1487561012-1487561480(468(s)) piece:107374204(bytes)[104857.625(kb)]
(5)Time:1487561480-1487562682(1202(s)) piece:107374204(bytes)[104857.625(kb)]
分片5期間生成的日志量就小，分片4期間生成的日志量就大，這里是
新紀元時間以來的秒數(shù)
可以用LINUX命令換算 如：date -s "@1487035999"
bigtrxsize：這就是這個指定大小binlog生成量將會在最后輸出，注意大小是bytes字節(jié)，因為row
格式的binlog會記錄實際數(shù)據(jù)，如果是update當然要*2，比如預計數(shù)據(jù)是每一行是
1000字節(jié)，你想輸出delete大于1000行的事物，那就是大約1000*1000*4/3=1330000(bytes)
左右，如果是update *2即可.
./infobin 72mysql-bin.000586 10 1330000 >log.log
(10 是piece)
這個是一個變參由自己來定義什么叫做大事物。
4、如何獲取工具
獲取可以通過百度云盤
http://pan.baidu.com/s/1jHIWUN0
獲得，編譯的只有LINUX64版本的
限制：
--只能使用在Little_endian上，編譯是在LINUX gcc編譯的
--load data infile event是沒有檢測的
--不能讀取出row event的語句，因為沒有寫那么復雜
--可以讀取出statement格式的語句，但是為了簡潔做了35字節(jié)的截斷，方便輸出
這些東西在mysqlbinlog解析中都有。
--5.6，5.7支持，如果要判斷大事物需要使用row格式binlog，否則判斷可能有誤
5、輸出解釋：
輸出一共分為3段
1、now begin部分：
一目了然需要說明一點Warning:Check This binlog is not closed!說明這個binlog是當前正在使用binlog
2、Detail now部分：
這部分是一個詳細的binlog event的輸出
--1、
event都以>開始，但是一個事物的event我使用--> ----> ------->來進行區(qū)別化更加利于閱讀，如果
仔細研究過event這些event一定不會陌生
--2、
Pos:當前event位置
N_pos:下一個event位置，
Gtid: 當然就是GTID如果是匿名事物就是ANONYMOUS 其GTID為0
Time:新紀元時間以來的秒數(shù) 可以用LINUX命令換算 如：date -s "@1487035999"
Event_size：這個event有多大
Gno:gtid的事物號部分，我用來標示它們是一個事物
TABLE_ID：是行格式特有的，這個用來保證slave復制的正確性
Use_db: use database 默認當前在哪個數(shù)據(jù)下，是query event特有的
DB_NAME: 這是map event特有的，也是行格式特有的，記錄的是表所在的數(shù)據(jù)庫，和Use_db有區(qū)別，
Statment(35b-trun)：在query event中記錄的語句為了方便輸出將語句做35字節(jié)階段
/*!Trx begin!*/：表示這是一個事物的開始，如果是gtid模式需要向前推一個event，因為gtid event也算到事物中
/*!Trx end*/：自然就是事物的結束點
mysqlbinlog中也是一致的比如：
>Gtid Event:Pos:194(0Xc2) N_pos:259(0X103) Time:1487035999 Event_size:65(bytes)
Gtid:4a6f2a67-5d87-11e6-a6bd-0c29a879a3:1100463
[root@testmy ~]# date -s "@1487035999"
Tue Feb 14 09:33:19 CST 2017
對應mysqlbinlog的如下部分：
# at 194
#170214 9:33:19 server id 93157 end_log_pos 259 CRC32 0xb664a0c6 GTID [commit=yes]
SET @@SESSION.GTID_NEXT= '4a6f2a67-5d87-11e6-a6bd-000c29a879a3:1100463'/*!*/;
3、Total now部分：
這部分是最后的匯總，給出了：
Trx total[counts]: 總的事物個數(shù)
Event total[counts]: 總的event個數(shù)
Avg binlog size(/sec):平均每秒生成的binlog大小
Avg binlog size(/min):平均每分生成的binlog大小
----Piece view:根據(jù)用戶指定piece大小得到一個高度均衡直方圖，這個直方圖用于發(fā)現(xiàn)是否有某個時間段生成binlog特別大，
----Large than xxx(bytes) trx:大約xxx BYTES個事，最后會有一個匯總，這部分給出了大事物的開始位置trx_begin_p
結束的位置trx_end_p
列子如下：
-------------Total now--------------
Trx total[counts]:592420
Event total[counts]:3788611
Max trx event size:14344(bytes) Pos:858067571[0X33251273]
Avg binlog size(/sec):261251.109(bytes)[255.128(kb)]
Avg binlog size(/min):15675067.000(bytes)[15307.683(kb)]
--Piece view:
(1)Time:1487560299-1487560543(244(s)) piece:107374204(bytes)[104857.625(kb)]
(2)Time:1487560543-1487560751(208(s)) piece:107374204(bytes)[104857.625(kb)]
(3)Time:1487560751-1487561012(261(s)) piece:107374204(bytes)[104857.625(kb)]
(4)Time:1487561012-1487561480(468(s)) piece:107374204(bytes)[104857.625(kb)]
(5)Time:1487561480-1487562682(1202(s)) piece:107374204(bytes)[104857.625(kb)]
(6)Time:1487562682-1487563492(810(s)) piece:107374204(bytes)[104857.625(kb)]
(7)Time:1487563492-1487563723(231(s)) piece:107374204(bytes)[104857.625(kb)]
(8)Time:1487563723-1487563951(228(s)) piece:107374204(bytes)[104857.625(kb)]
(9)Time:1487563951-1487564159(208(s)) piece:107374204(bytes)[104857.625(kb)]
(10)Time:1487564159-1487564409(250(s)) piece:107374204(bytes)[104857.625(kb)]
--Large than 700000(bytes) trx:
(1)Trx_size:719621(bytes)[702.755(kb)] trx_begin_p:60579814[0X39C5FE6] trx_end_p:61299435[0X3A75AEB]
(2)Trx_size:719771(bytes)[702.901(kb)] trx_begin_p:177760551[0XA986927] trx_end_p:178480322[0XAA364C2]
(3)Trx_size:719779(bytes)[702.909(kb)] trx_begin_p:314334603[0X12BC5D8B] trx_end_p:315054382[0X12C7592E]
(4)Trx_size:719803(bytes)[702.933(kb)] trx_begin_p:317542845[0X12ED51BD] trx_end_p:318262648[0X12F84D78]
(5)Trx_size:719811(bytes)[702.940(kb)] trx_begin_p:367838322[0X15ECC472] trx_end_p:368558133[0X15F7C035]
(6)Trx_size:719765(bytes)[702.896(kb)] trx_begin_p:370735395[0X1618F923] trx_end_p:371455160[0X1623F4B8]
(7)Trx_size:719755(bytes)[702.886(kb)] trx_begin_p:433385835[0X19D4F16B] trx_end_p:434105590[0X19DFECF6]
(8)Trx_size:719827(bytes)[702.956(kb)] trx_begin_p:446989814[0X1AA485F6] trx_end_p:447709641[0X1AAF81C9]
(9)Trx_size:719973(bytes)[703.099(kb)] trx_begin_p:748301414[0X2C9A2C66] trx_end_p:749021387[0X2CA528CB]
(10)Trx_size:719827(bytes)[702.956(kb)] trx_begin_p:915609664[0X36931840] trx_end_p:916329491[0X369E1413]
(11)Trx_size:719765(bytes)[702.896(kb)] trx_begin_p:918974063[0X36C66E6F] trx_end_p:919693828[0X36D16A04]
(12)Trx_size:719797(bytes)[702.927(kb)] trx_begin_p:1029346825[0X3D5A9609] trx_end_p:1030066622[0X3D6591BE]
Total large trx count size(kb):#8435.053(kb)
一目了然，明顯Time:1487561480-1487562682(1202(s)) Time:1487562682-1487563492(810(s))
這個時間段生成的日志量較少，其他時間段都比較多。平均大約15307.683(kb)每分鐘的日志生成量
如果需要分析第一個大事物是什么只需要在mysqlbinlog的輸出中找到位置60579814這個地方看看是什么了。
mysqlbinlog --base64-output='decode-rows' -vv --start-position=60579814 --stop-position=61299435 72mysql-bin.000586 >log.log
即可，注意這里少了一個生成gtid的event的如果要找gtid在前面一個event，這樣是不是簡單多了？
如果要學習binlog event的知識參考：
http://blog.itpub.net/7728585/viewspace-2133188/ 解析MYSQL BINLOG 二進制格式(1)--準備工作
http://blog.itpub.net/7728585/viewspace-2133189/ 解析MYSQL BINLOG 二進制格式(2)--FORMAT_DESCRIPTION_EVENT
http://blog.itpub.net/7728585/viewspace-2133321/ 解析MYSQL BINLOG 二進制格式(3)--QUERY_EVENT
http://blog.itpub.net/7728585/viewspace-2133429/ 解析MYSQL BINLOG 二進制格式(4)--TABLE_MAP_EVENT
http://blog.itpub.net/7728585/viewspace-2133463/ 解析MYSQL BINLOG 二進制格式(5)--WRITE_ROW_EVENT
http://blog.itpub.net/7728585/viewspace-2133469/ 解析MYSQL BINLOG 二進制格式(6)--UPDATE_ROW_EVENT/DELETE_ROW_EVENT
http://blog.itpub.net/7728585/viewspace-2133502/ 解析MYSQL BINLOG 二進制格式(7)--Xid_log_event/XID_EVENT
http://blog.itpub.net/7728585/viewspace-2133506/ 解析MYSQL BINLOG二進制格式(8)--GTID_LOG_EVENT/ANONYMOUS_GTID_LOG_EVENT及其他
http://blog.itpub.net/7728585/viewspace-2133534/ 解析MYSQL BINLOG二進制格式(9)--infobin解析binlog幫助文檔
http://blog.itpub.net/7728585/viewspace-2133537/ 解析MYSQL BINLOG二進制格式(10)--問題解答
作者微信：
