python 统计MySQL大于100万的表

冷不防 2022-02-02 08:25 210阅读 0赞

# [python 统计MySQL大于100万的表][python _MySQL_100] #

# 一、需求分析 #

线上的MySQL服务器，最近有很多慢查询。需要统计出行数大于100万的表，进行统一优化。

需要筛选出符合条件的表，统计到excel中，格式如下：

<table> 
 <tbody> 
  <tr> 
   <td>库名</td> 
   <td>表名</td> 
   <td>行数</td> 
  </tr> 
  <tr> 
   <td>db1</td> 
   <td>users</td> 
   <td>1234567</td> 
  </tr> 
 </tbody> 
</table>

# 二、统计表的行数 #

统计表的行数，有2中方法：

1. 通过查询mysql的information\_schema数据库中INFODB\_SYS\_TABLESTATS表,它记录了innodb类型每个表大致的数据行数

2. select count(1) from 库名.表名

下面来分析一下这2种方案。

第一种方案，不是精确记录的。虽然效率快，但是表会有遗漏！

第二钟方案，才是准确的。虽然慢，但是表不会遗漏。

备注：

count(1)其实这个1，并不是表示第一个字段，而是表示一个固定值。

count(1)，其实就是计算一共有多少符合条件的行。  
1并不是表示第一个字段，而是表示一个固定值。  
其实就可以想成表中有这么一个字段，这个字段就是固定值1，count(1)，就是计算一共有多少个1.

## 写入json文件 ##

下面这段代码，是参考我之前写的一篇文章：

[https://www.cnblogs.com/xiao987334176/p/9901692.html][https_www.cnblogs.com_xiao987334176_p_9901692.html]

在此基础上，做了部分修改，完整代码如下：

![ContractedBlock.gif][] ![ExpandedBlockStart.gif][]

#!/usr/bin/env python3
    # coding: utf-8
    
    import pymysql
    import json
    
    conn = pymysql.connect(
        host="192.168.91.128",  # mysql ip地址
        user="root",
        passwd="root",
        port=3306,  # mysql 端口号,注意：必须是int类型
        connect_timeout = 3  # 超时时间
    )
    
    cur = conn.cursor()  # 创建游标
    
    # 获取mysql中所有数据库
    cur.execute('SHOW DATABASES')
    
    data_all = cur.fetchall()  # 获取执行的返回结果
    # print(data_all)
    
    dic = {}  # 大字典，第一层
    for i in data_all:
        if i[0] not in dic:  # 判断库名不在dic中时
            # 排序列表,排除mysql自带的数据库
            exclude_list = ["sys", "information_schema", "mysql", "performance_schema"]
            if i[0] not in exclude_list:  # 判断不在列表中时
                # 写入第二层数据
                dic[i[0]] = {
           'name': i[0], 'table_list': []}
                conn.select_db(i[0])  # 切换到指定的库中
                cur.execute('SHOW TABLES')  # 查看库中所有的表
                ret = cur.fetchall()  # 获取执行结果
    
                for j in ret:
                    # 查询表的行数
                    cur.execute('select count(1) from `%s`;'% j[0])
                    ret = cur.fetchall()
                    # print(ret)
                    for k in ret:
                        print({
           'tname': j[0], 'rows': k[0]})
                        dic[i[0]]['table_list'].append({
           'tname': j[0], 'rows': k[0]})
    
    
    with open('tj.json','w',encoding='utf-8') as f:
        f.write(json.dumps(dic))

# 三、写入excel中 #

直接读取tj.json文件，进行写入，完整代码如下：

![ContractedBlock.gif][] ![ExpandedBlockStart.gif][]

#!/usr/bin/env python3
    # coding: utf-8
    
    import xlwt
    import json
    from collections import OrderedDict
    
    f = xlwt.Workbook()
    sheet1 = f.add_sheet('统计', cell_overwrite_ok=True)
    row0 = ["库名", "表名", "行数"]
    
    # 写第一行
    for i in range(0, len(row0)):
        sheet1.write(0, i, row0[i])
    
    # 加载json文件
    with open("tj.json", 'r') as load_f:
        load_dict = json.load(load_f)  # 反序列化文件
        order_dic = OrderedDict()  # 有序字典
        for key in sorted(load_dict):  # 先对普通字典key做排序
            order_dic[key] = load_dict[key]  # 再写入key
    
        num = 0  # 计数器
        for i in order_dic:
    
            # 遍历所有表
            for j in order_dic[i]["table_list"]:
                # 判断行数大于100万时
                if j['rows'] > 1000000:
                    # 写入库名
                    sheet1.write(num + 1, 0, i)
                    # 写入表名
                    sheet1.write(num + 1, 1, j['tname'])
                    # 写入行数
                    sheet1.write(num + 1, 2, j['rows'])
                    num += 1  # 自增1
    
        f.save('test1.xls')

执行程序，打开excel文件，效果如下：

![1341090-20181126171812003-1216343547.png][]

posted @ 2018-11-26 17:18 [肖祥][Link 1] 阅读( ...) 评论( ...) [编辑][Link 2] 收藏

[python _MySQL_100]: https://www.cnblogs.com/xiao987334176/p/10021547.html
[https_www.cnblogs.com_xiao987334176_p_9901692.html]: https://www.cnblogs.com/xiao987334176/p/9901692.html
[ContractedBlock.gif]: https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif
[ExpandedBlockStart.gif]: /images/20220202/269ac4998a4a405c9cad204e51027a4c.png
[1341090-20181126171812003-1216343547.png]: /images/20220202/88d9c2b2eed94cc2816d024bc59b5679.png
[Link 1]: https://www.cnblogs.com/xiao987334176/
[Link 2]: https://i.cnblogs.com/EditPosts.aspx?postid=10021547