记录MyBatis SQL 耗时记录的拦截器实战
在性能优化的道路上,SQL执行时间往往是关键突破口。本文将从一个八年经验Java开发者的视角,带你深入探索MyBatis SQL耗时监控的最佳实践。
一、为什么我们需要关注SQL执行时间?
在我多年的开发经历中,数据库性能瓶颈往往是系统优化的关键点。特别是在微服务架构和高并发场景下,一个未优化的SQL可能拖垮整个系统。以下是几个典型的业务场景:
- 生产环境性能问题排查:用户突然反馈系统变慢,需要快速定位慢SQL
- 接口性能优化:API响应时间超过预期,需要分析数据库操作耗时
- 慢SQL监控:建立系统化的慢查询监控机制
- SQL优化验证:验证SQL优化措施的实际效果
二、技术方案选型:为什么选择MyBatis拦截器?
在Java生态中,我们有多种方式可以实现SQL耗时统计:
方案 | 优点 | 缺点 |
---|---|---|
MyBatis拦截器 | 原生支持、侵入性低、精准控制 | 需要理解MyBatis内部机制 |
AOP切面 | 通用性强、与ORM解耦 | 无法获取SQL语句细节 |
日志框架 | 简单直接 | 日志量大、难以结构化处理 |
数据库监控 | 无需代码改动 | 脱离应用上下文、配置复杂 |
作为有经验的开发者,我推荐使用MyBatis拦截器方案。它提供了最直接的SQL执行切入点,能获取最丰富的执行上下文信息,且对业务代码零侵入。
三、核心实现:从拦截器到耗时统计
3.1 实现原理
MyBatis拦截器基于责任链模式,我们可以通过实现Interceptor
接口,在以下关键点插入逻辑:
Executor.update()
- 拦截增删改操作Executor.query()
- 拦截查询操作
3.2 完整代码实现
java
import org.apache.ibatis.cache.CacheKey;
import org.apache.ibatis.executor.Executor;
import org.apache.ibatis.mapping.BoundSql;
import org.apache.ibatis.mapping.MappedStatement;
import org.apache.ibatis.plugin.*;
import org.apache.ibatis.session.ResultHandler;
import org.apache.ibatis.session.RowBounds;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import java.util.Properties;
@Intercepts({
@Signature(type = Executor.class, method = "update",
args = {MappedStatement.class, Object.class}),
@Signature(type = Executor.class, method = "query",
args = {MappedStatement.class, Object.class, RowBounds.class, ResultHandler.class}),
@Signature(type = Executor.class, method = "query",
args = {MappedStatement.class, Object.class, RowBounds.class,
ResultHandler.class, CacheKey.class, BoundSql.class})
})
public class SqlCostInterceptor implements Interceptor {
private static final Logger logger = LoggerFactory.getLogger("SQL_PERF");
// 慢查询阈值(毫秒)
private long slowQueryThreshold = 1000;
// 是否打印参数
private boolean showParameters = true;
@Override
public Object intercept(Invocation invocation) throws Throwable {
Object[] args = invocation.getArgs();
MappedStatement mappedStatement = (MappedStatement) args[0];
Object parameterObject = args[1];
// 获取SQL信息
BoundSql boundSql = mappedStatement.getBoundSql(parameterObject);
String sqlId = mappedStatement.getId();
String sql = boundSql.getSql().replaceAll("\\s+", " ");
long start = System.currentTimeMillis();
try {
return invocation.proceed(); // 执行目标方法
} finally {
long cost = System.currentTimeMillis() - start;
logSqlPerformance(sqlId, sql, parameterObject, cost);
}
}
private void logSqlPerformance(String sqlId, String sql,
Object params, long cost) {
// 基础日志
String logMsg = String.format("SQL执行耗时: %dms | ID: %s | SQL: %s",
cost, sqlId, sql);
// 参数日志(敏感数据需脱敏)
if (showParameters && params != null) {
String paramStr = params.toString();
// 简单脱敏处理(实际项目应使用专业脱敏工具)
paramStr = paramStr.replaceAll("(\"password\":\")([^\"]+)(\")",
"$1****$3");
logMsg += " | 参数: " + paramStr;
}
// 分级日志输出
if (cost > slowQueryThreshold) {
logger.warn("[慢查询告警] {}", logMsg);
} else if (cost > 500) {
logger.info("{}", logMsg);
} else {
logger.debug("{}", logMsg);
}
}
@Override
public Object plugin(Object target) {
return Plugin.wrap(target, this);
}
@Override
public void setProperties(Properties properties) {
// 从配置加载参数
String threshold = properties.getProperty("slowQueryThreshold");
if (threshold != null) {
this.slowQueryThreshold = Long.parseLong(threshold);
}
String showParams = properties.getProperty("showParameters");
if (showParams != null) {
this.showParameters = Boolean.parseBoolean(showParams);
}
}
}
3.3 关键代码解析
- @Intercepts注解:定义拦截的类和方法签名
- BoundSql获取:通过MappedStatement获取实际执行的SQL
- 参数脱敏处理:防止敏感数据(如密码)泄露到日志
- 分级日志输出:根据耗时长短使用不同日志级别
- 可配置化:通过setProperties方法实现阈值可配置
3.4 Spring Boot集成配置
java
@Configuration
public class MyBatisConfig {
@Bean
public SqlCostInterceptor sqlCostInterceptor() {
SqlCostInterceptor interceptor = new SqlCostInterceptor();
Properties properties = new Properties();
properties.setProperty("slowQueryThreshold", "500"); // 500ms以上视为慢查询
properties.setProperty("showParameters", "true");
interceptor.setProperties(properties);
return interceptor;
}
}
四、生产环境进阶技巧
4.1 性能优化策略
-
异步日志输出:避免日志IO阻塞业务线程
javaprivate final ExecutorService logExecutor = Executors.newSingleThreadExecutor(); private void logSqlPerformance(...) { logExecutor.submit(() -> { // 日志记录逻辑 }); }
-
采样率控制:高并发场景下按比例采样
java// 在intercept方法中加入 if (ThreadLocalRandom.current().nextDouble() < 0.2) { // 只记录20%的请求 }
4.2 监控系统集成
将SQL耗时数据发送到监控系统(如Prometheus):
java
private void recordMetrics(String sqlId, long cost) {
// Prometheus指标记录
Summary.builder("sql_execution_time")
.tag("sql_id", sqlId)
.register()
.observe(cost);
// 慢查询计数器
if (cost > slowQueryThreshold) {
Counter.builder("slow_sql_count")
.tag("sql_id", sqlId)
.register()
.inc();
}
}
4.3 可视化与告警
结合Grafana等工具创建SQL性能仪表盘:
- 按SQL ID统计平均耗时
- 慢查询发生频率
- SQL执行次数统计
设置告警规则:
- 单个SQL平均耗时连续5分钟 > 500ms
- 慢查询频率每分钟 > 10次
五、经验总结与避坑指南
在八年开发实践中,我总结了以下重要经验:
-
谨慎处理参数日志:
- 必须进行敏感信息脱敏
- 大对象参数截断处理
javaif (paramStr.length() > 1000) { paramStr = paramStr.substring(0, 1000) + "...[truncated]"; }
-
区分环境配置:
- 开发环境:记录详细SQL和参数
- 生产环境:仅记录慢查询,关闭参数打印
-
线程安全考量:
- 拦截器是单例的,所有状态变量必须线程安全
- 使用ThreadLocal存储耗时上下文
-
避免过度监控:
- 核心业务SQL重点监控
- 低频管理后台SQL可降低监控强度
-
与其他监控工具协同:
- 整合链路追踪(如SkyWalking)的TraceID
- 与APM工具协同工作
六、结论
记录MyBatis SQL执行耗时不是目的,而是优化系统性能的手段。通过本文介绍的拦截器方案,我们可以:
- 精准定位性能瓶颈
- 建立SQL性能基线
- 主动发现慢查询问题
- 量化SQL优化效果
技术不是目的,而是解决问题的工具。八年的经验告诉我:最好的优化发生在设计阶段,最有效的监控是预防性监控。