主从延迟真凶不一定是长事务，但长事务大概率是帮凶
先明确一个核心判断：MySQL主从延迟，也就是Seconds_Behind_Master那个数字蹭蹭往上涨，最直接的导火索其实就一个——从库的SQL线程追不上主库写binlog的速度了。那么，长事务是不是罪魁祸首呢？它未必是“真凶”，但十有八九是个“帮凶”。长事务本身不直接制造延迟，但它会干两件拖后腿的事：在主库那边，它会拖慢binlog的提交节奏；到了从库回放时，它又会像一个“路障”，卡住整个relay log的流水线。尤其是当这个长事务独占一个GTID或事务组，而后续事务又必须等它提交时，阻塞效应就更加明显。
其实，在实际生产环境里，导致延迟的“嫌疑人”名单要长得多。除了长事务，更常见的诱因还包括：未经拆分的大事务（比如一口气删除或更新百万行数据）、从库IO或SQL线程自身负载过高、网络抖动、从库磁盘IOPS跟不上、主从表结构不一致导致从库回放时触发全表扫描，甚至可能是从库为了数据安全设置了innodb_flush_log_at_trx_commit=1，但偏偏磁盘性能又是个短板。
用 SHOW PROCESSLIST 和 information_schema.INNODB_TRX 快速抓长事务
想快速揪出那些“正在堵路”的长事务吗？登录从库，执行下面这条查询，基本就能一目了然：
SELECT trx_id, trx_started, trx_state, trx_mysql_thread_id,
TIME_TO_SEC(TIMEDIFF(NOW(), trx_started)) AS duration_sec,
trx_query FROM information_schema.INNODB_TRX ORDER BY duration_sec DESC LIMIT 5;
这里需要重点关注的是那些duration_sec超过60秒，并且trx_state状态还是'RUNNING'的记录。如果trx_query字段是空的，别掉以轻心，这很可能是一个只开了没提交的空事务，同样需要清理掉。
- 拿到
trx_mysql_thread_id后，可以立刻去SHOW PROCESSLIST里定位对应的连接，确认它是不是已经僵死了。 - 如果
trx_query显示NULL，但trx_started的时间又非常早，这大概率是应用端没有正确提交或回滚事务，得回头去查业务代码的逻辑了。 - 值得注意的是，这条查询本身虽然不加锁，但频繁执行对性能还是有些微影响的。生产环境建议控制一下频率，比如每30秒查一次就足够了。
用 slow_query_log + pt-query-digest 定位真正慢的回放 SQL
从库的慢查询日志（slow_query_log=ON）默认有个“盲区”：它只记录客户端发来的查询，对于SQL线程回放的语句，它是视而不见的。要打开这个视野，必须显式开启一个参数：
- 设置
log_slow_sla ve_statements=ON（MySQL 5.7及以上版本支持），重启生效，或者从5.7.20+开始可以动态SET GLOBAL。 - 确保
long_query_time这个阈值设得合理（比如设为0.1秒），否则大量耗时较短的“微慢”回放语句就会被过滤掉，抓不到关键信息。 - 慢日志的路径由
slow_query_log_file指定，建议单独起个名字（比如/var/lib/mysql/slow-sla ve.log），避免和主库的慢日志混在一起，增加排查难度。
日志采集一段时间后，就该请出分析神器pt-query-digest了：
pt-query-digest /var/lib/mysql/slow-sla ve.log --filter '$event->{fingerprint} =~ m/^update|delete|insert/i' --limit 10
在它的输出报告里，优先关注那些Query_time平均值高、同时Rows_examined扫描行数又大的语句。这类语句往往是缺少合适的索引，或者在从库上走了全表扫描（可能因为主库有缓存，或者从库的统计信息过期了）。
监控必须盯住三个指标，缺一不可
单靠Seconds_Behind_Master这一个指标来判断延迟，很容易踩坑。它可能显示为0，让你以为天下太平，但实际上relay log可能已经堆积如山（Relay_Log_Space在持续增长）；反过来，它也可能显示延迟了30秒，但其实只是某条大事务还没提交完，并非真正的吞吐能力问题。
所以，一个可靠的监控视角必须同时盯住三个关键指标：
SHOW SLA VE STATUS\G里的Seconds_Behind_Master：它只反映最后一条已执行事件的时间差，在开启了并行复制（sla ve_parallel_workers > 0）的环境下，其参考意义会打折扣。Relay_Log_Space：这个数值如果持续增长，说明IO线程拉取binlog的速度很快，但SQL线程消费（回放）的速度慢了，问题出在从库自身的回放能力上。Exec_Master_Log_Pos与Read_Master_Log_Pos的差值：如果这个差值很大且稳定，那说明IO线程卡住了，需要去检查网络、主库binlog是否写满，或者从库磁盘是否满了。
话说回来，最棘手的情况是上面这三个指标“看起来”都正常，但业务读取从库时却总是超时。这时候，常规监控可能就失灵了。真正的排查方向，得转向performance_schema.events_statements_history_long，去抓取最近被SQL线程执行过的语句的详细耗时。因为慢查询日志可能会漏掉那些亚秒级别的性能毛刺，而performance_schema能提供更细粒度的洞察。
