引言：为什么SQL执行日志至关重要

在数据库运维的日常工作中，SQL执行日志就像数据库系统的"黑匣子"，完整记录了每一条SQL语句的执行轨迹。想象一下这样的场景：凌晨三点，生产环境突然出现性能瓶颈，如果没有完善的执行日志，我们就像在黑暗中摸索。而良好的日志系统不仅能快速定位问题，还能为性能优化、安全审计提供关键依据。

一、SQL执行日志基础实现方案

1.1 数据库原生日志功能

各大数据库系统都提供了基础的日志记录功能：

sql
-- MySQL通用日志开启（生产环境慎用）
SET GLOBAL generallog = 'ON'; SET GLOBAL generallog_file = '/var/log/mysql/mysql-general.log';

-- SQL Server扩展事件
CREATE EVENT SESSION [SQLTracking] ON SERVER ADD EVENT sqlserver.sqlstatementcompleted ADD TARGET package0.eventfile(SET filename=N'X:\Logs\SQL_Tracking.xel');

注意事项：
- 原生日志通常会产生性能开销，需根据业务需求选择性开启
- 日志文件需定期轮转，避免磁盘空间耗尽
- 敏感信息如密码需进行脱敏处理

1.2 应用程序层日志记录

在应用代码中嵌入日志逻辑更具灵活性：

java
// Spring JDBC示例
@Repository
public class UserRepository {
private static final Logger logger = LoggerFactory.getLogger(UserRepository.class);

@Autowired
private JdbcTemplate jdbcTemplate;

public User findById(Long id) {
    String sql = "SELECT * FROM users WHERE id = ?";
    logger.debug("Executing SQL: {} with params: {}", sql, id);
    long start = System.currentTimeMillis();
    User result = jdbcTemplate.queryForObject(sql, new UserRowMapper(), id);
    logger.debug("SQL executed in {} ms", System.currentTimeMillis() - start);
    return result;
}

}

二、生产级日志策略设计

2.1 分级日志体系

合理的日志分级就像给数据库安装"心电图监测仪"：

| 级别 | 记录内容 | 采样频率 |
|---------|-------------------------|--------------|
| DEBUG | 完整SQL及参数 | 开发环境全量 |
| INFO | 关键操作摘要 | 生产环境持续 |
| WARN | 慢查询（>500ms） | 实时记录 |
| ERROR | 执行失败语句 | 实时记录 |

2.2 上下文增强策略

单纯的SQL记录就像没有注释的代码，我们需要添加"叙事性上下文"：

python

Django ORM示例

import logging
from django.db import connection

logger = logging.getLogger('sql.audit')

def logsqlqueries(execute, sql, params, many, context):
start = time.time()
result = execute(sql, params, many, context)
duration = time.time() - start

log_data = {
    'sql': sql,
    'params': params,
    'duration': duration,
    'request_path': get_current_request_path(),
    'user_id': get_current_user_id(),
    'trace_id': get_distributed_trace_id()
}

if duration > 0.5:
    logger.warning("Slow query detected", extra=log_data)
else:
    logger.debug("Query executed", extra=log_data)

return result

注册查询钩子

connection.executewrapper(logsql_queries)

三、高级日志分析与优化

3.1 执行计划快照

结合EXPLAIN记录性能特征：

sql -- MySQL执行计划日志 INSERT INTO sql_performance_logs (sql_hash, explain_output, execution_count, avg_duration) SELECT MD5(sql_text) as sql_hash, (SELECT EXPLAIN FORMAT=JSON FROM sql_text) as explain_output, COUNT(*) as execution_count, AVG(duration) as avg_duration FROM sql_execution_logs GROUP BY sql_hash;

3.2 模式变更追踪

数据库结构变更更需要严格审计：

sql
-- PostgreSQL DDL触发器
CREATE OR REPLACE FUNCTION logddlchanges()
RETURNS eventtrigger AS $$ DECLARE r RECORD; BEGIN FOR r IN SELECT * FROM pgeventtriggerddlcommands() LOOP INSERT INTO ddlauditlog (eventtime, username, objecttype, commandtag, objectidentity)
VALUES
(now(), currentuser, r.objecttype, r.commandtag, r.objectidentity);
END LOOP;
END;
$$ LANGUAGE plpgsql;

CREATE EVENT TRIGGER ddltracker ON ddlcommandend EXECUTE FUNCTION logddl_changes();

四、云原生环境下的日志实践

4.1 分布式追踪集成

在现代微服务架构中，SQL日志需要与整体调用链关联：

go
// Go语言示例 with OpenTelemetry
func queryWithTrace(ctx context.Context, db *sql.DB, query string, args ...interface{}) {
_, span := otel.Tracer("db").Start(ctx, "SQL Execute")
defer span.End()

span.SetAttributes(
    attribute.String("db.statement", query),
    attribute.Int("db.params_count", len(args)),
)

start := time.Now()
rows, err := db.QueryContext(ctx, query, args...)
duration := time.Since(start)

if err != nil {
    span.RecordError(err)
    log.Error().Err(err).
        Str("query", query).
        Interface("args", args).
        Msg("SQL query failed")
} else {
    log.Info().
        Str("query", query).
        Dur("duration", duration).
        Msg("SQL query completed")
}

// ...处理结果...

}

4.2 日志分析流水线

构建完整的观测体系：

[SQL执行] → [Filebeat采集] → [Kafka缓冲] → [Logstash处理] → [Elasticsearch存储] → [Grafana可视化] → [Sentry告警]

结语：日志即知识

优秀的SQL日志系统就像一位忠实的史官，不仅记录当下发生的每个事件，更通过长期积累形成珍贵的知识库。当我们将碎片化的日志转化为可分析的数据资产时，就能实现从被动救火到主动预防的运维转变。记住：今天记录下的每一条SQL，都可能成为明天性能突破的关键线索。

"数据库不会说谎，但前提是你要给它发言的机会。" —— 佚名DBA