db-diagnose

name

db-diagnose

description

数据库诊断与优化，支持实时诊断、TOP SQL分析、慢查询分析、SQL诊断、锁分析、空间诊断、连接分析、复制诊断、索引推荐、性能快照、瓶颈分析、单表诊断、表膨胀/碎片分析、索引使用分析、VACUUM分析、表空间碎片分析。 使用场景： - 用户说"数据库慢了" -> 执行 realtime - 用户说"CPU飙高了" -> 执行 top - 用户说"SQL有问题" -> 执行 sql "<SQL>" - 用户说"有死锁/阻塞" -> 执行 locks - 用户说"空间不够了" -> 执行 space - 用户说"连接数满了" -> 执行 connections - 用户说"慢查询" -> 执行 slow-queries - 用户说"推荐索引" -> 执行 recommend-indexes - 用户说"全面检查" -> 执行 report - 用户说"性能分析" -> 执行 performance-snapshot - 用户说"瓶颈分析" -> 执行 bottleneck - 用户说"诊断单表" -> 执行 table - 用户说"表膨胀/碎片" -> 执行 bloat - 用户说"索引使用情况" -> 执行 index-usage - 用户说"VACUUM状态" -> 执行 vacuum（PostgreSQL） - 用户说"表空间碎片" -> 执行 tablespace-fragmentation（Oracle） - 用户说"复制延迟" / "主从同步" -> 执行 replication（ClickHouse） - 用户说"锁等待" / "死锁" -> 执行 locks（ClickHouse/SQLite） 用法： - python -m dbskiter --output-mode=ai --database=<name> diagnose realtime - python -m dbskiter --output-mode=ai --database=<name> diagnose top - python -m dbskiter --output-mode=ai --database=<name> diagnose sql "SELECT * FROM users" - python -m dbskiter --output-mode=ai --database=<name> diagnose slow-queries - python -m dbskiter --output-mode=ai --database=<name> diagnose locks - python -m dbskiter --output-mode=ai --database=<name> diagnose space - python -m dbskiter --output-mode=ai --database=<name> diagnose connections - python -m dbskiter --output-mode=ai --database=<name> diagnose recommend-indexes - python -m dbskiter --output-mode=ai --database=<name> diagnose report - python -m dbskiter --output-mode=ai --database=<name> diagnose performance-snapshot - python -m dbskiter --output-mode=ai --database=<name> diagnose bottleneck - python -m dbskiter --output-mode=ai --database=<name> diagnose table <table_name> - python -m dbskiter --output-mode=ai --database=<name> diagnose bloat - python -m dbskiter --output-mode=ai --database=<name> diagnose index-usage - python -m dbskiter --output-mode=ai --database=<name> diagnose vacuum - python -m dbskiter --output-mode=ai --database=<name> diagnose tablespace-fragmentation - python -m dbskiter --output-mode=ai --database=<name> diagnose replication - python -m dbskiter --output-mode=ai --database=<name> diagnose replication --type=clickhouse

数据库诊断 Skill

安全原则

本Skill的所有操作均为只读查询，不会修改任何数据。但需注意：

规则	说明
只读操作	诊断命令只执行SELECT/SHOW/DESCRIBE等查询操作
禁止写操作	不得通过诊断命令执行DELETE/UPDATE/INSERT/DROP等写操作
索引建议仅供参考	recommend-indexes只提供CREATE INDEX建议，不自动执行
VACUUM建议仅供参考	vacuum命令只分析状态，不自动执行VACUUM操作

何时使用

当用户提到以下关键词时，使用此skill：

用户说法	执行命令	说明
"数据库慢了" / "卡住了"	python -m dbskiter --output-mode=ai --database=<name> diagnose realtime	实时诊断当前性能问题
"CPU飙高了"	python -m dbskiter --output-mode=ai --database=<name> diagnose top	查看资源消耗最高的SQL
"有死锁" / "有阻塞"	python -m dbskiter --output-mode=ai --database=<name> diagnose locks	检测死锁和阻塞
"SQL有问题"	python -m dbskiter --output-mode=ai --database=<name> diagnose sql "<SQL>"	诊断特定SQL
"空间不够了"	python -m dbskiter --output-mode=ai --database=<name> diagnose space	分析表空间和碎片
"连接数满了"	python -m dbskiter --output-mode=ai --database=<name> diagnose connections	分析连接池状态
"主从延迟"	python -m dbskiter --output-mode=ai --database=<name> diagnose replication	分析复制状态
"慢查询"	python -m dbskiter --output-mode=ai --database=<name> diagnose slow-queries	查看历史慢查询
"加什么索引"	python -m dbskiter --output-mode=ai --database=<name> diagnose recommend-indexes	获取索引建议
"检查一下"	python -m dbskiter --output-mode=ai --database=<name> diagnose report	全面诊断报告
"性能分析"	python -m dbskiter --output-mode=ai --database=<name> diagnose performance-snapshot	采集性能快照
"瓶颈分析"	python -m dbskiter --output-mode=ai --database=<name> diagnose bottleneck	分析性能瓶颈
"表膨胀" / "碎片"	python -m dbskiter --output-mode=ai --database=<name> diagnose bloat	检测表膨胀/碎片
"索引使用情况"	python -m dbskiter --output-mode=ai --database=<name> diagnose index-usage	分析索引使用
"VACUUM状态"	python -m dbskiter --output-mode=ai --database=<name> diagnose vacuum	PostgreSQL VACUUM分析
"表空间碎片"	python -m dbskiter --output-mode=ai --database=<name> diagnose tablespace-fragmentation	Oracle表空间碎片
"复制延迟" / "主从同步"	python -m dbskiter --output-mode=ai --database=<name> diagnose replication	ClickHouse复制分析
"锁等待" / "死锁"	python -m dbskiter --output-mode=ai --database=<name> diagnose locks	ClickHouse/SQLite锁分析

数据库支持

统一性能模型支持

数据库	性能快照	瓶颈分析	慢查询	状态
MySQL	支持	支持	支持	生产就绪
Oracle	支持	支持	支持	生产就绪
PostgreSQL	支持	支持	支持	生产就绪
SQL Server	支持	支持	支持	生产就绪
ClickHouse	支持	支持	支持	生产就绪
SQLite	支持	支持	支持	生产就绪
通用(Generic)	基础	基础	基础	可用

通用诊断器（GenericDiagnostician）说明：

通用诊断器通过标准 SQL 和 INFORMATION_SCHEMA 自动探测数据库能力， 为任意 JDBC 兼容数据库提供基础诊断能力。

支持的数据库类型：

• Trino / Presto
• DuckDB
• Apache Derby
• H2
• HSQLDB
• 任何支持 JDBC 4.0+ 和 INFORMATION_SCHEMA 的数据库

通用诊断器采集指标：

诊断项	数据源	说明
慢查询分析	pg_stat_statements / pg_stat_activity / PROCESSLIST	优先使用最详细的数据源
性能指标	pg_stat_database / INFORMATION_SCHEMA	连接数、事务统计、缓存命中率
数据库统计	多数据源自适应	版本、连接数、大小、表数、索引数

说明：

• MySQL：支持5.7/8.0，自动降级（performance_schema -> information_schema -> SHOW STATUS）
• Oracle：支持11g/12c/19c/21c，自动降级（AWR -> V$视图 -> 基础统计），支持RAC
• PostgreSQL：支持10-16，自动降级（pg_stat_statements -> pg_stat_activity），支持pg_stat_kcache扩展
• SQL Server：支持2016+，支持Query Store和DMV双模式，自动降级（Query Store -> DMV -> 基础统计）
• ClickHouse：支持20.0+，基于system.query_log和system.processes，支持分布式表分析
• SQLite：支持3.8+，基于PRAGMA命令和sqlite_master，支持EXPLAIN QUERY PLAN分析

索引建议支持

数据库	缺失索引	冗余索引	未使用索引	低基数索引	状态
MySQL	支持	支持	支持	支持	生产就绪
Oracle	支持	支持	支持	支持	生产就绪
PostgreSQL	支持	支持	支持	支持	生产就绪
SQL Server	支持	支持	支持	支持	生产就绪
ClickHouse	支持	支持	支持	支持	生产就绪
SQLite	支持	支持	支持	支持	生产就绪

索引分析维度：

• 缺失索引：基于全表扫描统计识别需要索引的表
• 冗余索引：检测重复索引和前缀冗余索引
• 未使用索引：基于统计信息识别从未使用的索引
• 低基数索引：检测选择性差的索引（如性别、状态字段）

ClickHouse 特有功能：

• 跳数索引建议：基于表大小和查询模式推荐minmax/set/ngrambf_v1等跳数索引类型
• 分布式表索引：检测分布式表和本地表索引一致性
• 主键优化：分析主键排序和分区键设计，检测缺失主键、分区键和主键字段过多
• 分区健康检查：检测parts_to_delay_insert和parts_to_throw_insert阈值，监控分区数量
• 慢查询双策略：优先使用system.query_log获取历史慢查询，降级使用system.processes获取当前查询
• 复制监控：支持ReplicatedMergeTree状态、ZooKeeper连接、分布式表一致性检测
• 锁分析增强：支持mutation、replicated_fetches、merges状态检测
• 连接分布分析：支持按用户和客户端地址统计连接分布

SQLite 特有功能：

• 主键缺失检测：识别没有INTEGER PRIMARY KEY的表
• 冗余索引分析：检测完全重复的索引
• 自动VACUUM建议：基于空闲页面比例建议VACUUM操作
• 缓存命中率估算：基于页面使用率计算缓存命中率
• 精确表大小估算：基于列类型信息估算表大小，替代固定200字节/行的粗略估算

SQL Server 特有功能：

• Query Store 集成：优先使用Query Store数据，提供更准确的慢查询分析
• 等待统计分类：自动识别IO、CPU、锁、并行度等等待类型
• 阻塞链分析：检测阻塞会话及其依赖关系
• 内存压力分析：Buffer Pool、Plan Cache使用情况

核心命令

P0: 高频场景（每天使用）

1. 实时诊断

python -m dbskiter --database=<数据库名> diagnose realtime

功能：分析当前数据库性能问题（活跃连接、锁等待、慢查询）

可选参数：

• --threshold：慢查询阈值（秒，默认5）

2. TOP SQL分析

python -m dbskiter --database=<数据库名> diagnose top

功能：查看资源消耗最高的SQL

可选参数：

• --limit：返回条数（默认10）
• --by：排序依据（time/cpu/io/rows，默认time）

3. 锁分析

python -m dbskiter --database=<数据库名> diagnose locks

功能：检测死锁、阻塞、锁等待

可选参数：

• --kill：显示KILL语句（不执行）

4. SQL深度诊断

python -m dbskiter --database=<数据库名> diagnose sql "SELECT * FROM users WHERE email = '[e-mail]'"

输出：评分、问题列表、优化建议

可选参数：

• --params：SQL参数（JSON格式）

5. 空间诊断

python -m dbskiter --database=<数据库名> diagnose space

功能：分析表空间、碎片、大表

可选参数：

• --top：显示TOP N大表（默认20）
• --min-size：最小表大小（MB，默认100）

P1: 中频场景（每周使用）

6. 连接分析

python -m dbskiter --database=<数据库名> diagnose connections

功能：分析连接池、空闲连接

可选参数：

• --idle：显示空闲连接

7. 复制诊断

python -m dbskiter --database=<数据库名> diagnose replication

功能：分析主从延迟、复制状态

8. 慢查询分析

python -m dbskiter --database=<数据库名> diagnose slow-queries

功能：分析历史慢查询

可选参数：

• --limit：返回条数（默认10）
• --min-time：最小执行时间（秒，默认1.0）

9. 索引建议

python -m dbskiter --database=<数据库名> diagnose recommend-indexes

功能：全库索引分析和建议

可选参数：

• --table：指定表名（默认全库）

P2: 低频场景（每月使用）

10. 综合诊断报告

python -m dbskiter --database=<数据库名> diagnose report

功能：生成完整诊断报告

11. 单表诊断

python -m dbskiter --database=<数据库名> diagnose table <表名>

功能：分析单表结构和性能

12. 性能快照

python -m dbskiter --database=<数据库名> diagnose performance-snapshot

功能：采集数据库性能指标（CPU、IO、内存、并发、锁等）

可选参数：

• --output：输出文件路径（JSON格式）

13. 瓶颈分析

dbskiter --database=<数据库名> diagnose bottleneck

功能：自动识别性能瓶颈并给出优化建议

可选参数：

• --top：显示TOP N瓶颈（默认5）

数据库特有诊断

14. VACUUM分析（PostgreSQL）

dbskiter --database=<数据库名> diagnose vacuum

功能：检查PostgreSQL表清理状态和死元组，评估autovacuum配置

输出：健康评分、需VACUUM的表列表、可执行VACUUM命令

15. 膨胀/碎片分析（多数据库）

dbskiter --database=<数据库名> diagnose bloat

功能：检测表膨胀和碎片情况

• PostgreSQL：检测MVCC导致的表膨胀
• MySQL：检测InnoDB表碎片
• Oracle：检测表空间碎片
• ClickHouse：检测分区过多问题，建议OPTIMIZE TABLE
• SQLite：检测空闲页面比例，建议VACUUM

可选参数：

• --threshold：膨胀率阈值（百分比，默认30）

输出：健康评分、膨胀/碎片表列表、优化建议、可执行维护命令

16. 索引使用分析（多数据库）

dbskiter --database=<数据库名> diagnose index-usage

功能：识别未使用索引、缺失索引、冗余索引

• MySQL：基于performance_schema分析，支持sys schema冗余索引检测
• Oracle：基于v$object_usage分析，支持无效索引检测
• PostgreSQL：基于pg_stat_user_indexes分析，支持重复索引检测
• ClickHouse：基于system.data_skipping_indices分析跳数索引，支持分布式表索引一致性检测
• SQLite：基于sqlite_master分析索引结构，支持冗余索引和主键缺失检测

输出：健康评分、未使用索引、高频索引、缺失索引、冗余索引、可执行命令

17. 表空间碎片分析（Oracle）

dbskiter --database=<数据库名> diagnose tablespace-fragmentation

功能：分析Oracle表空间碎片情况，基于dba_free_space检测

输出：健康评分、碎片表空间列表、整理建议

注意：需要DBA权限访问dba_free_space视图

18. 复制分析（ClickHouse）

dbskiter --database=<数据库名> diagnose replication

功能：分析ClickHouse复制状态

• ReplicatedMergeTree表状态：检测副本同步延迟
• ZooKeeper状态：检查ZooKeeper连接和节点数
• 分布式表分析：检测分布式表配置和本地表一致性

输出：健康评分、复制延迟、副本状态、分布式表问题、优化建议

19. 锁分析（ClickHouse/SQLite）

dbskiter --database=<数据库名> diagnose locks

功能：分析数据库锁状态

• ClickHouse：基于system.mutations、system.processes、system.replicated_fetches、system.merges分析mutation等待、长时间查询、副本fetch和merge操作
• SQLite：基于PRAGMA lock_status分析文件级锁状态

输出：锁等待列表、死锁检测、长时间查询、replicated_fetches状态、merge状态、优化建议

AI决策流程

场景1：用户说"数据库慢了"

步骤1：执行 dbskiter --database=<name> diagnose realtime
步骤2：查看活跃连接、锁等待、慢查询情况
步骤3：如果有慢查询，执行 dbskiter --database=<name> diagnose slow-queries
步骤4：根据诊断结果，执行 dbskiter --database=<name> diagnose recommend-indexes
步骤5：总结给用户："发现X个问题，主要是XX问题，建议..."

场景2：用户说"CPU使用率很高"

步骤1：执行 dbskiter --database=<name> diagnose top --by=cpu
步骤2：查看CPU消耗最高的SQL
步骤3：执行 dbskiter --database=<name> diagnose sql "<SQL>" 分析具体SQL
步骤4：给出优化建议

场景3：用户说"帮我优化这个SQL"

步骤1：执行 dbskiter --database=<name> diagnose sql "<SQL>"
步骤2：如果评分<70，执行 dbskiter --database=<name> diagnose recommend-indexes
步骤3：给出优化后的SQL和建议

场景4：用户说"做个全面检查"

步骤1：执行 dbskiter --database=<name> diagnose performance-snapshot（查看当前性能状态）
步骤2：执行 dbskiter --database=<name> diagnose report（获取综合报告）