| name | db-inspector |
| description | 数据库实例巡检与报告生成，支持配置检查、性能检查、安全检查、报告生成、智能巡检、异常检测、根因分析、风险预测。
使用场景：
- 用户说"巡检" -> 执行 run
- 用户说"生成报告" -> 执行 report
- 用户说"检查配置" -> 执行 run --type configuration
- 用户说"建立基线" -> 执行 baseline --create
- 用户说"智能巡检" -> 执行 intelligent
- 用户说"异常检测" -> 执行 anomalies
- 用户说"根因分析" -> 执行 root-cause
- 用户说"风险预测" -> 执行 risks
用法：
- python -m dbskiter --output-mode=ai --database=<name> inspector run
- python -m dbskiter --output-mode=ai --database=<name> inspector report --output report.html
- python -m dbskiter --output-mode=ai --database=<name> inspector baseline --create
- python -m dbskiter --output-mode=ai --database=<name> inspector intelligent
- python -m dbskiter --output-mode=ai --database=<name> inspector anomalies --metric=cpu_usage
- python -m dbskiter --output-mode=ai --database=<name> inspector root-cause --issue="CPU飙升"
- python -m dbskiter --output-mode=ai --database=<name> inspector risks --days=7
|
数据库巡检 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：
| 规则 | 说明 |
|---|
| 只读操作 | 巡检命令只执行SELECT/SHOW/DESCRIBE等查询操作 |
| 禁止写操作 | 不得通过巡检命令执行DELETE/UPDATE/INSERT/DROP等写操作 |
| 基线创建只记录快照 | baseline --create只记录当前配置快照，不修改数据库 |
| 报告生成只读 | report命令只生成报告文件，不修改数据库 |
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 |
|---|
| "巡检" | python -m dbskiter --output-mode=ai --database=<name> inspector run | 执行完整巡检 |
| "生成报告" | python -m dbskiter --output-mode=ai --database=<name> inspector report | 生成巡检报告 |
| "检查配置" | python -m dbskiter --output-mode=ai --database=<name> inspector run --type configuration | 仅检查配置 |
| "检查安全" | python -m dbskiter --output-mode=ai --database=<name> inspector run --type security | 仅安全检查 |
| "建立基线" | python -m dbskiter --output-mode=ai --database=<name> inspector baseline --create | 创建性能基线 |
| "智能巡检" | python -m dbskiter --output-mode=ai --database=<name> inspector intelligent | 智能巡检分析 |
| "异常检测" | python -m dbskiter --output-mode=ai --database=<name> inspector anomalies | 检测指标异常 |
| "根因分析" | python -m dbskiter --output-mode=ai --database=<name> inspector root-cause | 分析问题根因 |
| "风险预测" | python -m dbskiter --output-mode=ai --database=<name> inspector risks | 预测未来风险 |
核心命令
1. 执行完整巡检
python -m dbskiter --database=<数据库名> inspector run
输出：健康评分、风险统计、巡检项详情
评分标准：
- 90-100：优秀
- 70-89：良好
- <70：需要关注
可选参数：
--type：指定巡检类型（configuration/performance/storage/security/capacity/replication）--format：输出格式（text/json/html/markdown）--output：输出文件路径
2. 生成报告
python -m dbskiter --database=<数据库名> inspector report --output report.html
支持格式：HTML、Markdown、JSON
3. 基线管理
dbskiter --database=<数据库名> inspector baseline --create
用途：建立性能基线，用于后续对比
可选参数：
--create：创建新基线--compare：与基线对比
4. 智能巡检
dbskiter --database=<数据库名> inspector intelligent
功能：异常检测、根因分析、风险预测、智能建议
可选参数：
--metrics-file：指标历史数据文件（JSON格式）
5. 异常检测
dbskiter --database=<数据库名> inspector anomalies --metric=cpu_usage
功能：检测突然飙升、逐渐增长、周期性异常、基线偏离
参数：
--metric（必需）：指标名称（如cpu_usage, memory_usage）--hours：检测最近多少小时的数据（默认24）
6. 根因分析
dbskiter --database=<数据库名> inspector root-cause --issue="CPU飙升"
功能：分析异常事件的根因，提供解决建议
参数：
--issue（必需）：问题描述（如"CPU使用率飙升"）
7. 风险预测
dbskiter --database=<数据库名> inspector risks --days=7
功能：预测未来7天/30天的容量和性能风险
参数：
巡检类型
- configuration：配置检查
- performance：性能检查
- storage：存储检查
- security：安全检查
- capacity：容量检查
- replication：复制检查
数据库支持
| 数据库 | 配置检查 | 性能检查 | 存储检查 | 安全检查 | 容量检查 | 状态 |
|---|
| MySQL | 支持 | 支持 | 支持 | 支持 | 支持 | 生产就绪 |
| Oracle | 支持 | 支持 | 支持 | 支持 | 支持 | 生产就绪 |
| PostgreSQL | 支持 | 支持 | 支持 | 支持 | 支持 | 生产就绪 |
| SQL Server | 支持 | 支持 | 支持 | 支持 | 支持 | 生产就绪 |
| ClickHouse | 支持 | 支持 | 支持 | 支持 | 支持 | 生产就绪 |
| SQLite | 支持 | 支持 | 支持 | 支持 | 支持 | 生产就绪 |
| 通用(Generic) | 基础 | 基础 | 基础 | 基础 | 基础 | 可用 |
通用巡检器（GenericInspector）说明：
通用巡检器通过标准 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巡检能力。
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
通用巡检器采集指标：
| 检查项 | 数据源 | 说明 |
|---|
| 数据库类型与版本 | VERSION() / @@version | 数据库方言和版本号 |
| Schema 数量 | INFORMATION_SCHEMA.TABLES | Schema 总数 |
| 表总数 | INFORMATION_SCHEMA.TABLES | BASE TABLE 数量 |
| 活跃连接数 | pg_stat_activity / v$session / sys.dm_exec_sessions | 当前活跃会话 |
| 数据库总大小 | pg_database_size / information_schema / PRAGMA | 存储容量 |
| 索引数量 | INFORMATION_SCHEMA.STATISTICS | 索引总数 |
| TOP 大表 | INFORMATION_SCHEMA.TABLES | 行数最多的表 |
| 数据库用户 | CURRENT_USER / USER() | 当前连接用户 |
SQLite 巡检项：
- 配置检查：缓存大小、日志模式（journal_mode）、同步模式（synchronous）
- 性能检查：大表检测、缺少索引检测
- 存储检查：数据库文件大小、碎片率
- 安全检查：文件权限（POSIX系统）
- 容量检查：表数量
- 完整性检查：PRAGMA integrity_check
ClickHouse 巡检项：
- 配置检查：max_memory_usage、max_execution_time、query_log启用状态
- 性能检查：慢查询数、高内存使用查询、连接数、复制延迟
- 存储检查：大表检测、parts数量过多检测
- 安全检查：默认用户密码配置
- 容量检查：总数据量、磁盘使用
- 复制检查：Replicated表复制队列、复制延迟
SQL Server 巡检项：
- 配置检查：最大内存、MAXDOP、恢复模式、安全设置
- 性能检查：缓冲区命中率、过程缓存命中率、等待统计
- 存储检查：文件增长设置、日志文件大小、磁盘空间
- 安全检查：认证模式、sa账户、权限配置、密码策略
- 容量检查：数据库大小、磁盘使用率、增长趋势
AI决策流程
场景1：用户说"巡检一下数据库"
步骤1：执行 dbskiter --database=<name> inspector run
步骤2：解读健康评分和风险统计
步骤3：如果有严重问题，建议进一步诊断
步骤4：生成报告：dbskiter --database=<name> inspector report
场景2：用户说"分析一下为什么CPU高"
步骤1：执行 dbskiter --database=<name> inspector root-cause --issue="CPU飙升"
步骤2：查看根因分析结果
步骤3：给出解决建议
场景3：用户说"预测一下未来风险"
步骤1：执行 dbskiter --database=<name> inspector risks --days=30
步骤2：解读风险预测结果
步骤3：给出预防和应对措施
