数据库诊断与优化

数据库诊断 Skill 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” | dbskiter --output-mode=ai --database= diagnose slow-queries | 查看慢查询 “SQL有问题” | dbskiter --output-mode=ai --database= diagnose sql "" | 诊断特定 SQL “加什么索引” | dbskiter --output-mode=ai --database= diagnose recommend-indexes | 获取索引建议 “检查一下” | dbskiter --output-mode=ai --database= diagnose report | 全面诊断报告 “有锁吗” | dbskiter --output-mode=ai --database= diagnose locks | 查看锁情况 “性能分析” | dbskiter --output-mode=ai --database= diagnose performance-snapshot | 采集性能快照 “瓶颈分析” | dbskiter --output-mode=ai --database= diagnose bottleneck | 分析性能瓶颈 “CPU高” | dbskiter --output-mode=ai --database= diagnose performance-snapshot | 查看 CPU 指标 “IO高” | dbskiter --output-mode=ai --database= diagnose bottleneck | 查看 IO 瓶颈

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

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

核心命令

• 查看慢查询

dbskiter --database=<数据库名> diagnose slow-queries 默认：返回最近 7 天最慢的 10 条查询 可选：--limit=5 只看前 5 条；--min-duration=0.5 仅≥0.5 秒

• 诊断 SQL

dbskiter --database=<数据库名> diagnose sql "SELECT * FROM users WHERE email = 'test@test.com'" 输出：评分、问题列表、优化建议

• 推荐索引

dbskiter --database=<数据库名> diagnose recommend-indexes 默认：分析所有表，推荐高价值索引 可选：--table=users 仅分析指定表

• 查看锁

dbskiter --database=<数据库名> diagnose locks 输出：当前锁等待情况

• 性能快照（新增）

dbskiter --database=<数据库名> diagnose performance-snapshot 输出：CPU、IO、内存、并发、锁等多维度指标 场景：整体性能评估、容量规划基线、全面诊断

输出示例：

{
  "summary": "性能快照采集完成",
  "data": {
    "snapshot": {
      "timestamp": "2026-04-24T10:30:00",
      "metrics": [
        {
          "name": "active_session_ratio",
          "value": 75.5,
          "unit": "%",
          "category": "cpu",
          "severity": "high"
        }
      ],
      "slow_queries": [...],
      "active_sessions": 15,
      "total_sessions": 100
    },
    "bottlenecks": [...]
  }
}

• 瓶颈分析（新增）

dbskiter --database=<数据库名> diagnose bottleneck 输出：自动识别性能瓶颈并给出优化建议 场景：性能下降快速诊断，定位 CPU/IO/锁等瓶颈

输出示例：

{
  "summary": "发现3个性能瓶颈",
  "data": {
    "bottlenecks": [
      {
        "category": "cpu",
        "severity": "high",
        "metrics": [...],
        "suggestion": "检查高CPU消耗的SQL，考虑优化或增加CPU资源"
      }
    ],
    "severity_summary": {
      "critical": 0,
      "high": 1,
      "medium": 2,
      "low": 0
    },
    "recommendations": [
      "[cpu] 检查高CPU消耗的SQL，考虑优化或增加CPU资源"
    ]
  }
}

• 综合报告

dbskiter --database=<数据库名> diagnose report 输出：慢查询 + 索引建议 + 锁情况 + 总体评分

AI 决策流程 场景1：用户说“数据库慢了” 步骤1：dbskiter --database= diagnose performance-snapshot 步骤2：查看 bottlenecks 确定瓶颈类型 步骤3：若为慢查询，执行 dbskiter --database= diagnose slow-queries 步骤4：执行 dbskiter --database= diagnose recommend-indexes 步骤5：总结：“发现 X 个性能瓶颈，主要是 XX 问题，建议…”

场景2：用户说“CPU 使用率很高” 步骤1：dbskiter --database= diagnose performance-snapshot 步骤2：查看 category=cpu 的指标 步骤3：若 active_session_ratio 高，执行 dbskiter --database= diagnose slow-queries 步骤4：给出