📦 数据库健康监控

v1.0.0

数据库健康监控，支持健康检查、异常检测、容量预测、高级容量预测、趋势分析、基线对比。智能数据源选择： - Oracle 数据库自动使用 Zabbix 监控 - MySQL 数据库优先使用直连，其次使用 Prometheus - 支持 Z 系列资产组（如 Z18, Z5）自动识别使用场景： - 用户说"检查健康...

0· 12·0 当前·0 累计

by @magicczc

数据与API 数据库监控告警

下载技能包

安全扫描

VirusTotal

Pending

查看报告

OpenClaw

可疑

high confidence

The 技能's description and commands match a DB-监控ing purpose, but the 运行time instructions assume a 命令行工具 and 访问 to databases/监控ing 系统s while declaring no required binaries, 安装 steps, or 凭证s — a clear mismatch that needs clarification before use.

评估建议

Do not 安装 or enable this 技能 until the publisher clarifies where the 'dbskiter' binary comes from, how it will be 安装ed, and exactly what 凭证s or API 令牌s it requires. Questions to ask the author: 1) Provide the 安装 URL or package (official release or package name) for 'dbskiter' and a 检查sum/签名ature. 2) 列出 all required 环境 variables, config files, or 凭证s (DB user/passwords, Prometheus/Zabbix API 令牌s) and explAIn how the 代理 will obtAIn them. 3) ExplAIn network 端点s the 工具 contacts and whether any data i...

详细分析 ▾

⚠ 用途与能力

The 技能.md clearly intends to invoke a local 命令行工具工具 named 'dbskiter' and to 访问 data sources (direct DB connections, Prometheus, Zabbix). However the 技能 metadata 列出s no required binaries, no 安装 spec, and no homepage/source. Requiring 访问 to Oracle/Zabbix/Prometheus/direct DBs is coherent with a DB 监控ing purpose, but the 技能 does not declare or 请求 the 凭证s, binaries, or network 访问 that would actually be needed.

⚠ 指令范围

Instructions instruct the 代理 to 运行 many 'dbskiter' 命令行工具 commands (健康, anomalies, collect, 历史, capacity-advanced, trend, compare). They implicitly require network/database 凭证s and reachable 监控ing 端点s. The 技能.md does not instruct how to obtAIn or supply those 凭证s, nor does it limit where data is sent. The instructions assume existing 系统-level 工具ing and 访问 without declaring or constrAIning them.

ℹ 安装机制

There is no 安装 spec (instruction-only). That reduces surface risk from arbitrary code 下载s, but it increases dependency-on-host risk: the 命令行工具 'dbskiter' must already exist on the host. The 技能 fAIls to declare that dependency in the registry metadata (required binaries 列出 is empty), which is an inconsistency.

⚠ 凭证需求

The 技能 declares no required 环境 variables or 凭证s, yet its functionality requires 访问 to databases and 监控ing 系统s (which normally need DB 凭证s, API 令牌s for Prometheus/Zabbix, or at least 代理访问). This omission is disproportionate: either the 技能 expects existing 系统-level 凭证s (not disclosed) or the metadata is incomplete — 机器人h are concerning from a security/least-privilege perspective.

✓ 持久化与权限

The 技能 is not always-enabled, does not 请求 special persistent privileges, and has no 安装-time actions declared. Autonomous invocation is permitted (平台 default) but there are no 添加itional privilege flags 设置. There is no evidence it modifies other 技能s or 代理-wide 设置tings.

安全有层次，运行前请审查代码。

运行时依赖

无特殊依赖

安装命令

点击复制

官方npx clawhub@latest install dbskiter-db-monitor

镜像加速npx clawhub@latest install dbskiter-db-monitor --registry https://cn.longxiaskill.com

技能文档

数据库监控技能智能数据源选择

系统会根据 --database 参数自动选择最优数据源：

数据库类型识别规则数据源优先级 Oracle Z 系列资产组（Z18, Z5等）或 KF 系列 Zabbix MySQL 其他名称直连数据库 > Prometheus

示例：示例:

# Oracle 数据库（自动使用 Zabbix） dbskiter --输出-mode=AI --database=Z18 监控健康 dbskiter --输出-mode=AI --database=Z5 监控 capacity --resource=disk

# MySQL 数据库（优先直连，其次 Prometheus） dbskiter --输出-mode=AI --database=jump 监控健康 dbskiter --输出-mode=AI --database=prod 监控 anomalies

何时使用

当用户提到以下关键词时，使用此技能：

用户说法执行命令说明 "检查健康" dbskiter --输出-mode=AI --database= 监控健康整体健康评分 "有异常吗" dbskiter --输出-mode=AI --database= 监控 anomalies 检测异常指标 "容量够吗" dbskiter --输出-mode=AI --database= 监控 capacity 容量预测 "采集数据" dbskiter --输出-mode=AI --database= 监控 collect 采集当前指标 "看历史" dbskiter --输出-mode=AI --database= 监控历史 <指标> 查看指标历史 "高级容量预测" dbskiter --输出-mode=AI --database= 监控 capacity-advanced 多算法容量预测 "趋势分析" dbskiter --输出-mode=AI --database= 监控 trend 指标趋势分析 "基线对比" dbskiter --输出-mode=AI --database= 监控 compare 与历史基线对比核心命令（8个）高级功能（新增）

高级容量预测

dbskiter --输出-mode=AI --database=<数据库名> 监控 capacity-advanced --resource=disk

特点：

自动选择最佳预测算法（线性回归、移动平均、指数平滑、多项式拟合）提供置信度评估更精确的预测结果

输出：

{ "algorithm": "linear_regression", "confidence": 0.85, "predictions": { "7d": 68.5, "30d": 75.2, "90d": 88.5 }, "days_to_threshold": 45, "recommendation": "建议在45天内扩容" }

趋势分析

dbskiter --输出-mode=AI --database=<数据库名> 监控 trend --metric=cpu_usage --days=7

适用场景：

分析指标变化趋势对比当前值与历史平均值判断性能是改善还是恶化

输出：

{ "trend_direction": "degrading", "current_value": 75.5, "historical_avg": 65.2, "change_percent": 15.8, "recommendation": "CPU使用率呈恶化趋势，建议关注" }

基线对比

dbskiter --输出-mode=AI --database=<数据库名> 监控 compare --metric=qps --value=1250 --baseline=2026-04-01

适用场景：

对比当前性能与历史基线评估优化效果检测性能退化

输出：

{ "current_value": 1250, "baseline_value": 1000, "change_percent": 25.0, "severity": "normal", "message": "QPS较基线上升25.0%，在正常范围内" }

性能退化检测

dbskiter --输出-mode=AI --database=<数据库名> 监控 degradation

适用场景：

自动检测所有性能退化指标与db-诊断性能快照集成

输出：

{ "degradation_count": 2, "degradations": [ { "metric_type": "cpu_usage", "change_percent": 30.5, "severity": "警告" } ] }

健康检查

dbskiter --database=<数据库名> 监控健康

输出：总体评分、各组件状态、关键指标

评分标准：

90-100：优秀 [OK] 70-89：良好 [WARN] <70：需要关注 [CRITICAL]

异常检测

dbskiter --database=<数据库名> 监控 anomalies

默认行为：检测所有指标的异常

输出：异常列表、严重程度、建议

容量预测

dbskiter --database=<数据库名> 监控 capacity --resource=disk

可选资源：

disk：磁盘空间 memory：内存使用 connections：连接数

输出：当前使用率、预测值、剩余天数、风险等级

采集指标

dbskiter --database=<数据库名> 监控 collect

默认行为：采集所有核心指标

可选参数：

--指标=qps,connections：只采集指定指标

查看历史

dbskiter --database=<数据库名> 监控历史 connections_active --hours=24

输出：历史指标数据、趋势图表

AI决策流程场景1：用户说"检查数据库健康" 步骤1：执行 dbskiter --database= 监控健康步骤2：解读健康评分和状态步骤3：如果有问题，执行 dbskiter --database= 监控 anomalies 步骤4：总结给用户

场景2：用户说"磁盘还够用吗" 步骤1：执行 dbskiter --database= 监控 capacity --resource=disk 步骤2：解读当前使用率和预测步骤3：如果接近阈值，给出扩容建议

场景3：用户说"看看有没有异常" 步骤1：执行 dbskiter --database= 监控 anomalies 步骤2：列出发现的异常步骤3：对严重异常，建议进一步诊断

数据来源：ClawHub ↗ · 中文优化：龙虾技能库