- name
- db-diagnose
- description
- |
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=<name> diagnose slow-queries | 查看慢查询 |
| "SQL有问题" | dbskiter --output-mode=ai --database=<name> diagnose sql "<SQL>" | 诊断特定SQL |
| "加什么索引" | dbskiter --output-mode=ai --database=<name> diagnose recommend-indexes | 获取索引建议 |
| "检查一下" | dbskiter --output-mode=ai --database=<name> diagnose report | 全面诊断报告 |
| "有锁吗" | dbskiter --output-mode=ai --database=<name> diagnose locks | 查看锁情况 |
| "性能分析" | dbskiter --output-mode=ai --database=<name> diagnose performance-snapshot | 整理性能快照 |
| "瓶颈分析" | dbskiter --output-mode=ai --database=<name> diagnose bottleneck | 分析性能瓶颈 |
| "CPU高" | dbskiter --output-mode=ai --database=<name> diagnose performance-snapshot | 查看CPU指标 |
| "IO高" | dbskiter --output-mode=ai --database=<name> 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
1. 查看慢查询
dbskiter --database=<数据库名> diagnose slow-queries默认行为：返回最近7天最慢的10个查询
可选参数：
--limit=5：只看前5条--min-duration=0.5：超过0.5秒的查询
2. 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
3. 推荐索引
dbskiter --database=<数据库名> diagnose recommend-indexes默认行为：分析所有表，推荐高价值索引
可选参数：
--table=users：只分析指定表
4. 查看锁
dbskiter --database=<数据库名> diagnose locks输出：当前锁等待情况
5. 性能快照（新增）
dbskiter --database=<数据库名> diagnose performance-snapshot输出：CPU、IO、内存、并发、锁等多维度性能指标
适用场景：
- 数据库整体性能评估
- 容量规划前的基线整理
- 性能问题的全面诊断
输出示例：
{
"summary": "性能快照整理完成",
"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": [...]
}
}6. 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
适用场景：
- 数据库性能下降时的快速诊断
- 定位CPU/IO/锁等具体瓶颈
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"
]
}
}7. 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：执行 dbskiter --database=<name> diagnose performance-snapshot
步骤2：查看返回的bottlenecks，确定瓶颈类型
步骤3：如果是慢查询导致，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：执行 dbskiter --database=<name> diagnose performance-snapshot
步骤2：查看metrics中category为cpu的指标
步骤3：如果active_session_ratio高，执行 dbskiter --database=<name> diagnose slow-queries
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）