ByteHouse 慢查询分析 Skill

🔵 ByteHouse 品牌标识

「ByteHouse」—— 火山引擎云原生数据仓库，极速、稳定、安全、易用

本Skill基于ByteHouse MCP Server，提供完整的慢查询分析和性能优化能力

描述

ByteHouse慢查询分析和性能优化工具。

当以下情况时使用此 Skill:
(1) 需要识别和分析慢查询
(2) 需要查询性能优化建议
(3) 需要查看查询执行计划
(4) 需要分析查询历史趋势
(5) 用户提到"慢查询"、"查询优化"、"性能分析"、"执行计划"

前置条件

• - Python 3.8+
• uv (已安装在 /root/.local/bin/uv)
• ByteHouse MCP Server Skill - 本skill依赖 bytehouse-mcp skill提供的ByteHouse访问能力

依赖关系

本skill依赖 bytehouse-mcp skill，使用其提供的MCP Server访问ByteHouse。

确保 bytehouse-mcp skill已正确配置并可以正常使用。

📁 文件说明

• - SKILL.md - 本文件，技能主文档
• slowqueryanalyzer.py - 慢查询分析主程序
• README.md - 快速入门指南

配置信息

ByteHouse连接配置

本skill复用 bytehouse-mcp skill的配置。请确保已在 bytehouse-mcp skill中配置好：

CODEBLOCK0

🎯 功能特性

1. 慢查询识别

• - 从query_log表获取慢查询
• 按执行时间排序
• 识别Top N慢查询
• 分析慢查询模式

2. 查询性能分析

• - 查询执行时间分布
• 查询类型统计
• 查询频率分析
• 性能趋势分析

3. 执行计划分析

• - 获取查询执行计划
• 分析执行计划节点
• 识别性能瓶颈
• 提供优化建议

4. 优化建议生成

• - 索引优化建议
• 查询重写建议
• 表引擎建议
• 配置参数调优

🚀 快速开始

方法1: 运行慢查询分析

CODEBLOCK1

分析内容包括：

• - Top 20慢查询
• 查询性能统计
• 执行时间分布
• 优化建议生成

输出文件（保存在 output/ 目录）：

1. 1. slow_queries_{timestamp}.json - 慢查询列表
2. query_stats_{timestamp}.json - 查询统计报告
3. optimization_suggestions_{timestamp}.json - 优化建议

💻 慢查询分析维度

时间维度分析

• - 按小时: 每小时慢查询数量
• 按天: 每天慢查询趋势
• 按周: 每周慢查询模式
• 按月: 每月慢查询统计

查询类型分析

• - SELECT查询: 查询语句分析
• INSERT查询: 写入性能分析
• UPDATE查询: 更新性能分析
• DELETE查询: 删除性能分析
• DDL查询: 建表/改表性能分析

性能指标

• - 平均执行时间: 所有查询平均耗时
• P50执行时间: 中位数执行时间
• P95执行时间: 95分位执行时间
• P99执行时间: 99分位执行时间
• 最大执行时间: 最慢查询耗时

📊 慢查询报告示例

慢查询列表

{
  "analysis_time": "2026-03-12T21:00:00",
  "total_queries": 10000,
  "slow_queries": 150,
  "top_slow_queries": [
    {
      "query_id": "query-12345",
      "query_text": "SELECT * FROM large_table WHERE ...",
      "duration_ms": 15000,
      "start_time": "2026-03-12T20:55:00",
      "read_rows": 1000000,
      "read_bytes": 104857600
    }
  ]
}

📚 更多信息

详细使用说明请参考 bytehouse-mcp skill