SQL Optimization (Deep Workflow) pour Openclaw

Un workflow complet de performance de base de données en six étapes pour diagnostiquer les symptômes, analyser les plans d'exécution et mettre en œuvre des optimisations de requêtes et d'index vérifiées.

codekungfu
v1.0.0
Mar 24, 2026
0
1.2k
0

Installer & Télécharger

1. ClawHub CLI

Le moyen le plus rapide d'installer une compétence directement depuis le registre.

npx clawhub@latest install sql-optimization

2. Installation manuelle

Copiez le dossier de la compétence dans l'un de ces emplacements

Global
~/.openclaw/skills/
Espace de travail
<project>/skills/

Priorité : Espace de travail > Local > Intégré

3. Installation du prompt

Copiez ce prompt dans OpenClaw pour l'installer automatiquement.

Aide-moi à installer sql-optimization via Clawhub. Si Clawhub n'est pas installé, installe-le d'abord (npm i -g clawhub).

Vous préférez télécharger ?

Obtenez les fichiers bruts de la compétence dans une archive ZIP.

Qu'est-ce que SQL Optimization (Deep Workflow) ?

La compétence SQL Optimization est un framework d'ingénierie de performance de haut niveau conçu pour les utilisateurs d'Openclaw Skills qui souhaitent aller au-delà des suppositions. Elle fournit une méthodologie structurée observer-expliquer-modifier-vérifier pour s'attaquer aux goulots d'étranglement complexes des bases de données. En se concentrant sur des vérités techniques telles que les plans d'exécution, le comportement des verrous et l'amplification d'écriture, cette compétence garantit que les améliorations de la base de données sont à la fois mesurables et durables.

Ce workflow est agnostique vis-à-vis du moteur mais conscient de la profondeur, fournissant des conseils personnalisés pour PostgreSQL, MySQL, SQL Server, et plus encore. Il aide les développeurs à identifier les causes racines des latences P99 élevées, des pics de CPU et du retard de réplication en analysant l'interaction entre le SQL généré par l'ORM et l'architecture du moteur de stockage sous-jacent.

Cas d'utilisation de SQL Optimization (Deep Workflow)

  • Résolution des requêtes lentes orientées utilisateur ou des délais d'attente de traitement par lots
  • Atténuation des pics de CPU de la base de données causés par des plans d'exécution inefficaces
  • Optimisation du SQL généré par l'ORM pour éliminer les modèles de requête N+1
  • Gestion de l'encombrement des index et réduction de l'amplification d'écriture sur les tables à fort trafic
  • Transition de la pagination OFFSET héritée vers la pagination par jeu de clés haute performance

Comment fonctionne SQL Optimization (Deep Workflow)

  1. Cadrer le problème : Définir des SLO spécifiques et identifier les métriques ou points de terminaison exacts ne respectant pas les exigences de performance.
  2. Reproduire et mesurer : Établir une base de référence stable en utilisant une cardinalité de données représentative et des outils comme EXPLAIN (ANALYZE, BUFFERS).
  3. Analyser les plans d'exécution : Identifier les coûts dominants tels que les scans séquentiels, les explosions de boucles imbriquées ou les débordements de tri sur disque.
  4. Ingénierie des schémas et des index : Concevoir des index composites, partiels ou couvrants optimaux tout en tenant compte de l'impact sur les performances d'écriture.
  5. Réglage des requêtes et des transactions : Réécrire la logique SQL pour réduire le nombre de lignes touchées et optimiser les fenêtres de transaction afin de minimiser les conflits de verrouillage.
  6. Vérification et garde-fous : Valider le correctif avec des paramètres de type production et mettre en œuvre une surveillance pour prévenir les régressions futures.

Configuration de SQL Optimization (Deep Workflow)

Pour intégrer ce workflow dans votre environnement Openclaw Skills, assurez-vous que votre agent a accès aux métadonnées du schéma de la base de données et aux outils d'exécution de requêtes.

# Example: Installing the SQL Optimization skill via Openclaw CLI
openclaw install skill sql-optimization

# Ensure your database user has sufficient permissions for analysis
# PostgreSQL: GRANT pg_read_all_stats TO openclaw_user;

Schéma de données et taxonomie de SQL Optimization (Deep Workflow)

La compétence organise son cycle de vie d'optimisation via une taxonomie de données structurée pour garantir des résultats reproductibles :

Composant de données Description
Énoncé du problème Documentation de la régression, du SLO et de la métrique spécifique (ex: latence p95).
Plan de référence Le hachage du plan d'exécution original et les métriques de coût pour la comparaison A/B.
Proposition DDL Modifications de schéma proposées incluant la justification et une stratégie de retour en arrière vérifiée.
Stats et histogrammes Métadonnées concernant le nombre de lignes, la cardinalité des colonnes et le NDV (Number of Distinct Values).
Garde-fous de performance Configuration des délais d'attente des instructions et alertes pour les scans séquentiels.

Fonctionnalités avancées de SQL Optimization (Deep Workflow)

  • Adaptation multi-moteur pour les syntaxes d'indices spécifiques à PostgreSQL, MySQL et SQL Server
  • Recommandations avancées de partitionnement et de stratégie de vues matérialisées
  • Analyse de l'attente des verrous et du niveau d'isolement des transactions pour les environnements à forte concurrence
  • Identification automatisée des statistiques obsolètes et des problèmes de reniflage de paramètres
  • Intégration avec le trafic fantôme ou les workflows de test de charge pour une vérification sécurisée

SKILL.md


Chargement

Compétences Openclaw associées

METADATA

Github Stars: 0
forks: 0

En vedette*