Skip to main content
PawSQL 是面向开发、测试、DBA 与企业数据库治理团队的 SQL 工程与治理平台。 它围绕 SQL 的完整生命周期提供统一能力：从开发阶段的规范审核与实时优化，到上线前的质量门禁，再到生产环境中的慢 SQL 治理、自动化性能验证与持续优化。 PawSQL 的核心能力由五个部分组成：
  • SQL 质量：发现语法、规范、风险和潜在性能问题
  • SQL 优化：自动进行查询重写优化、智能索引推荐与专项性能优化
  • 性能智能：通过执行计划、代价与数据库优化器验证优化效果
  • SQL 治理：将 SQL 质量与性能治理扩展到 CI/CD、生产巡检和企业级管理流程
  • 平台与集成：连接 IDE、CI/CD、API、Webhook、MCP 与企业内部平台

​
从 SQL 分析到企业治理

PawSQL 不只回答“这条 SQL 有什么问题”，还进一步回答：
  • 是否存在规范或高风险操作？
  • SQL 是否有更高效的等价写法？
  • 是否需要创建或调整索引？
  • 优化后的执行计划是否真正改善？
  • 是否可以自动纳入研发、发布和生产治理流程？

​
SQL 质量

在 SQL 进入测试、发布或生产环境之前识别问题。 PawSQL 基于 SQL 解析、语义分析、数据库元数据和规则引擎，对 SQL 进行结构化审核，而不是仅依赖文本匹配或正则规则。

​
主要能力

  • SQL 语法与兼容性检查
  • SQL 规范审核
  • 高风险 DDL / DML 检测
  • 潜在性能问题检测
  • 数据库专项规则
  • 企业自定义规则
  • 存储过程 SQL 分析

​
适用场景

开发自检、代码评审、上线审核、数据库变更审核、企业 SQL 规范治理。

SQL质量检查

在 SQL 上线前识别规范、安全与性能风险。

​
SQL 优化

自动寻找更高效的 SQL 写法与索引方案。 PawSQL 通过 SQL 解析、语义等价性分析、重写规则、索引分析和数据库优化器能力，对 SQL 进行自动优化。

​
主要能力

  • 查询重写优化
  • 子查询优化
  • Join 优化
  • 谓词下推
  • 聚合与排序优化
  • 深分页优化
  • 智能索引推荐
  • 分布式 SQL 专项优化
  • 大数据 SQL 专项优化
PawSQL 的目标不是简单给出“优化建议”，而是尽可能形成可执行的优化方案。

查询重写优化

自动生成语义等价的查询重写优化方案。

智能索引推荐

根据查询访问模式推荐候选索引。

Distributed SQL Optimization

面向分片键、分布式 Join 与跨节点访问的专项优化。

Big Data SQL Optimization

面向 Hive 等大数据引擎的数据倾斜与执行优化。

​
性能智能

判断优化是否真正有效。 SQL 优化不能只依赖经验规则。PawSQL 结合目标数据库优化器、执行计划和代价信息，对优化前后的 SQL 进行比较。

​
主要能力

  • 优化前后执行计划对比
  • SQL Cost 对比
  • 索引效果验证
  • 执行计划分析
  • 高代价算子识别
  • 全表扫描与大数据量操作识别
  • 慢 SQL 分析
  • 优化收益评估
这使 PawSQL 可以形成完整闭环：
发现问题 → 生成优化方案 → 验证优化效果

自动化性能验证

用数据库优化器验证优化是否真正更快。

执行计划分析

把文本执行计划还原为可视化执行树。
两者分工不同：自动化性能验证回答”是否更好”——比较优化前后的执行计划与代价，给出可采信的判定；执行计划分析回答”计划长什么样”——呈现计划结构与指标，用于定位瓶颈与理解变化。前者产出结论，后者提供依据。

​
SQL 治理

将单条 SQL 优化扩展为持续、规模化的 SQL 治理。 当 SQL 数量从几十条增长到几千、几万甚至更多时，人工审核和优化无法满足持续交付与生产治理要求。 PawSQL 支持将 SQL 分析、风险控制和性能优化能力嵌入企业研发与运维流程。

​
主要能力

  • CI/CD SQL Quality Gate
  • 批量 SQL 审核与优化
  • SQL 指纹归并
  • 慢 SQL 批量治理
  • 数据库迁移 SQL 治理
  • SQL 风险分级
  • 优化优先级分析
  • 企业 SQL Governance Dashboard

​
典型流程

SQL Quality Gate

把 SQL 质量门禁接入 CI/CD 流水线。

Batch SQL Governance

批量治理生产环境慢 SQL。

​
平台与集成

让 SQL 能力进入开发者和企业现有工具链。 PawSQL 可以运行在开发 IDE、CI/CD Pipeline、企业内部平台和 AI Agent 工作流中，而不仅仅作为一个独立 SQL 工具。

​
集成方式

支持场景包括：
  • JetBrains
  • Visual Studio Code
  • Jenkins
  • GitLab CI/CD
  • Coding
  • 企业 DevOps 平台
  • AI Coding Agent
  • 内部数据库管理平台

IDE 插件

在 DBeaver、IntelliJ IDEA、DataGrip 或 VS Code 中自检与优化 SQL。

CI/CD 集成

把 SQL 质量门禁接入流水线。

PawSQL MCP

让 AI 编程助手调用 SQL质量检查与优化能力。

API 参考

通过 API 集成到企业平台与自动化系统。

​
一个统一平台，支持多种数据库环境

现代企业通常同时运行传统关系型数据库、国产数据库、分布式数据库以及大数据平台。 PawSQL 通过统一 SQL 分析模型，为不同数据库提供一致的审核、优化和治理体验。 具体数据库、版本与功能支持情况，请参阅： Supported Databases →

​
典型使用方式

不同角色可以从不同入口使用 PawSQL。

​
PawSQL 能力闭环

PawSQL 将 SQL 质量和性能治理组织成一个持续闭环： ↺ 持续改进 这意味着 SQL 优化不再是上线后的临时性能救火，而可以成为软件研发与数据库治理流程中的标准能力。

​
下一步

如果你刚开始使用 PawSQL，可以从以下内容继续：

使用场景

查看 PawSQL 在真实研发与数据库治理流程中的使用方式。

支持的数据库

确认数据库、版本与能力的支持范围。

SQL质量检查

使用 PawSQL 在 SQL 进入测试、发布或生产环境之前发现规范、风险、兼容性和潜在性能问题。

查询重写优化

使用 PawSQL 自动识别低效 SQL 写法，并生成语义等价且更高效的查询重写优化方案。

智能索引推荐

基于 SQL 结构、谓词、Join、排序、聚合与现有索引，生成并验证更有效的索引方案。

自动化性能验证

使用目标数据库优化器、执行计划与 Cost 对比验证查询重写优化和索引优化是否真正有效。

执行计划分析

将复杂数据库执行计划转换为更易理解的图形结构，帮助快速定位高成本算子、扫描、Join、排序与数据流问题。

分布式 SQL 优化

针对分布式数据库中的分布键、跨分片 Join、数据移动、复制表和全局/局部索引等问题进行 SQL 优化。

大数据 SQL 优化

针对 Hive 等大数据 SQL 的分区裁剪、分桶 Join、数据倾斜、聚合、窗口函数和全局排序进行专项优化。