> ## Documentation Index
> Fetch the complete documentation index at: https://docs.pawsql.com/llms.txt
> Use this file to discover all available pages before exploring further.
> ## Agent Instructions
> PawSQL 是一个产品：Cloud 是公网部署形态，Engine / Optimizer / Auditor / Advisor / Patroller 是同一产品的组件与交付形态，不是彼此独立的产品。 / PawSQL is a single product: Cloud is the public deployment form, while Engine / Optimizer / Auditor / Advisor / Patroller are components and delivery forms of the same product, not separate products.
> 术语以站内术语表为准：SQL 审核对应英文 SQL Review，查询重写对应 Query Rewrite，索引推荐对应 Index Recommendation；英文内容统一用 Review，不用 Audit。 / Use the site glossary for terminology: 审核 is SQL Review, 重写 is Query Rewrite, 索引推荐 is Index Recommendation; English content uses Review, never Audit.
> 引用能力范围或版本支持时以对应页面为准；标注 unknown、或 status 非 published 的内容表示尚未经产品核实，不应作为事实引用。 / Cite capability scope and version support from the corresponding page; content marked unknown, or with a status other than published, is not yet product-verified and must not be cited as fact.
# 核心能力概览
> 探索 PawSQL 在 SQL 质量、SQL 优化、性能分析、SQL 治理与研发集成方面的核心能力。
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？
```mermaid theme={null}
flowchart TD
subgraph sgOverview["能力总览"]
A["SQL"] --> B["SQL 质量分析"]
B --> C1["SQL 自动优化
重写 / 索引分析"]
B --> C2["风险与规范
SQL 质量分析"]
C1 --> D["自动化性能验证"]
C2 --> D
D --> E["SQL 治理"]
E --> F["IDE / CI/CD / API / Webhook / MCP"]
end
```
***
## 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。
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。
```mermaid theme={null}
flowchart LR
subgraph sgRewrite["SQL 自动优化"]
A["原始 SQL"] --> B["解析与语义分析"]
B --> C["重写 / 索引分析"]
C --> D["候选优化方案"]
D --> E["自动化性能验证"]
E --> F["优化后 SQL"]
end
```
自动生成语义等价的查询重写优化方案。
根据查询访问模式推荐候选索引。
面向分片键、分布式 Join 与跨节点访问的专项优化。
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
```mermaid theme={null}
flowchart TD
subgraph sgPerf["自动化性能验证"]
A["原始 SQL 执行计划
Execution Plan"] <--> B["优化 SQL 执行计划
Execution Plan"]
A --> C["代价与执行计划对比"]
B --> C
C --> D["优化结果"]
end
```
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**
用数据库优化器验证优化是否真正更快。
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
```mermaid theme={null}
flowchart TD
subgraph sgGov["SQL 治理"]
A["开发 / DBA / 迁移"] --> B["SQL 收集"]
B --> C["PawSQL 分析"]
C --> D1["Risk"]
C --> D2["Rewrite"]
C --> D3["Index"]
D1 --> E["自动化性能验证"]
D2 --> E
D3 --> E
E --> F["治理策略"]
F --> G1["通过"]
F --> G2["阻断"]
end
```
把 SQL 质量门禁接入 CI/CD 流水线。
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
| 集成方式 | 典型用途 |
| ----------- | ------------------------ |
| IDE | 开发阶段 SQL 自检与优化 |
| CI/CD | SQL 上线质量门禁 |
| REST API | 企业平台与自动化系统集成 |
| Webhook | DevOps 流程触发 |
| MCP | AI Agent 调用 SQL质量检查与优化能力 |
| Web Console | DBA 与企业 SQL 治理 |
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
在 DBeaver、IntelliJ IDEA、DataGrip 或 VS Code 中自检与优化 SQL。
把 SQL 质量门禁接入流水线。
让 AI 编程助手调用 SQL质量检查与优化能力。
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。
```mermaid theme={null}
flowchart TD
subgraph sgMultiDb["Multi-Database Architecture"]
A["PawSQL"] --> B1["传统关系型数据库
MySQL
PostgreSQL
Oracle
SQL Server
DB2
…"]
A --> B2["分布式数据库
OceanBase
TDSQL
GaussDB
PolarDB-X
GoldenDB
…"]
A --> B3["大数据
Hive
…"]
end
```
具体数据库、版本与功能支持情况，请参阅：
[Supported Databases →](/getting-started/supported-databases)
***
## 典型使用方式
不同角色可以从不同入口使用 PawSQL。
| 角色 | 典型需求 | 推荐能力 |
| ---------------------- | ----------------- | ------------------------------------------- |
| Developer | 在编码阶段发现并优化 SQL | SQL质量检查、查询重写优化、开发工具集成 |
| DBA | 批量治理慢 SQL 与索引问题 | 批量 SQL 治理、智能索引推荐、自动化性能验证 |
| DevOps | 在发布流程中阻断高风险 SQL | SQL Quality Gate、CI/CD Integration |
| Migration Team | 迁移后检查兼容性与性能 | Database Migration Governance |
| Database Platform Team | 建设统一 SQL 治理平台 | API、Policy、Dashboard、Multi-Database Support |
| AI Agent | 生成 SQL 后进行专业校验与优化 | MCP、SQL质量检查、SQL 优化 |
***
## PawSQL 能力闭环
PawSQL 将 SQL 质量和性能治理组织成一个持续闭环：
```mermaid theme={null}
flowchart LR
subgraph sgLoop["持续改进"]
A["编写"] --> B["审核"] --> C["优化"] --> D["验证"] --> E["发布"] --> F["监控"] --> G["治理"]
G -.-> A
end
```
↺ 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：
查看 PawSQL 在真实研发与数据库治理流程中的使用方式。
确认数据库、版本与能力的支持范围。