> ## 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.
# 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。
PawSQL SQL质量检查用于在 SQL 生命周期的早期阶段发现问题，包括语法与兼容性问题、企业规范违规、高风险 DDL/DML，以及可能导致性能退化的 SQL 写法。
它不仅对 SQL 文本进行规则匹配，还结合 SQL 解析、语义分析、数据库元数据与数据库专项规则，对 SQL 进行结构化审核。
## 概览
传统 SQL质量检查通常依赖人工 DBA 评审、正则表达式或简单规则匹配。这类方式很难准确理解 SQL 的结构、对象关系和数据库语义，也难以覆盖复杂 SQL、存储过程以及多数据库环境。
PawSQL 通过统一 SQL 分析引擎，将审核过程拆分为多个阶段：
```mermaid theme={null}
flowchart LR
A["SQL Input"] --> B["Parse & Normalize"]
B --> C["Semantic Analysis"]
C --> D["Review Rules"]
D --> E["Risk Report"]
```
## 为什么 SQL质量检查很重要
SQL 问题越晚被发现，修复成本通常越高。
在开发阶段发现一条全表扫描 SQL，开发者可以直接修改；如果同一条 SQL 已进入生产环境，则可能进一步引发 CPU 抖动、IO 压力、锁等待或发布回滚。
因此，SQL质量检查的目标不是“找错误”，而是把 SQL 质量控制前移到研发和交付流程中。
## 核心能力
### SQL 语法与兼容性检查
识别 SQL 语法错误、数据库方言差异以及目标数据库不支持的写法。
适用于：
* 数据库迁移后的兼容性检查
* 多数据库产品的 SQL 适配
* 开发阶段 SQL 自检
### SQL 编码规范审核
检查 SQL 是否符合企业或团队规范，例如：
* 不推荐使用的 SQL 写法
* 表、字段与索引相关规范
* SELECT / UPDATE / DELETE 使用约束
* DDL 变更规范
* SQL 可维护性规则
### 高风险 DDL/DML 检测
识别可能对数据安全或生产稳定性产生较大影响的操作，例如：
* 无过滤条件的 UPDATE / DELETE
* TRUNCATE
* DROP TABLE
* 高风险 ALTER TABLE
* 可能导致大范围锁定的操作
### 性能问题检测
在 SQL 上线前识别潜在性能风险，例如：
* 全表扫描风险
* 非 SARGable 条件
* 无效或低效索引使用
* 不必要的排序与聚合
* 笛卡尔积
* 子查询与 Join 的潜在低效写法
### 数据库专项规则
针对不同数据库实现专项审核，而不是使用同一套通用规则覆盖所有数据库。
这对于 Oracle、MySQL、PostgreSQL、SQL Server、DB2，以及国产和分布式数据库尤其重要。
### 存储过程分析
PawSQL 可以进一步分析存储过程中的 SQL，而不仅限于单条 SQL 文本，从而把 SQL质量检查扩展到 T-SQL、PL/pgSQL 等过程化代码场景。
## 示例
以下 SQL 在语法上可以执行，但存在明显风险：
```sql theme={null}
UPDATE orders
SET status = 'CLOSED';
```
PawSQL 可以识别：
* UPDATE 缺少过滤条件
* 可能影响大范围数据
* 可能产生较长事务与锁影响
审核结果可以进一步映射为不同级别，例如：
| Level | Meaning | Typical action |
| -------- | ------- | -------------- |
| Info | 建议性规范 | 开发者确认 |
| Warning | 潜在风险 | 建议修改 |
| Critical | 高风险操作 | 阻断发布 |
## 开发周期中的审核
SQL质量检查可以运行在多个入口：
* IDE：开发者编写 SQL 时即时检查
* Web Console：手工提交 SQL质量检查
* CI/CD：作为 SQL Quality Gate
* API：集成企业数据库平台
* Webhook：接入 DevOps 流程
* MCP：供 AI Agent 调用 SQL质量检查能力
## SQL质量检查与简单 SQL Lint 的差异
| Capability | Simple SQL Lint | PawSQL SQL质量检查 |
| ------------------------- | --------------- | -------------- |
| Syntax check | ✓ | ✓ |
| AST analysis | Limited | ✓ |
| Database metadata | Usually no | ✓ |
| Database-specific rules | Limited | ✓ |
| Performance rules | Limited | ✓ |
| Risk classification | Limited | ✓ |
| Stored procedure analysis | Usually no | ✓ |
| CI/CD governance | Depends | ✓ |
## 相关能力
## 相关场景