Byted Bytehouse Load Analyzer

ByteHouse 负载分析 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，提供完整的集群负载分析和性能监控能力

---

描述

ByteHouse集群负载分析和性能监控工具。

当以下情况时使用此 Skill: (1) 需要分析集群负载情况 (2) 需要监控资源使用情况 (3) 需要分析查询吞吐量 (4) 需要识别性能瓶颈 (5) 用户提到"负载分析"、"性能监控"、"资源使用"、"吞吐量"

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
• load_analyzer.py - 负载分析主程序
• 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：

export BYTEHOUSE_HOST="<ByteHouse-host>"
export BYTEHOUSE_PORT="<ByteHouse-port>"
export BYTEHOUSE_USER="<ByteHouse-user>"
export BYTEHOUSE_PASSWORD="<ByteHouse-password>"
export BYTEHOUSE_SECURE="true"
export BYTEHOUSE_VERIFY="true"

🎯 功能特性

1. 资源使用分析

• CPU使用率监控
• 内存使用率分析
• 磁盘空间监控
• 网络流量统计

2. 查询负载分析

• QPS (每秒查询数) 统计
• 查询并发度分析
• 查询类型分布
• 高峰时段识别

3. 表负载分析

• 表访问热度排名
• 表读写比例分析
• 表大小增长趋势
• 分区负载分布

4. 性能瓶颈识别

• 资源瓶颈识别
• 查询队列分析
• 锁等待统计
• 优化建议生成

🚀 快速开始

方法1: 运行负载分析

cd /root/.openclaw/workspace/skills/bytehouse-load-analyzer

# 先设置环境变量（复用bytehouse-mcp的配置）
export BYTEHOUSE_HOST="<ByteHouse-host>"
export BYTEHOUSE_PORT="<ByteHouse-port>"
export BYTEHOUSE_USER="<ByteHouse-user>"
export BYTEHOUSE_PASSWORD="<ByteHouse-password>"
export BYTEHOUSE_SECURE="true"
export BYTEHOUSE_VERIFY="true"

# 运行负载分析
uv run load_analyzer.py

分析内容包括：

• 集群资源使用情况
• 查询负载统计
• 表访问热度
• 性能瓶颈识别
• 优化建议生成

输出文件（保存在 `output/` 目录）： 1. `resource_usage_{timestamp}.json` - 资源使用报告 2. `query_load_{timestamp}.json` - 查询负载报告 3. `table_load_{timestamp}.json` - 表负载报告 4. `bottleneck_analysis_{timestamp}.json` - 瓶颈分析报告

💻 负载分析维度

资源维度

• CPU: 使用率、等待时间、上下文切换
• 内存: 使用量、缓存、Swap使用
• 磁盘: 使用率、IOPS、吞吐量
• 网络: 入流量、出流量、连接数

时间维度

• 实时: 当前负载情况
• 最近1小时: 1小时内趋势
• 最近24小时: 24小时内趋势
• 最近7天: 7天内趋势
• 历史对比: 同比环比分析

表维度

• 访问热度: 查询次数排名
• 读写比例: 读写操作比例
• 大小增长: 表大小变化趋势
• 分区分布: 分区数据分布

---

📊 负载报告示例

资源使用报告

{
  "analysis_time": "2026-03-12T21:00:00",
  "cluster_name": "bh_log_boe",
  "resources": {
    "cpu": {
      "usage_percent": 65.5,
      "wait_time_ms": 15,
      "context_switches": 10000
    },
    "memory": {
      "used_gb": 128.5,
      "total_gb": 256.0,
      "usage_percent": 50.2
    },
    "disk": {
      "used_gb": 5120.0,
      "total_gb": 10240.0,
      "usage_percent": 50.0,
      "iops_read": 5000,
      "iops_write": 3000
    }
  }
}

查询负载报告

{
  "analysis_time": "2026-03-12T21:00:00",
  "query_load": {
    "qps": 500,
    "concurrent_queries": 50,
    "query_types": {
      "SELECT": 70,
      "INSERT": 20,
      "UPDATE": 5,
      "DELETE": 3,
      "DDL": 2
    },
    "peak_hours": [
      "10:00-11:00",
      "14:00-15:00",
      "20:00-21:00"
    ]
  }
}

---

📚 更多信息

详细使用说明请参考 bytehouse-mcp skill

--- 最后更新: 2026-03-12