用途
lakehouse-performance 面向数据湖仓场景，帮助智能体主动发现性能瓶颈并给出优化建议。随着湖仓长期运行，缺乏例行维护会导致性能显著下降，该技能用于在 Spark、Trino 和 Databricks 环境中提前识别并处理这些问题。
主要能力
1. 小文件检测与合并
当平均文件大小小于 50 MB 时，触发“小文件警告”。还可进一步建议在表属性中设置目标文件大小，让写入端自动优化，例如 Delta Lake（Databricks）中：
ALTER TABLE table_name SET TBLPROPERTIES ('delta.targetFileSize' = '134217728');
2. 高级布局与聚簇
不盲目推荐简单的 ZORDER，而是评估表大小和写入模式：
- Databricks Liquid Clustering：对于频繁更新或查询模式多变的表，优先推荐 Liquid Clustering 而非 Z-Ordering。
ALTER TABLE table_name CLUSTER BY (col1, col2);
- Iceberg 隐藏分区：如果用户手工提取日期字符串（如
date_format(ts, 'yyyy-MM-dd')），建议改用 Iceberg 原生分区转换（如partition by days(ts)）。
3. 数据跳过与 Bloom Filter
当针对高基数字符串（如 user_id 或 uuid）的过滤查询较慢时，建议启用 Bloom Filter 索引。例如 Databricks Delta：
CREATE BLOOMFILTER INDEX ON TABLE my_table FOR COLUMNS(user_id OPTIONS (fpp=0.1, numItems=50000000));
4. 查询优化与 CBO（基于代价的优化器）
当用户提供慢 Spark SQL 查询时：
- 检查 SortMergeJoin 与 BroadcastHashJoin，对小维度表建议使用
/*+ BROADCAST(table) */。 - 建议执行
ANALYZE TABLE my_table COMPUTE STATISTICS，让引擎能够利用 CBO。
使用方式
该技能可作为智能体技能调用，针对具体表或慢查询进行分析并输出性能报告。报告格式示例：
🚀 Enterprise Performance Report: [Table Name]
健康评分： [例如 65/100]
⚠️ 检测到的问题
- 小文件问题： 平均文件大小为 12 MB（目标：128 MB）。
- 缺失统计信息： 由于表统计信息缺失，CBO 无法优化 join。
🛠️ 推荐操作
- [ ] Liquid Clustering： 从 Z-Ordering 迁移到 Liquid Clustering，以获得更好的写入并发性。
ALTER TABLE [table] CLUSTER BY (...) - [ ] 计算统计信息： 执行
ANALYZE TABLE [table] COMPUTE STATISTICS。
适用场景
- 数据湖仓日常维护与健康检查。
- Spark、Trino、Databricks 查询性能调优。
- 小文件、分区布局、数据跳过和统计信息缺失等常见问题的诊断。
限制
该技能聚焦于性能检测与建议，具体阈值、参数和可用语法可能因引擎与版本不同而有所差异，需结合实际环境验证。关于收费、价格等信息暂未提供。