该技能是一套面向现代数据库系统的综合数据库设计能力，结合理论原则与实用工具，帮助架构师和开发者创建可扩展、高性能、易维护的数据库模式。适用于用户提出设计数据库模式、规划数据迁移、优化查询、在 SQL 与 NoSQL 之间选型或建模数据关系等需求时。
核心能力
模式设计与分析：自动检测规范化级别（1NF 到 BCNF）；针对性能优化给出反规范化策略建议；识别不恰当的数据类型与大小问题；分析缺失的外键、唯一约束与空值检查；校验表名与列名的命名约定一致性；根据 DDL 自动生成 Mermaid ERD 图。
索引优化：识别外键和查询模式上缺失的索引；为多列索引给出最优列顺序的复合索引策略；检测重叠与未使用的冗余索引；进行选择性估算与查询成本建模以为性能影响建模；在 B-tree、hash、partial、covering 及专用索引之间选型。
迁移管理：通过扩展-收缩模式实现零停机迁移；安全地新增、删除列及变更类型；生成数据迁移脚本并做自动转换与验证；提供带验证的完整回滚能力；按依赖关系规划有序的迁移执行步骤。
工具工作流（应运行脚本，而非手工分析模式） 所有路径相对于本技能目录，样例输入位于 assets/。
-
分析模式： python3 schema_analyzer.py --input schema.sql --generate-erd --output-format json -o analysis.json 接受 SQL DDL 或 JSON 模式（assets/sample_schema.sql / sample_schema.json）。输出包含规范化发现、缺失约束、命名问题以及 Mermaid ERD——应先向用户展示 ERD，并在优化前修复被标记的问题。
-
依据真实查询模式优化索引： python3 index_optimizer.py --schema assets/sample_schema.json --queries assets/sample_query_patterns.json --analyze-existing --format json -o indexes.json 先将用户的热点查询写入查询模式 JSON（可复制 assets/sample_query_patterns.json）。输出是按优先级排序的 CREATE INDEX 建议列表以及冗余索引移除项。
-
生成迁移： python3 migration_generator.py --current current_schema.json --target target_schema.json --zero-downtime --format sql -o migration.sql --zero-downtime 会输出扩展-收缩方案；--validate-only 仅检查可行性而不生成 SQL。
-
验证循环：在目标模式上重新运行第 1 步，确认首轮发现的问题已消失；在交付迁移前运行 migration_generator.py --validate-only。
数据库设计原则与最佳实践
模式设计：使用有意义的名称与清晰一致的命名约定；选择合适的数据类型，按需设定列大小以提升存储效率；定义恰当约束（外键、检查约束、唯一索引）；从开始就规划规模与未来增长；清晰记录外键关系与业务规则。
性能优化：有针对性地建索引，覆盖常见查询模式而不过度索引；定期分析慢查询以监控性能；对大表进行分区；使用合适的隔离级别，在一致性与性能间取得平衡；实现连接池以提高资源利用率。
安全考虑：遵循最小权限原则，只授予必要权限；对静态和传输中的敏感数据加密；审计访问模式并记录数据库访问日志；校验输入以防 SQL 注入；保持数据库软件定期安全更新。
查询生成模式（资料提供示例） 包含 SELECT 与 JOIN（INNER JOIN、LEFT JOIN、自连接）、CTE（含递归 CTE 生成组织架构图）、窗口函数（ROW_NUMBER 用于分页/去重、RANK 与 DENSE_RANK、LAG/LEAD 比较相邻行）、聚合模式（PostgreSQL 的 FILTER 条件聚合、GROUPING SETS 多级汇总）。
迁移模式 每个迁移必须有可逆的对应脚本，文件名使用时间戳前缀排序（如 migrations/20260101_000001_create_users.up.sql 与对应 down.sql）。零停机迁移采用扩展-收缩模式：扩展（新增可空带默认值的列/表）→ 迁移数据（分批回填、应用双写）→ 过渡（应用读新列、停止写旧列）→ 收缩（在后续迁移中删除旧列）。数据回填使用批量更新避免长时间锁（示例：UPDATE users SET email_normalized = LOWER(email) WHERE id IN (SELECT id FROM users WHERE email_normalized IS NULL LIMIT 5000)，循环直到影响 0 行）。回滚方面：部署 up.sql 前先在预发环境测试 down.sql；保持短回滚窗口，若已执行收缩步骤则回滚需要新的前向迁移；对不可逆变更（如删除含数据列）先做逻辑备份。
性能优化 提供索引类型对照表：B-tree（默认，用于等值、范围、ORDER BY）、GIN（全文搜索、JSONB、数组）、GiST（几何、范围类型、最近邻）、Partial（行子集以减小体积）、Covering（仅索引扫描，使用 INCLUDE 子句）。EXPLAIN 计划解读中需关注：大表上的 Seq Scan（缺索引）、行估计偏高的 Nested Loop、Buffers shared read 远高于 hit（工作集超出内存）。N+1 查询检测：症状为应用逐行发起查询；修复方式包括使用 JOIN 或子查询一次往返、ORM 预加载（select_related / includes / with）、GraphQL 解析器使用 DataLoader 模式。连接池工具：PgBouncer（PostgreSQL）、ProxySQL（MySQL）、应用内置池（HikariCP、SQLAlchemy pool）；经验法则为池大小设为 (2 * CPU 核数) + 磁盘主轴数，云 SSD 从 2 * vCPU 起调优。读副本与查询路由：SELECT 路由到副本、写入到主库，需考虑复制延迟（异步通常小于 1 秒，同步为 0），关键数据读取前可用 pg_last_wal_replay_lsn() 检测延迟。
多数据库决策矩阵 对比 PostgreSQL、MySQL、SQLite、SQL Server 在适用场景、JSON 支持、复制、许可、最大实用规模上的差异。选择建议：PostgreSQL 是新项目默认选择，扩展性和标准符合性最佳；MySQL 适用于已有 MySQL 生态和简单读密集型 Web 应用；SQLite 适用于移动应用、CLI 工具、单元测试数据库、IoT/边缘；SQL Server 适用于企业政策要求及深度 .NET/Azure 集成。
NoSQL 考量 MongoDB（文档型）：模式灵活、快速原型、内容管理。Redis（键值/缓存）：会话存储、限流、排行榜、发布订阅。DynamoDB（宽列）：Serverless AWS 应用、任意规模下的个位数毫秒延迟。原则：默认使用 SQL，仅当访问模式明显受益时才选择 NoSQL。
分片与复制 垂直分区：将列拆分到不同表（如分离 BLOB 列），减少窄查询 I/O。水平分区（分片）：将行拆分到不同数据库/服务器，单节点无法容纳数据集或吞吐量时需要。分片策略包括 Hash（哈希取模，分布均匀但重新分片成本高）、Range（按日期或 ID 范围，简单且适合时间序列，但最新分片有热点）、Geographic（按用户区域，数据本地化与合规，但跨区域查询困难）。复制模式包括同步（强一致、写延迟较高，用于金融交易）、异步（最终一致、写延迟低，用于读密集 Web 应用）、半同步（至少一个副本确认，一致性与速度平衡）。
关联参考 sql-database-assistant（日常 SQL 编写、优化与调试）、database-schema-designer（ERD 建模、规范化分析与模式生成）、migration-architect（跨数据库引擎或重大模式改造的大规模迁移规划）、senior-backend（连接池、ORM 最佳实践等应用层模式）、senior-devops（数据库集群与副本的基础设施配置）。具体收费与价格信息暂未提供。