【免费下载链接】database-skillsSkills for AI agents working with databases项目地址https://gitcode.com/gh_mirrors/da/database-skills点击查看免费下载N1 查询是 MySQL 应用中最隐蔽的性能杀手1 次查询取回 N 条父记录却要为每条记录再发 N 次查询一次页面请求轻松打出上千条 SQL。Database Skills 是 PlanetScale 开源的 AI Agent 数据库技能库其中的 n-plus-one 参考文档系统覆盖了 N1 的检测、批量合并、JOIN 改造全流程帮你快速修复这类查询隐患。什么是 MySQL 的 N1 查询隐患N1 模式可以概括为一句话先查 N 个父再为每个父查一次子。请求阶段执行的 SQL次数查父记录SELECT * FROM users WHERE status ?1查每条父记录关联的数据SELECT * FROM posts WHERE user_id ?N假设一个用户列表页有 200 个用户一次页面渲染就产生201 次数据库往返。每条 SQL 本身可能只要 1 毫秒但累加上网络往返和连接开销接口延迟会从几十毫秒飙到几秒——这就是典型的单条都快整体很慢。更麻烦的是N1 通常由 ORM 在循环中隐式触发开发者在业务代码里看不到明显的重复查询问题往往拖到流量上来后才被发现。如何检测生产环境中的 N1Database Skills 的检测思路是找出高频重复的简单查询。N1 的签名特征正是同一条简单 SELECT 被执行了上千次参数各不相同。方法一查询performance_schemaMySQL 5.7 默认开启统计执行次数最多的 SQL 指纹SELECT digest_text, count_star, avg_timer_wait FROM performance_schema.events_statements_summary_by_digest ORDER BY count_star DESC LIMIT 20;方法二检查慢查询日志按count排序重点关注频繁重复的简单单行 SELECT。如果某条WHERE id ?形式的查询一天执行了几十万次基本可以锁定 N1 现场。批量合并把 N 条查询合成 1 条修复 N1 最直接的手段是批量合并——把 N 条WHERE id ?合成一条WHERE id IN (...)-- 修改前循环里执行 N 次 SELECT * FROM posts WHERE user_id ?; -- 修改后一次取回所有关联数据 SELECT * FROM posts WHERE user_id IN (1, 2, 3, ..., 500);但要控制批量大小n-plus-one 给出了实用的边界经验1000~5000 个 ID 以内直接用IN (...)通常没问题更大的列表按 500~1000 一批分片执行或写入临时表再 JOINCREATE TEMPORARY TABLE temp_user_ids (id BIGINT PRIMARY KEY); INSERT INTO temp_user_ids VALUES (1), (2), (3); SELECT p.* FROM posts p JOIN temp_user_ids t ON p.user_id t.id;⚠️ 两个容易踩的坑整个 SQL 语句大小受max_allowed_packet默认通常 4MB限制超大 IN 列表会直接报错IN 列表过大时解析和优化开销上升反而拖慢查询。另外注意预编译语句Prepared Statements并不能消除 N1——它只减少重复的解析开销N 条查询依然是 N 条。如何选 JOIN 还是批量子查询拿到批量数据后有两种组织方式Database Skills 的决策原则是优先 JOIN大多数/全部父行都需要关联数据且结果集规模可控时优先批量子查询select-in一对多关系会导致 JOIN 结果行数爆炸行倍增或严重过度取数时。例如订单列表页带用户信息这种一对一场景JOIN 最合适而用户列表带全部文章这种一对多场景批量IN查回来再在内存中分组更稳妥。避免 Eager Loading 的三个陷阱ORM 的预加载是治 N1 的常用药但吃多也会坏肚子。Database Skills 特别提示了三个副作用过度取数Over-fetching预加载会拉取全部关联行除非你加了过滤条件内存压力一次性加载大集合可能撑爆应用内存行倍增基于 JOIN 的预加载会把结果集放大成笛卡尔式膨胀某些 ORM 中 select-in 策略反而更安全。一句话总结预加载要用但要按查询场景精细控制不要全局无脑打开。分页场景下 N1 的二次复发一个极易被忽略的坑N1 经常每一页都复发一次。如果你只在首页做了预加载/批量合并翻页接口里还是逐行循环查询那么性能收益只存在第一页。✅ 正确做法确保分页查询本身也套上了 eager loading 或批量逻辑而不是在取回每行后再查一次的循环里做。快速上手 Database Skills想让 AI 编程助手如 Cursor在写 MySQL 代码时自动识别并规避 N1把 Database Skills 接入即可# skills.sh 安装 npx skills add planetscale/database-skills或在 Cursor 对话框中/add-plugin database-skills它的 mysql 技能 会在你建表、写查询、排查慢查询时自动加载相关参考文档核心工作流是定义工作负载与约束读写比、延迟目标、数据量只读取相关参考文档提出最小改动方案并说明权衡用EXPLAIN、EXPLAIN ANALYZE、锁/连接指标等证据验证生产变更附带回滚方案和上线后验证。仓库目录结构清晰每个技能一个子目录MySQL 技能入口skills/mysql/SKILL.mdN1 检测与修复详解skills/mysql/references/n-plus-one.md查询优化常见坑不可 SARG 化谓词、LIKE %x等skills/mysql/references/query-optimization-pitfalls.md复合索引设计批量IN 排序索引配合skills/mysql/references/composite-indexes.mdEXPLAIN 分析方法skills/mysql/references/explain-analysis.md总结N1 修复清单 把这篇修复清单存下来下次排查可直接对照用performance_schema找到高频重复的简单查询确认 N1 现场用WHERE id IN (...)批量合并单次不超过 1000~5000 个 ID超大 ID 列表分批每批 500~1000或临时表 JOIN一对一关联优先 JOIN一对多优先批量子查询控制预加载范围防止过度取数和内存膨胀分页查询同样应用批量逻辑避免逐页复发用EXPLAIN验证修复后的执行计划N1 不是玄学而是一个可以系统性消灭的模式检测靠执行统计修复靠批量合并与 JOIN而 Database Skills 则把这些最佳实践装进了 AI Agent 的工具箱让每次 MySQL 代码变更都自带性能体检。赞分享【免费下载链接】database-skillsSkills for AI agents working with databases项目地址https://gitcode.com/gh_mirrors/da/database-skills点击查看免费下载相关推荐MobileNetV4 Conv Blur Medium代码解读深入分析PyTorch实现细节MobileNetV4 Conv Blur Medium代码解读深入分析PyTorch实现细节 MobileNetV4 Conv Blur Medium是Go告别N1性能陷阱sql-tap自动N1查询检测与参数调优完整指南告别N1性能陷阱sql tap自动N1查询检测与参数调优完整指南 在真实业务中N1 查询是最隐蔽的性能陷阱一条慢 SQL 背后可能是上千条重复的小查GPGPU-Sim完全指南从零开始搭建专业GPU模拟器的终极教程GPGPU Sim完全指南从零开始搭建专业GPU模拟器的终极教程 GPGPU Sim是一款功能强大的周期级GPU模拟器能够精准模拟当代NVIDIA GPU运科研高性能计算硬件仿真上一篇CANN ops-nn 算子详解InitEmbeddingHashTable 哈希表初始化算子原理与使用指南下一篇firebase-js-sdk 中 LanguageModelExpected 接口详解为 firebase/ai 端侧语言模型声明多模态能力创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考