LLMBase

Agent skill

byted-bytehouse-load-analyzer

Quellcode ansehen: bytedance/agentkit-samples

#129Globales Ranking · von 129 SkillsCritical

Installation

npx skills add bytedance/agentkit-samples --skill byted-bytehouse-load-analyzer

44

Installationen

EU-hosted inference API

Power your AI agent skills with open-source models.

Drop-in OpenAI-compatible API. No data leaves Europe.

Explore Inference API

MiniMax

MiniMax M3

$0.40 / $1.40

per M tokens

Z.ai

GLM 5.3 Flash

$0.20 / $0.60

per M tokens

MoonshotAI

Kimi K3

$4.00 / $18.00

per M tokens

DeepSeek

DeepSeek V4.1 Flash

$0.40 / $1.40

per M tokens

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

Verwandte Skills

Mehr aus dieser Quelle: bytedance/agentkit-samples

byted-web-search

bytedance/agentkit-samples

610 installs

byted-seedream-image-generate

bytedance/agentkit-samples

298 installs

byted-las-video-edit

bytedance/agentkit-samples

208 installs

byted-seedance-video-generate

bytedance/agentkit-samples

180 installs

byted-text-to-speech

bytedance/agentkit-samples

176 installs

byted-las-pdf-parse-doubao

bytedance/agentkit-samples

164 installs

Browse all skills →

So verwenden Sie diesen Skill

  1. 1

    Install byted-bytehouse-load-analyzer by running npx skills add bytedance/agentkit-samples --skill byted-bytehouse-load-analyzer in your project directory. Führen Sie den obigen Installationsbefehl in Ihrem Projektverzeichnis aus. Die Skill-Datei wird von GitHub heruntergeladen und in Ihrem Projekt platziert.

  2. 2

    Keine Konfiguration erforderlich. Ihr KI-Agent (Claude Code, Cursor, Windsurf usw.) erkennt installierte Skills automatisch und nutzt sie als Kontext bei der Code-Generierung.

  3. 3

    Der Skill verbessert das Verständnis Ihres Agenten für byted-bytehouse-load-analyzer, und hilft ihm, etablierte Muster zu befolgen, häufige Fehler zu vermeiden und produktionsreifen Code zu erzeugen.

Was Sie erhalten

Skills sind Klartext-Anweisungsdateien — kein ausführbarer Code. Sie kodieren Expertenwissen über Frameworks, Sprachen oder Tools, das Ihr KI-Agent liest, um seine Ausgabe zu verbessern. Das bedeutet null Laufzeit-Overhead, keine Abhängigkeitskonflikte und volle Transparenz: Sie können jede Anweisung vor der Installation lesen und prüfen.

Kompatibilität

Dieser Skill funktioniert mit jedem KI-Coding-Agenten, der das skills.sh-Format unterstützt, einschließlich Claude Code (Anthropic), Cursor, Windsurf, Cline, Aider und anderen Tools, die projektbezogene Kontextdateien lesen. Skills sind auf Transportebene framework-agnostisch — der Inhalt bestimmt, für welche Sprache oder welches Framework er gilt.

Data sourced from the skills.sh registry and GitHub. Install counts and security audits are updated regularly.