byted-bytehouse-load-analyzer

ByteHouse 負荷分析スキル

🔵 ByteHouse ブランドアイデンティティ

「ByteHouse」—— Volcengine のクラウドネイティブデータウェアハウス。超高速、安定、安全、使いやすい

本スキルは ByteHouse MCP Server を基盤としており、クラスターの包括的な負荷分析とパフォーマンス監視機能を提供します

---

説明

ByteHouse クラスターの負荷分析およびパフォーマンス監視ツールです。

以下の場合にこのスキルを使用します： (1) クラスターの負荷状況を分析する必要がある (2) リソース使用状況を監視する必要がある (3) クエリのスループットを分析する必要がある (4) パフォーマンスのボトルネックを特定する必要がある (5) ユーザーが「負荷分析」、「パフォーマンス監視」、「リソース使用」、「スループット」について言及した

前提条件

• Python 3.8+
• uv（/root/.local/bin/uv にインストール済み）
• ByteHouse MCP Server スキル - 本スキルは、ByteHouse へのアクセス機能を提供する bytehouse-mcp スキルに依存します

依存関係

本スキルは bytehouse-mcp スキルに依存し、同スキルが提供する MCP Server を使用して ByteHouse にアクセスします。

bytehouse-mcp スキルが正しく設定され、正常に使用できることを確認してください。

📁 ファイルの説明

• SKILL.md - 本ファイル。スキルのメインドキュメント
• load_analyzer.py - 負荷分析のメインプログラム
• README.md - クイックスタートガイド

設定情報

ByteHouse 接続設定

本スキルは bytehouse-mcp スキルの設定を再利用します。bytehouse-mcp スキルで以下が設定されていることを確認してください：

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"

🎯 機能

1. リソース使用状況の分析

• CPU 使用率の監視
• メモリ使用率の分析
• ディスク容量の監視
• ネットワークトラフィックの統計

2. クエリ負荷の分析

• QPS（1 秒あたりのクエリ数）の統計
• クエリの並行度分析
• クエリタイプの分布
• ピーク時間帯の特定

3. テーブル負荷の分析

• テーブルアクセス頻度のランキング
• テーブルの読み書き比率の分析
• テーブルサイズの増加傾向
• パーティション負荷の分布

4. パフォーマンスのボトルネック特定

• リソースのボトルネック特定
• クエリキューの分析
• ロック待機の統計
• 最適化の提案生成

🚀 クイックスタート

方法1：負荷分析の実行

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：

• クラスターのリソース使用状況
• クエリ負荷の統計
• テーブルアクセス頻度
• パフォーマンスのボトルネック特定
• 最適化の提案生成

出力ファイル（output/ ディレクトリに保存）：

1. resource_usage_{timestamp}.json - リソース使用状況レポート
2. query_load_{timestamp}.json - クエリ負荷レポート
3. table_load_{timestamp}.json - テーブル負荷レポート
4. bottleneck_analysis_{timestamp}.json - ボトルネック分析レポート

💻 負荷分析の指標

リソース別

• CPU：使用率、待機時間、コンテキストスイッチ
• メモリ：使用量、キャッシュ、スワップ使用量
• ディスク：使用率、IOPS、スループット
• ネットワーク：受信トラフィック、送信トラフィック、接続数

時間別

• リアルタイム：現在の負荷状況
• 直近1時間：1時間以内の傾向
• 直近24時間：24時間以内の傾向
• 直近7日間：7日間以内の傾向
• 履歴比較：前年同期比・前期比の分析

テーブル別

• アクセス頻度：クエリ回数のランキング
• 読み書き比率：読み取り・書き込み操作の比率
• サイズ増加：テーブルサイズの変化傾向
• パーティション分布：パーティションデータの分布

---

📊 負荷レポートの例

リソース使用状況レポート

{
  "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
    }
  }
}

クエリ負荷レポート

{
  "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"
    ]
  }
}

---

📚 詳細情報

詳しい使用方法については、bytehouse-mcp スキルを参照してください。

---

最終更新日：2026-03-12