huawei-cloud-dws-cpu-diag

华为云 DWS CPU 高使用率诊断技能

概述

此技能专用于 DWS 集群 CPU 高使用率的根因诊断。当集群触发 CPU 使用率过高告警时，它会自动收集指标数据、分析根因（客户侧／系统侧），并输出标准化诊断报告。

架构：KooCLI (hcloud) → DWS Autopilot API → 集群监控指标；MCP Server (dws_autopilot) → 同一 API 的备用通道

适用场景：

• DWS 集群 CPU 使用率过高告警
• CPU 负载异常调查
• 用户主动发起 CPU 诊断请求

典型用例：

• “我的 DWS 集群 CPU 使用率很高，帮我诊断一下”
• “收到 CPU 告警，集群 ID 是 xxx，帮我分析原因”
• “DWS 集群 CPU 满负荷了，看看是什么原因”

重要规则：所有诊断结论都必须来自工具的实际返回结果。禁止编造或假设数值。输出内容只能包含诊断报告；禁止添加修复建议、输出 SQL 优化语句或使用表情符号。

前置条件

1. CLI 要求

• KooCLI (hcloud) >= 3.2.0
• 验证安装：hcloud version
• 如果尚未安装或版本过低，请参阅 CLI 安装指南

2. MCP Server 配置（备用）

• KooCLI 不可用时，使用 MCP Server 作为替代方案
• 请参阅 MCP 安装指南

3. 身份验证配置

• 有效的华为云凭证（AK/SK 模式或 IAM Token）
• 安全规则：
  • 绝不在对话或命令中泄露 AK/SK 值
  • 绝不要求用户在对话中直接输入 AK/SK
  • 仅使用 hcloud configure list 检查凭证状态

4. IAM 权限要求

• dws:clusters:get、dws:clusters:list
• dws:metricData:get、dws:hostOverview:get
• 请参阅 IAM 策略

KooCLI 命令格式规范

命令格式

# Query metric data
hcloud DWS ListMetricsData --cli-region=<region> --cluster_id=<id> --metric_name=<name> --project_id=<pid> --offset=0 --limit=200 --from=<from_ts> --to=<to_ts>

# Query host information
hcloud DWS ListHostOverview --cli-region=<region> --project_id=<pid> --offset=0 --limit=200

工具选择策略

在 KooCLI 和 MCP Server 之间进行选择，并优先使用 KooCLI。步骤 0 检查 hcloud 是否可用：

• hcloud 可用（版本 >= 3.2.0）→ 后续步骤使用 KooCLI 命令行调用
• hcloud 不可用（未安装或版本 < 3.2.0）→ 后续步骤使用 MCP Server 工具调用

备用与终止策略：

• 选择 hcloud 后，如果首次调用返回 NETWORK_ERROR（连接超时、网络不可达等），则自动切换到 MCP Server，并在后续所有步骤中使用 MCP 模式
• 如果 hcloud 返回 NETWORK_ERROR，且 MCP Server 也不可用（未配置或返回身份验证／连接错误），则终止此技能并输出：KooCLI network unavailable and MCP Server connection failed. Please check KooCLI network configuration or DWS Autopilot MCP Server configuration and retry
• 选择 MCP Server 后，如果首次调用返回身份验证错误（例如 401 Unauthorized），则不要切换到 hcloud。直接终止此技能并输出：MCP Server authentication failed. Please check DWS Autopilot MCP Server authentication configuration and retry
• 非 NETWORK_ERROR 的 hcloud 调用失败（例如参数错误、权限不足）不会触发备用切换；请遵循现有重试逻辑

选择工具后，除 NETWORK_ERROR 触发备用切换外，整个过程中都使用该工具，不要切换。如果调用失败，重试一次（最多 2 次）。如果仍然失败，则将该指标标记为“不可用”，并继续下一步。当所有指标查询都失败时，直接生成诊断报告。

参数映射

通用参数	hcloud 参数	MCP 参数
区域	--cli-region	（内置于 MCP 连接）
项目 ID	--project_id	project_id
集群 ID	--cluster_id	cluster_id
指标名称	--metric_name	metric_name
开始时间	--from	from_ts
结束时间	--to	to_ts
分页偏移量	--offset	offset
分页限制	--limit	limit
排序字段	（不支持）	order_by
排序方向	（不支持）	sort_by

MCP 工具

工具名称	用途
dws_autopilot_get_clusters	查询集群列表，获取集群名称、project_id 等信息。
dws_autopilot_get_hosts	查询主机信息
dws_autopilot_get_metric	查询指标数据

可用的 metric_name：CpuStat、business_concurrency、cpu_io_diagnose_detail、node_process_cpu_top20、command_cpu_usage

有关各指标的关键字段和各步骤的查询差异，请参阅指标参考。

分页规范

所有工具调用（MCP 和 hcloud）都必须使用分页查询，以防单次响应过大并超出令牌限制。

分页规则：

• 统一使用 limit=200（不要使用 800 或其他较大的值）
• 第一页使用 offset=0；如果返回的数据条数 = 200，则令 offset+=200 并继续查询
• 重复查询，直到返回的数据条数 < 200，然后合并所有分页数据
• 合并时，将所有页面的数据数组拼接成完整数据集

MCP 调用示例（使用 CpuStat）：

Page 1: dws_autopilot_get_metric(project_id, cluster_id, metric_name="CpuStat", from_ts, to_ts, limit=200, offset=0)
If returned data length = 200:
Page 2: dws_autopilot_get_metric(project_id, cluster_id, metric_name="CpuStat", from_ts, to_ts, limit=200, offset=200)
If returned data length < 200: Stop pagination, merge page 1 + page 2 data

hcloud 调用示例（使用 CpuStat）：

Page 1: hcloud DWS ListMetricsData --cli-region=<region> --cluster_id=<id> --metric_name=CpuStat --project_id=<pid> --offset=0 --limit=200 --from=<from_ts> --to=<to_ts>
If returned data count = 200:
Page 2: hcloud DWS ListMetricsData --cli-region=<region> --cluster_id=<id> --metric_name=CpuStat --project_id=<pid> --offset=200 --limit=200 --from=<from_ts> --to=<to_ts>
If returned data count < 200: Stop pagination, merge data

工作流

诊断前，根据步骤 0-7 制定执行计划，然后按顺序执行。工具选择策略请参阅“KooCLI 命令格式标准”一节；后续步骤不再重复说明。所有 MCP 工具调用均遵循“分页规范”一节；后续步骤不再重复分页细节。

步骤 0：环境检测

执行 hcloud version；版本 >= 3.2.0 时，设置 tool_mode=hcloud，否则设置 tool_mode=mcp。

hcloud 网络可用性探测：如果 tool_mode=hcloud，则执行轻量级 API 调用（例如，hcloud DWS ListClusters --cli-region=<region> --project_id=<project_id> --offset=0 --limit=1）以验证网络连接：

• 返回正常结果或业务错误（例如，权限不足、参数错误）→ 网络可用，保持 tool_mode=hcloud
• 返回 NETWORK_ERROR → 网络不可用，回退到 tool_mode=mcp
• 回退后，如果 MCP 也不可用 → 终止执行，并提示用户检查 KooCLI 网络配置或 MCP 服务配置

步骤 1：查询 CpuStat

调用指标查询，设置 metric_name="CpuStat"，时间范围：from_ts=first_alarm_time - 1200000，to_ts=first_alarm_time。在 MCP 模式下，使用 limit=200 进行分页查询。

自动驾驶不可用的判定：project_id 为空，或返回 50201/RDS.9999 错误 → 跳过步骤 1-5.5，将所有指标标记为“不可用”，直接进入步骤 6。

解析：CPU 使用率 = usr + sys。按 host_id 分组，分别计算每个节点在时间窗口内的 CPU 使用率最大值和平均值。

TOP 节点筛选：按节点平均 CPU 使用率降序排序，选择 TOP 节点：

• 集群节点数 <= 6：选择所有节点
• 集群节点数 > 6：仅选择 TOP 3 个节点

节点范围分类：所有节点 CPU 均较高（高 CPU 节点比例 >= 80%）→ all_nodes；单个节点 CPU 较高 → single_node；部分节点 CPU 较高 → partial_nodes。

负载均衡判定：对于 TOP 节点，比较 CPU 最大值与平均值的差异。如果所有 TOP 节点均满足 |max - avg| / avg < 20%，则为“负载均衡”；后续步骤（步骤 4-5.5）仅需分析 TOP 3 个节点。否则为“负载不均衡”；后续步骤需分析所有高 CPU 节点。

输出：cpu_by_host、max_cpu_hosts（按平均值排序的 TOP 节点列表）、problem_host_id、problem_host_cpu_usage、cpu_scope、high_cpu_nodes、is_balanced、nodes_to_analyze（后续步骤要分析的节点列表）

步骤 2：获取主机名称

调用主机信息查询（MCP 模式下使用 limit=200 进行分页），构建 host_id → {host_name, ip} 映射表。仅查询步骤 1 输出的 nodes_to_analyze 中涉及的节点的主机信息。

输出：host_id_to_info_map、problem_host_ip、node_name

步骤 3：查询业务并发量

调用指标查询，设置 metric_name="business_concurrency"。在 MCP 模式下，使用 limit=200 进行分页查询，直到返回数量 < 200。

输出：max_concurrency、avg_concurrency、is_high_concurrency

步骤 4：查询 CPU 最高节点的诊断详情

调用指标查询，设置 metric_name="cpu_io_diagnose_detail"。不支持按 host_id 筛选；查询整个集群后，再根据步骤 1 输出的 nodes_to_analyze 进行筛选。MCP 模式必须使用 limit=200 进行分页查询（该指标的数据量最大，单页查询 800 条会超出 token 限制），直到返回数量 < 200，然后合并所有分页数据，再进行筛选。

解析：提取活跃查询、用户、持续时间和进程信息。ctime 是采集时间，而非 SQL 开始时间；当 duration_ms 存在时，SQL 开始时间 = ctime - duration_ms。仅统计 state=active 的用户。inst_name 包含 "cn" → CN 实例；包含 "dn" → DN 实例。

注意：cpu_io_diagnose_detail 返回的是扁平行结构（每行一条查询记录），而非嵌套的 active_queries 数组。关键字段：ctime、host_id、inst_name、username、cpu_rate、count、datname、io_read、io_write、query_id、query、duration_ms、state。

输出：single_statement_detected、single_statement_info、high_concurrency_detected、concurrent_stats、inst_type、high_freq_queries、heavy_queries

步骤 5：查询进程 CPU TOP 20

调用指标查询，设置 metric_name="node_process_cpu_top20"。在 MCP 模式下，使用 limit=200 进行分页查询。查询整个集群后，再根据步骤 1 输出的 nodes_to_analyze 进行筛选。注意：此指标可能返回 null；如果返回 null，则标记为“不可用”并跳过。

输出：processes_by_host、top_cpu_process

步骤 5.5：查询命令级 CPU 使用率

调用指标查询，设置 metric_name="command_cpu_usage"。在 MCP 模式下，使用 limit=200 进行分页查询。

数据结构：每行表示一台主机在一个采集时间的一个进程。关键字段：ctime、host_id、command、args（command_detail）、cpu_rate、username。command 字段用于区分进程类型：gaussdb-dn（数据节点主进程）、gaussdb-cn（协调节点主进程）、gaussdb（围栏 UDF 子进程）、python3、java、sh、cm_agent、gs_gtm 等。args 字段包含完整的命令详情（例如，/DWS/manager/app/bin/gaussdb --datanode ...）。username 字段是操作系统用户（例如，Ruby、root），不是数据库用户。

Gaussdb 主进程定义：command 字段为 gaussdb-dn 或 gaussdb-cn → gaussdb 主进程（其 CPU 使用率归因于 SQL 语句和根因，不计入 Top 3 进程）。command 字段为 gaussdb（围栏 UDF 主进程）→ 不是主进程，计入 Top 3 进程。

输出：command_by_host、abnormal_process

步骤 6：分析诊断结果

诊断优先级：先检查范围，再查找原因；优先考虑业务异常；配置和系统问题放在最后。

CPU 类型判定：SysCPU/UserCPU >= 1/2 → SysCPU 高；否则 → UserCPU 高。

用户身份判定：数据库用户（userName）为 omm/Ruby → 系统原因；否则 → 客户侧原因。

异常进程识别：command 包含 safest/AsiaInfo/aliyundun → 杀毒软件；command 不包含 gaussdb/postgres/gtm/cm_agent → 非 gaussdb 进程；command 为 gaussdb（围栏 UDF，不是 gaussdb-dn/gaussdb-cn）→ 子进程异常。

客户侧原因：高并发（多用户/单用户）、单条语句（CPU 占比 > 30%）、数据倾斜/计算倾斜。高并发和单条语句可能同时匹配。

系统原因：系统内部 SQL（VACUUM 等）、异常进程、SysCPU 高。

统计信息：计算以下三类 Top 3：

1. Top 3 语句（来自 cpu_io_diagnose_detail）：按 cpu_rate 降序排列（cpu_rate 已是实例级百分比，直接使用），输出 query_id、username、开始时间、CPU 占比、具体 SQL（最多 1024 个字符）。每行代表一个实例上的一条查询；不要通过除以全局总量重新计算占比。
2. Top 3 数据库用户（来自 cpu_io_diagnose_detail）：按 username 汇总 cpu_rate（仅统计 state=active），输出 username 和占比。此处的 username 是数据库用户，不是操作系统用户。占比 = 用户 cpu_rate 总和 / 所有用户 cpu_rate 总和 × 100%。
3. Top 3 操作系统进程（来自 command_cpu_usage）：按 command 汇总 cpu_rate，排除 gaussdb 主进程（command 为 gaussdb-dn 或 gaussdb-cn）；其余进程按 cpu_rate 降序排列，取 Top 3。注意：gaussdb（围栏 UDF）不是主进程，应计入统计。command_cpu_usage 中的 username 字段是操作系统用户，与数据库用户不同；不要混淆。占比 = 进程 cpu_rate 总和 / 所有非主进程 cpu_rate 总和 × 100%。

步骤 7：生成诊断报告

按照“输出格式”部分中的模板生成 HTML 报告。生成报告后，将 HTML 文件保存到当前工作目录（工作区根文件夹），文件名为 dws_cpu_diagnosis_report_{timestamp}.html，其中 {timestamp} 为当前机器本地时间，格式为 yyyyMMdd_HHmmss（例如，dws_cpu_diagnosis_report_20260623_150421.html）。

核心命令

查询集群列表

# hcloud
hcloud DWS ListClusters --cli-region=<region> --project_id=<pid> --offset=0 --limit=200
# MCP
dws_autopilot_get_clusters(project_id=<pid>)

查询主机信息

# hcloud
hcloud DWS ListHostOverview --cli-region=<region> --project_id=<pid> --offset=0 --limit=200
# MCP
dws_autopilot_get_hosts(project_id=<pid>, cluster_id=<cid>, limit=200, offset=0)

查询指标数据（通用格式）

# hcloud
hcloud DWS ListMetricsData --cli-region=<region> --cluster_id=<cid> --metric_name=<name> --project_id=<pid> --offset=0 --limit=200 --from=<from_ts> --to=<to_ts>
# MCP
dws_autopilot_get_metric(project_id=<pid>, cluster_id=<cid>, metric_name=<name>, from_ts=<from>, to_ts=<to>, limit=200, offset=0, order_by="ctime", sort_by="desc")

参数确认

参数	必填/可选	描述	默认值
alarm_serial_number	必填	告警序列号	N/A
project_id	必填	项目 ID	N/A
cluster_id	必填	集群 ID	N/A
first_alarm_time	必填	首次告警时间（毫秒时间戳）	N/A
alarm_name	必填	告警名称	N/A
region_id	可选	区域标识符	N/A
node_name	可选	告警节点名称	空（集群级告警）
cluster_name	可选	集群名称	使用 cluster_id
alarm_severity	可选	告警严重程度	N/A

输出格式

注意：严格按照以下模板输出并返回。不要分析或总结模板内容，不要省略任何部分，也不要修改模板结构。输出必须与模板一致。

<!DOCTYPE html>
<html lang="zh-CN">
<head>
<meta charset="UTF-8">
<style>
  body { font-family: "Microsoft YaHei", "PingFang SC", sans-serif; margin: 20px; background: #f5f7fa; color: #1d2129; }
  .report { max-width: 960px; margin: 0 auto; background: #fff; border-radius: 8px; box-shadow: 0 2px 12px rgba(0,0,0,0.08); overflow: hidden; }
  .header { background: linear-gradient(135deg, #165dff, #0fc6c2); color: #fff; padding: 24px 32px; }
  .header h1 { margin: 0; font-size: 22px; letter-spacing: 1px; }
  .header .subtitle { margin-top: 4px; font-size: 13px; opacity: 0.85; }
  .section { padding: 20px 32px; border-bottom: 1px solid #e5e6eb; }
  .section:last-child { border-bottom: none; }
  .section-title { font-size: 16px; font-weight: 600; color: #165dff; margin: 0 0 12px 0; padding-left: 10px; border-left: 3px solid #165dff; }
  .info-grid { display: grid; grid-template-columns: 120px 1fr; row-gap: 8px; }
  .info-key { color: #86909c; font-size: 14px; text-align: right; padding-right: 12px; }
  .info-val { color: #1d2129; font-size: 14px; font-weight: 500; word-break: break-all; }
  .conclusion-item { padding: 8px 12px; margin-bottom: 6px; background: #fff7e8; border-left: 3px solid #ff7d00; border-radius: 0 4px 4px 0; font-size: 14px; }
  .conclusion-item.normal { background: #e8ffea; border-left-color: #00b42a; }
  .locate-block { margin: 6px 0 6px 16px; padding: 10px 14px; background: #f7f8fa; border-radius: 4px; font-size: 13px; }
  .locate-block .loc-row { display: flex; margin-bottom: 4px; }
  .locate-block .loc-key { width: 80px; color: #86909c; flex-shrink: 0; }
  .locate-block .loc-val { color: #1d2129; word-break: break-all; }
  table { width: 100%; border-collapse: collapse; font-size: 14px; }
  th { background: #f2f3f5; color: #4e5969; font-weight: 600; text-align: left; padding: 10px 12px; border-bottom: 2px solid #e5e6eb; }
  td { padding: 10px 12px; border-bottom: 1px solid #f2f3f5; vertical-align: top; }
  tr:hover td { background: #f7f8fa; }
  .sql-text { font-family: "Cascadia Code", "Fira Code", "Consolas", monospace; font-size: 12px; color: #4e5969; max-width: 500px; word-break: break-all; white-space: pre-wrap; }
  .pct-bar { display: inline-block; height: 16px; border-radius: 2px; background: linear-gradient(90deg, #165dff, #0fc6c2); vertical-align: middle; }
  .pct-val { margin-left: 6px; font-weight: 600; color: #165dff; }
  .tag { display: inline-block; padding: 2px 8px; border-radius: 3px; font-size: 12px; font-weight: 500; }
  .tag-warn { background: #fff7e8; color: #ff7d00; }
  .tag-danger { background: #ffece8; color: #cb2634; }
  .tag-info { background: #e8f3ff; color: #165dff; }
</style>
</head>
<body>
<div class="report">

  <div class="header">
    <h1>DWS 集群 CPU 诊断报告</h1>
    <div class="subtitle">{region_id} | {resource_name}</div>
  </div>

  <div class="section">
    <div class="section-title">基本信息</div>
    <div class="info-grid">
      <span class="info-key">所属服务</span><span class="info-val">DWS</span>
      <span class="info-key">所属区域</span><span class="info-val">{region_id}</span>
      <span class="info-key">集群名称</span><span class="info-val">{resource_name}</span>
      <span class="info-key">集群ID</span><span class="info-val">{resource_id}</span>
      <span class="info-key">TOP节点</span><span class="info-val">{node_name}</span>
    </div>
  </div>

  <div class="section">
    <div class="section-title">诊断结论</div>
    {diagnosis_summary}
  </div>

  <div class="section">
    <div class="section-title">CPU贡献 Top3 语句</div>
    <table>
      <tr><th style="width:40px">#</th><th style="width:180px">QueryID</th><th style="width:80px">用户</th><th style="width:80px">CPU占比</th><th style="width:160px">时间</th><th>SQL</th></tr>
      <tr><td>1</td><td>{query_id}</td><td>{username}</td><td>{pct}%</td><td>{start_time_beijing}</td><td class="sql-text">{query_text}</td></tr>
      <tr><td>2</td><td>{query_id}</td><td>{username}</td><td>{pct}%</td><td>{start_time_beijing}</td><td class="sql-text">{query_text}</td></tr>
      <tr><td>3</td><td>{query_id}</td><td>{username}</td><td>{pct}%</td><td>{start_time_beijing}</td><td class="sql-text">{query_text}</td></tr>
    </table>
  </div>

  <div class="section">
    <div class="section-title">CPU贡献 Top3 用户</div>
    <table>
      <tr><th style="width:40px">#</th><th>用户名</th><th style="width:260px">CPU占比</th></tr>
      <tr><td>1</td><td>{user1}</td><td><span class="pct-bar" style="width:{bar1}px"></span><span class="pct-val">{pct1}%</span></td></tr>
      <tr><td>2</td><td>{user2}</td><td><span class="pct-bar" style="width:{bar2}px"></span><span class="pct-val">{pct2}%</span></td></tr>
      <tr><td>3</td><td>{user3}</td><td><span class="pct-bar" style="width:{bar3}px"></span><span class="pct-val">{pct3}%</span></td></tr>
    </table>
  </div>

  <div class="section">
    <div class="section-title">CPU贡献 Top3 进程（不含gaussdb主进程）</div>
    <table>
      <tr><th style="width:40px">#</th><th>进程名</th><th style="width:260px">CPU占比</th></tr>
      <tr><td>1</td><td>{process1}</td><td><span class="pct-bar" style="width:{bar1}px"></span><span class="pct-val">{pct1}%</span></td></tr>
      <tr><td>2</td><td>{process2}</td><td><span class="pct-bar" style="width:{bar2}px"></span><span class="pct-val">{pct2}%</span></td></tr>
      <tr><td>3</td><td>{process3}</td><td><span class="pct-bar" style="width:{bar3}px"></span><span class="pct-val">{pct3}%</span></td></tr>
    </table>
  </div>

</div>
</body>
</html>

diagnosis_summary 填写规则：

• 如果所有指标均正常 → 输出 <div class="conclusion-item normal">诊断暂未发现异常</div>
• 否则，每个异常输出一个 <div class="conclusion-item">，内容格式为：<anomaly_type>: <factual_description>
• 如果确定了具体 SQL，在异常项 div 后追加一个位置子块：

  <div class="conclusion-item"><anomaly_type>: <factual_description></div>
  <div class="locate-block">
    <div class="loc-row"><span class="loc-key">SQL摘要</span><span class="loc-val">{specific_sql} (max 50 characters)</span></div>
    <div class="loc-row"><span class="loc-key">QueryID</span><span class="loc-val">{query_id}</span></div>
    <div class="loc-row"><span class="loc-key">用户名</span><span class="loc-val">{username}</span></div>
    <div class="loc-row"><span class="loc-key">启动时间</span><span class="loc-val">{start_time_beijing}</span></div>
  </div>
  

• 高并发和单条语句可以作为独立异常项同时出现
• 异常项可使用标签提升可读性：系统原因使用 <span class="tag tag-warn">系统</span>，客户端原因使用 <span class="tag tag-danger">客户侧</span>，高并发使用 <span class="tag tag-info">高并发</span>

Top 3 语句填写规则：

• 数据来源：cpu_io_diagnose_detail 中按 cpu_rate 降序排列的前 3 条语句
• cpu_rate 已是实例级百分比（例如，76.5% 表示此查询在该实例上使用了 76.5% 的 CPU）。直接使用 cpu_rate 值作为 CPU 占比；不要除以全局总量或节点总量重新计算
• cpu_io_diagnose_detail 中的每一行代表一个实例上的一次查询执行；排序选取前 3 条时，每行应独立处理
• QueryID：取自 query_id 字段；多条相似 SQL 以逗号分隔，并附带数量标注（例如，“73183494456652581等4条”）
• Username：取自 username 字段
• 时间：存在 duration_ms 时，使用 ctime - duration_ms 换算为北京时间，列标题显示“启动时间”；不存在 duration_ms 时，使用 ctime 换算为北京时间，列标题显示“采集时间”
• CPU 占比：直接使用 cpu_rate 字段值（已是百分比），保留 1 位小数（例如，76.5%）
• SQL：取自 query 字段，最多显示 1024 个字符；超出时以 "..." 截断
• gaussdb 主进程不作为独立语句列出；其 CPU 开销合并到对应的根因描述中
• 如果没有语句数据（例如，cpu_io_diagnose_detail 为空），则在表格中填写“无法获取”

Top 3 用户填写规则：

• 数据来源：按 username 聚合 cpu_io_diagnose_detail 中的 cpu_rate
• 此处的 username 是数据库用户，不是 OS 用户。不要使用 command_cpu_usage 中的 username 字段
• 只统计 state=active 的数据库用户
• 占比 = 用户的 cpu_rate 总和 / 所有用户的 cpu_rate 总和 × 100%
• 如果数据点少于 3 个，则列出实际数量
• pct-bar 宽度计算：width = Math.round(ratio / max_ratio * 200)，其中 max_ratio 是排名第一的用户占比 Top 3 进程填充规则：
• 数据来源：从 command_cpu_usage 中按命令聚合的 cpu_rate
• command_cpu_usage 中的 username 字段表示 OS 用户，与 cpu_io_diagnose_detail 中的数据库用户不同；不要混淆两者
• 排除 Gaussdb 主进程：排除 command 为 gaussdb-dn 或 gaussdb-cn 的行（它们的 CPU 使用率归入 SQL 语句和根因）。不要排除 gaussdb（fenced UDF 主进程）——它是子进程，应纳入 Top 3
• 将其余进程按 cpu_rate 降序排列，取 Top 3
• 占比 = 进程的 cpu_rate 总和 / 所有非主进程的 cpu_rate 总和 × 100%
• 进程显示名称：直接使用 command 字段值（例如 gaussdb、python3、java、sh、cm_agent、gs_gtm）。同一 command 下的多个条目即使 args 不同，也会聚合到同一个命令名称下
• 如果 node_process_cpu_top20 返回 null，且 command_cpu_usage 也为空，则在表格中填入“无法获取”
• pct-bar 宽度的计算方式与 Top 3 用户相同

通用填充规则：集群名称优先使用 cluster_name；如果为空，则使用 cluster_id；node_name 为空时，填入“集群级告警”；Gaussdb 主进程（command 为 gaussdb-dn 或 gaussdb-cn）的 CPU 使用率合并到相应的根因描述中；Gaussdb fenced UDF（command 为 gaussdb）不是主进程，应出现在 Top 3 进程中；多条相似 SQL 描述为“N条同类xxx查询”；所有时间均使用北京时间；超过 50 个字符的语句摘要截断并添加 "..."；输出为可直接在浏览器中呈现的完整 HTML 文档；SQL 文本中的 < > & 必须转义为 < > &。

最佳实践

1. 时间戳处理：first_alarm_time 已经是毫秒时间戳；直接将其用于工具参数。不要先转换为时间字符串，再转换回时间戳（以避免 8 小时偏差）
2. 工具选择：在 KooCLI 和 MCP 之间选择，优先使用 KooCLI；一旦选定，就始终使用该方法
3. 分页查询：所有工具调用统一使用 limit=200 分页，直到返回数量 < 200，然后合并所有分页数据。cpu_io_diagnose_detail 的数据量最大；必须分页
4. 报告时间：所有时间戳都必须转换为北京时间（UTC+8）。可以使用 python -c "from datetime import datetime,timezone,timedelta; print(datetime.fromtimestamp({ms}/1000,tz=timezone(timedelta(hours=8))).strftime('%Y-%m-%d %H:%M:%S'))"
5. SQL 显示：Top 3 语句最多显示 1024 个字符的具体 SQL；超出时截断并添加 "..."；diagnosis_summary 中的 SQL 摘要最多 50 个字符
6. 节点筛选优化：在步骤 1 解析 CpuStat 时，分别计算每个节点的 CPU 使用率最大值和平均值；当集群节点数 > 6 时，仅关注 TOP 3 节点；如果 TOP 节点的最大值与平均值之差 < 20%，则后续步骤仅分析 TOP 3，否则分析所有高 CPU 节点

参考资料

文档	描述
CLI 安装指南	KooCLI 安装和配置
MCP 安装指南	DWS Autopilot MCP Server 安装和配置
IAM 策略	所需权限和策略 JSON
指标参考	指标键字段和查询差异

注意事项

• 安全性：绝不要在对话或命令中暴露 AK/SK 值；绝不要要求用户直接在对话中输入 AK/SK
• 时间协议：from_ts/to_ts 必须使用毫秒时间戳；报告显示北京时间；将北京时间转换为时间戳时，必须添加 +08:00 时区后缀；不要在脑中计算时间戳值；不要先将现有的毫秒时间戳转换为时间字符串，再将其转换回来
• 输出约束：严格按照“输出格式”部分的模板输出诊断报告；不要修改模板结构，不要遗漏任何部分，不要添加修复建议，不要输出 SQL 优化语句，不要使用表情符号，不要使用自定义格式标签
• 数据真实性：所有诊断结论都必须来自工具的实际返回结果；工具返回为空或调用失败时，标记为“无法获取”；禁止编造值
• 已知限制：hcloud 不支持 --order_by 和 --sort_by 参数；查询后在本地按 ctime 降序排序；cpu_io_diagnose_detail 不支持按 host_id 过滤；查询整个集群后在本地过滤；cpu_io_diagnose_detail 返回扁平行结构（每行对应一条查询），而不是嵌套的 active_queries 数组；node_process_cpu_top20 可能返回 null；command_cpu_usage 的 command 字段用于区分 gaussdb-dn/gaussdb-cn（主进程，排除在 Top 3 之外）和 gaussdb（隔离的 UDF，纳入统计）