PostgreSQL数据库分析与优化套件

Postgres MCP Pro Plus

Advanced PostgreSQL Database Analysis & Optimization Suite
Extended version based on crystaldba/postgres-mcp

🚀 主要特点

• 🔍 综合数据库分析：深入了解模式结构、关系和性能
• ⚡ AI驱动的优化：使用数据库优化顾问（DTA）和LLM方法的智能索引建议
• 🩺 高级健康监测：通过预测分析进行多维健康检查
• 🔒 锁定与阻塞分析：查询阻塞和死锁的实时检测和解决
• 🧹 智能维护：具有膨胀检测和维护计划的自动真空分析
• 📊 性能智能：使用资源使用优化进行查询性能分析
• 🔐 安全评估：全面的安全分析和建议
• 🐳 Docker就绪：支持Docker Compose的容器化部署

📋 可用工具

核心数据库操作

性能与优化

健康与监测

高级分析

🔧 工具详细信息和功能

🔍 数据库概述分析

企业级综合数据库评估

这 get_database_overview 该工具提供多维分析：

• 📊 模式分析：具有表关系和依赖关系映射的完整结构
• ⚡ 性能指标：查询性能、索引效率和资源利用模式
• 🔐 证券分析：用户权限、角色分配和安全配置评估
• 💾 存储分析：表大小、索引膨胀检测和磁盘使用优化
• 🩺 健康指标：连接健康、真空统计和系统性能指标

配置选项：

• max_tables （默认值：500）：用于性能控制的每个架构要分析的最大表数
• sampling_mode （默认值：true）：对大型数据集进行统计采样，以优化执行时间
• timeout （默认值：300）：具有优雅超时处理的最大执行时间

🔒 高级阻塞查询分析

实时锁争用检测和解决

这 get_blocking_queries 该工具具有企业级功能：

🎯 核心特点：

• 现代检测：使用PostgreSQL的 pg_blocking_pids() 精确阻塞识别功能
• 锁层次可视化：完整的区块链和流程关系
• 综合指标：流程详细信息、等待事件、时间、锁类型和受影响的关系
• 智能推荐：基于严重性的建议，并提供具体的优化指导
• 生产就绪：专为企业数据库监控和性能故障排除而设计

📋 分析输出：

• 流程信息：PID、用户、应用程序名称、客户端地址和连接详细信息
• 查询上下文：完整查询文本、执行时间和资源消耗
• 锁详细信息：锁类型、模式、受影响的数据库对象和等待事件
• 状态分析：进程状态、等待信息和阻塞持续时间
• 趋势分析：统计摘要和模式识别
• 分类建议: 🚨 关键，⚠️ 警告，💡 优化，🎯 热点警报

🔧 PostgreSQL兼容性：

• 最小：PostgreSQL 9.6+（需要 pg_blocking_pids() 功能）
• 推荐PostgreSQL 12+（增强锁监控功能）
• 最优：PostgreSQL 14+（包括 pg_locks.waitstart 用于精确的等待时间）

🧹 真空分析与维护

具有膨胀检测功能的全面维护计划

这 analyze_vacuum_requirements 该工具提供：

• 📈 Bloat分析：表和索引膨胀检测及严重程度评估
• ⚙️ 自动真空配置：设置分析和优化建议
• 📊 性能影响：真空运行性能分析和瓶颈识别
• 🗓️ 维护计划：基于工作负载模式的智能调度建议
• 🚨 关键问题检测：维护相关问题的即时关注警报
• ⚡ 配置优化：真空参数的调整建议

🗺️ 模式关系分析

高级依赖关系映射和可视化

这 analyze_schema_relationships 该工具提供：

• 🔗 依赖关系映射：完成模式间关系可视化
• 📊 耦合分析：模式耦合度量和隔离评分
• 🎯 影响评估：模式修改的变更影响分析
• 📈 关系质量：外键关系质量和一致性评分
• 🔍 模式检测：常见的反模式和架构建议

⚡ 指数优化智能

基于人工智能的索引推荐，采用先进算法

数据库优化顾问（DTA）功能：

• 🧠 Pareto最优：平衡性能和存储的多目标优化
• 📊 工作量分析：从pg_stat_statements数据中进行模式识别
• 💰 成本效益分析：存储预算限制与性能影响评估
• 🎯 查询特定调优：针对特定查询集进行有针对性的优化
• ⏱️ 有时限分析：具有可配置运行时间限制的任何时间算法

LLM驱动优化：

• 🤖 智能分析：查询模式的自然语言理解
• 📝 背景建议：人类可读的解释和实施指南
• 🔍 高级模式识别：复杂查询模式检测和优化

🚀 快速开始

先决条件

• PostgreSQL 9.6+（PostgreSQL 12+推荐，14+最优）
• Python 3.8+
• 可选：用于假设指数分析的HypoPG扩展

安装和设置

1.环境配置

创建一个 .env 项目根目录中的文件：

DATABASE_URI=postgresql://username:password@localhost:5432/database_name

2.本地部署

# Start the MCP server (default: stdio transport, unrestricted mode)
./start.sh

# Start in read-only mode for safer analysis
./start.sh --access-mode restricted

# Start with SSE transport for web integration
./start.sh --transport sse --sse-port 8099

# Start SSE server accessible externally
./start.sh --transport sse --sse-host 0.0.0.0 --sse-port 8099

# Show all available options
./start.sh --help

3.Docker部署

# Start with Docker Compose
docker-compose up -d

# View logs
docker-compose logs -f postgres-mcp

4.交互式测试（MCP检查器）

# Terminal 1: Start the MCP server with SSE transport
./start.sh --transport sse --sse-port 8099

# Terminal 2: Start the MCP Inspector (opens web interface)
./start-inspector.sh

MCP检查员提供：

• 交互式工具测试：使用web UI测试所有数据库分析工具
• 参数探索：发现工具功能和配置选项
• 实时结果：在用户友好的界面中查看格式化的分析结果
• 文档：内置工具文档和使用示例

🔧 访问模式

无限制模式 （默认）：

• 完整的SQL执行能力
• 数据库修改操作
• 完全的管理权限

受限模式 （建议分析）：

• 带有安全控制的只读操作
• SQL注入保护
• 超时强制（默认30秒）
• 安全生产分析

📊 使用示例

基本服务器操作

# Show help and configuration options
./start.sh --help

# Start with default settings (stdio, unrestricted)
./start.sh

# Start in production-safe mode
./start.sh --access-mode restricted

# Start web server for HTTP/SSE integration
./start.sh --transport sse --sse-port 8099

健康检查示例

# Comprehensive health analysis (via MCP client)
analyze_db_health --health-type all

# Specific component checks
analyze_db_health --health-type index,vacuum,buffer

# Performance optimization workflow
get_top_queries --sort-by resources
analyze_workload_indexes --method dta --max-index-size-mb 1000
get_blocking_queries

🏗️ 架构和组件

核心架构

postgres-mcp/
├── 🔧 server.py              # MCP server & tool registration
├── 📊 database_health/       # Multi-dimensional health monitoring
├── ⚡ explain/               # Query execution plan analysis
├── 🎯 index/                 # AI-powered index optimization
├── 📈 top_queries/           # Performance query analysis
├── 🔒 blocking_queries.py    # Lock contention analysis
├── 🔍 database_overview.py   # Comprehensive assessment
├── 🗺️ schema_mapping.py      # Relationship visualization
├── 🧹 vacuum_analysis.py     # Maintenance optimization
└── 🛡️ sql/                   # SQL execution framework

数据库健康组件

• 健康指数：无效、重复、臃肿和未使用的索引检测
• 连接健康状况：连接利用率和容量分析
• 真空健康：事务包装和维护监控
• 序列健康：序列耗尽和溢出保护
• 复制运行状况：滞后监控和时隙管理
• 缓冲区运行状况：表和索引的缓存命中率优化
• 约束健康：无效的约束检测和补救

🤖 AI集成功能

数据库优化顾问（DTA）：

• 帕累托最优指标选择算法
• 多查询工作负载优化
• 预算受限的推荐引擎
• 采用任何时间方法的有时限分析

LLM动力分析：

• 自然语言查询模式理解
• 上下文优化建议
• 人类可读的解释和指导
• 先进的模式识别能力

📈 最近的增强功能

最新功能（最近提交）

• ✅ 综合工具分析：附有改进建议的详细分析文件
• ✅ 增强可读性：简化了所有模块的代码格式
• ✅ 稳健的错误处理：改进了真空分析中的无值处理
• ✅ 高级可视化：增强阻塞查询分析，并提供详细建议
• ✅ 人类可读输出：重构分析工具，以更好地呈现文本
• ✅ 模式关系映射：新的模式依赖关系分析和可视化
• ✅ Docker集成：完全容器化，支持Docker Compose
• ✅ 真空分析工具：全面的维护建议和膨胀检测

架构改进

• 模块化设计：增强了组件分离和可重用性
• 异步优化：通过更好的异步模式提高了性能
• 安全框架：全面的SQL执行安全控制
• 错误恢复：强大的错误处理和优雅的降级
• 性能扩展：针对大型数据库分析进行了优化
• 增强的启动脚本：配置灵活，具有全面的验证和帮助系统

📚 文档与开发

高级文档

• 数据库工具分析：对所有工具进行全面分析，并提出改进建议
• 工具改进路线图：基于优先级的增强路线图 （如果可用）
• 技术实现：详细的代码文档和API参考资料

扩展点

• 自定义健康检查：添加特定于域的运行状况监视
• 插件架构：使用自定义分析工具进行扩展
• 集成API：与外部监控系统连接
• 自定义可视化：添加专门的报告和仪表板

🔒 安全与最佳实践

安全功能

• SQL注入保护：全面的输入净化
• 访问模式控制：受限/非受限操作模式
• 超时强制：可配置的查询超时保护
• 参数验证：强大的输入验证和净化
• 错误处理：安全的错误报告，无信息泄露

生产指南

• 使用 限制模式 用于生产分析
• 配置适当 超时值 用于大型操作
• 监视器 资源使用情况 在分析操作期间
• 实施 定期健康检查 用于主动监控
• 审查 安全配置 定期更新用户权限

📄 许可证

MIT许可证

🚀 Postgres MCP Pro Plus - Advanced Database Intelligence
Empowering database professionals with AI-driven insights and optimization