高级特性

这一篇集中介绍 SkylerX 给**重度使用者(DBA / 数据工程师 / 后端开发)**准备的进阶能力。这些功能藏在右键菜单、⌘K 命令面板或工具栏更下层,日常 SELECT 大概率用不到,但碰到下面这些场景会非常省时:

想看执行计划是否走索引、哪个节点最慢
想根据历史 SQL 反推该建什么索引
想看一张表的列分布 / NULL 比例 / 类型是否选大了
想清掉重复行 / 给历史数据回填默认值 / 从软删里恢复
想在整个库里搜一个值出现在哪些表
想可视化拖拽建查询而不是手写 SQL
想管 Doris/StarRocks 的分区 / ClickHouse 的 part / MySQL binlog / PG 扩展
想把一个 Oracle 库整体迁去达梦(DM)

下面按照"看 → 改 → 搜 → 建 → 迁"的顺序展开。

1. EXPLAIN 可视化 — PlanPanel

写 SQL 的人都看过 EXPLAIN,但裸文本不直观。SkylerX 在 QueryPane 旁边挂一个 Plan 面板,把 EXPLAIN 输出渲染成树 + 摘要。

触发方式

入口	行为
QueryPane 工具栏 `📊 Plan`	EXPLAIN 当前 SQL(不真正执行)
`⌘⇧E` / Ctrl+Shift+E	同上
`📊 Plan` 旁的 `▶ Analyze`	EXPLAIN ANALYZE(真的执行,DML 慎用)

底层走 plan.ts → planQuery(dialect, sql, { analyze }):

方言	生成的语句
PostgreSQL / Kingbase	`EXPLAIN (FORMAT JSON) <sql>` / `EXPLAIN (ANALYZE, BUFFERS, FORMAT JSON) <sql>`
MySQL / MariaDB / OceanBase	`EXPLAIN FORMAT=TREE <sql>` / `EXPLAIN ANALYZE <sql>`(MySQL 8.0.18+)
其他方言	回退表格 EXPLAIN(plain pre 渲染)

节点树渲染

PG 的 JSON Plan 用 parsePgPlan 解出 PlanNode 树,然后用 flattenPlan 压平成 {node, depth} 列表渲染。每个节点显示:

标签:Seq Scan / Index Scan / Hash Join …
细节:on users / using users_pk / inner join
成本条:水平条宽度 = cost / maxCost * 60px,绿到红渐变
数字:cost 1234.56 · est 1000 · act 1234 · 12.3ms(act / ms 仅 ANALYZE 时有)

慢算子着色

PlanPanel 自动把"贵的 1/3 节点"标红:

function isSlow(node) {
  return node.cost >= maxCost.value * 0.33 && maxCost.value > 0
}

红色背景 + 红色标签,眼睛立刻能看到要优化哪里,不用一个个比成本数字。

预估 vs 实际偏差

estimateSkew(node) 计算 max(est, act) / min(est, act)。≥ 10× 视为优化器统计过时(典型信号),节点左侧加黄色边条 + 节点末尾追加 ⚠ 24× 徽章。摘要条里也会单独点出"偏差最严重的节点":

let skewWorst = null
for (const r of arr) {
  const sk = estimateSkew(r.node)
  if (sk == null) continue
  if (!skewWorst || sk > skewWorst.skew) skewWorst = { node: r.node, skew: sk }
}

看到这个徽章一般就该 ANALYZE table 或 pg_statistic refresh 了。

摘要条

面板顶部展示:

字段	含义
`Total Cost`	最重节点的 cost(根节点累计)
`Actual ms`	EXPLAIN ANALYZE 时各节点实际耗时累加
`Heaviest`	成本最高的节点名
`Skew`	估算 vs 实际偏差最严重的节点 + 倍数

2. 索引推荐 — IndexRecommender

⌘K → 索引推荐 或 NavTree 库节点右键 🔧 推荐索引。

输入与输出

输入	来源
历史 SQL 模式	`client.connections.history(connId, 1000)` 最近 1000 条
已存在索引	MySQL `information_schema.STATISTICS` / PG `pg_index + pg_class`

输出:IndexHint[],每条带表名、列名、综合分、推断原因、可直接执行的 CREATE INDEX DDL。

推断算法(`index-recommender.ts`)

不引 SQL parser(开销大且方言差异多),用正则启发抽 WHERE / JOIN / ORDER BY / GROUP BY:

聚合历史:相同 SQL 文本合一行,累加 count + totalMs
过滤:只保留 SELECT / WITH 类语句,跳过 DML/DDL
解析别名:parseTableAliases(sql) 从 FROM/JOIN 后抽 tbl [AS] alias 进 Map
扫四类子句,每个命中按基础分加权:

子句	基础分	说明
`WHERE col = ?` / `LIKE` / `IN` / `IS NULL` / `BETWEEN`	5	强信号
`JOIN ON a.col = b.col`	3	两侧列都加分
`ORDER BY col`	2	排序需要有序索引
`GROUP BY col`	2	分组同上

时间权重:每条 SQL count × min(perMs/avgMs, MAX_TIME_MULTIPLIER=5),避免一两条慢 SQL 把整张表淹没
多表 SQL 必须带别名才认裸列;单表 SQL 才允许裸列名
过滤已有索引:isCovered(table, cols, known) 按"已存在索引前缀完全包含建议列"判断,命中则跳过
复合建议:每张表前 3 个高分列两两配对,生成双列复合索引建议

DDL 生成

function buildDdl(table, columns, dialect) {
  const idxName = `idx_${sanitize(table)}_${cols.map(sanitize).join('_')}`.slice(0, 60)
  return `CREATE INDEX ${quoteIdent(idxName)} ON ${quoteIdent(table)}(${cols.map(quoteIdent).join(', ')});`
}

MySQL 用反引号 `\,PG 用双引号 "。

UI 流程

弹窗打开自动 run():扫描 → 列出候选(按 scoreEstimate 降序)。每行:

[采用] 按钮 → emit('runSql', h.ddl) 把 DDL 抛给 QueryPane(用户审完点执行)
[复制全部] 一次性把所有候选 DDL 复制到剪贴板
[重新扫描] 重跑流程

仅支持 MySQL 家族 / PG 家族,其它方言显示"暂不支持"。

3. 数据探查 — DataInspector

表右键 🔬 数据探查。一张对话框 5 个 tab,覆盖"看数据健康度 + 一键维护"的 DBA 排障核心动作。设计上不并发跑 SQL(怕拉爆生产):用户点哪个 tab 才拉哪个 tab 的数据。

Tab 1:列采样(A3)

挑一列,一条 SQL 跑完所有统计:

sql

SELECT
  COUNT(*) AS total,
  COUNT(col) AS non_null,
  COUNT(DISTINCT col) AS distinct_cnt,
  MIN(col) AS min_val,
  MAX(col) AS max_val
FROM <table>

再跑一条 top-10:

sql

SELECT col AS value, COUNT(*) AS cnt
FROM <table> GROUP BY col ORDER BY cnt DESC LIMIT 10

卡片化展示统计 + top-N 表格。NULL 率高 / distinct 极低(可能是状态码)/ 极值异常一眼能看出。

Tab 2:整表剖析(B6)

一条大 SELECT 给所有列同时算 COUNT(col) + COUNT(DISTINCT col):

sql

SELECT COUNT(*) AS total,
       COUNT(`a`) AS nn_a, COUNT(DISTINCT `a`) AS dc_a,
       COUNT(`b`) AS nn_b, COUNT(DISTINCT `b`) AS dc_b,
       ...
FROM <table>

输出表:列名 | 类型 | NULL% | DISTINCT/总数。NULL% > 50 标黄,提醒"这列可能根本没在用"。

Tab 3:约束扫描(B5)

按表的 IS_NULLABLE = 'NO' 列出"声明 NOT NULL"的列,然后对每列跑 SELECT COUNT(*) WHERE col IS NULL。命中 > 0 的视为违反约束(往往是早年没加 NOT NULL,后来补了但脏数据没清)。

Tab 4:类型优化建议(B9)

按列分类型策略给收缩建议:

当前类型	检查	建议
`VARCHAR(255)`	`MAX(CHAR_LENGTH(col))` 实际 max	`VARCHAR(max(32, ceil(maxlen1.5)))`,若 declared > maxlen4 且差 > 50
`BIGINT`	`MAX(ABS(col))`	若 < 2³¹-1 → `INT`
`INT`	同上	若 < 32767 → `SMALLINT`

每条建议给出原因(实际最大长度 20,声明 255 浪费了 235 字节)。

Tab 5:表维护(B10)

按方言提供四个一键按钮:

方言	按钮
MySQL 家族	`ANALYZE TABLE` / `OPTIMIZE TABLE` / `CHECK TABLE`
PG 家族	`ANALYZE` / `VACUUM FULL` / `VACUUM` / `REINDEX TABLE`

每次执行带二次确认(VACUUM FULL 会锁表)。

4. 数据修整 — DataFixup

表右键 🩹 数据修整。3 个 tab,共用"输入条件 → 生成 SQL → 用户审阅 → 执行"四步骨架。不直接 commit,把生成的 SQL 抛给 QueryPane 当 pending 让用户检查。

Tab 1:重复行检测(B3)

勾几列当业务键(email + tenant_id),先跑 GROUP BY 看哪些组重复:

sql

SELECT col1, col2, COUNT(*) AS cnt
FROM <table>
GROUP BY col1, col2 HAVING COUNT(*) > 1
ORDER BY cnt DESC LIMIT 100

确认有重复后,点 生成清理 SQL 拿到一段带 ROW_NUMBER() 的窗口删除语句(PG 版),并注释里给出 MySQL 自连接版本作为备选:

sql

-- 留每组里 ROW_NUMBER() = 1 的那条,删其余
DELETE FROM <table>
WHERE (col1, col2, ctid) IN (
  SELECT col1, col2, ctid FROM (
    SELECT col1, col2, ctid,
           ROW_NUMBER() OVER (PARTITION BY col1, col2 ORDER BY ctid) AS rn
    FROM <table>
  ) sub WHERE sub.rn > 1
);

Tab 2:NULL 回填(B4)

挑一列 + 策略:

策略	生成的 SET 表达式
`literal`	`'<用户填的值>'`
`avg`	`(SELECT AVG(col) FROM <table>)`
`min` / `max`	`(SELECT MIN/MAX(col) FROM <table>)`
`most_common`	`(SELECT col GROUP BY col ORDER BY COUNT(*) DESC LIMIT 1)`

最终生成 UPDATE <table> SET col = <expr> WHERE col IS NULL;,注释里加一句"建议先 SELECT COUNT 看影响数"。

Tab 3:软删恢复(B8)

启发式扫列名找软删字段(deleted_at / is_deleted / deleted)。根据列名是布尔型还是时间戳生成对应的复活语句:

列名	生成
`is_deleted` / `*_flag`	`UPDATE ... SET col = FALSE WHERE col = TRUE`
`deleted_at` / 其他时间戳	`UPDATE ... SET col = NULL WHERE col IS NOT NULL`

可选填"额外 WHERE"(AND user_id = 42)限定范围,避免一次性把所有软删全复活。

5. 跨表搜值 — SearchValueDialog

⌘K → 跨表搜索 或在结果集单元格上右键 🔎 找这个值还出现在哪(后者会自动 prefill)。

工作流

拉所有"可搜"字符列(information_schema.columns):
- MySQL:varchar / char / text / tinytext / mediumtext / longtext / json
- PG:character varying / character / text / json / jsonb
按表分组:每张表生成一条 SELECT * FROM t WHERE col1 LIKE :v OR col2 LIKE :v ... LIMIT 50
并发跑(同时 max 6 条,防连接池打满)
进度条 + 命中列表

性能边界

大库可能有几千列,搜前用 table_prefix 过滤范围(user_*)。matchMode 可选 contains / exact:

contains → LIKE '%v%'(慢但全)
exact → = 'v'(快,适合精确查 ID)

maxPerTable 限制每张表最多 50 条命中,避免某张大宽表把内存撑爆。

用法示例

线上排查"为什么用户 alice@x.com 收到推送":

⌘K → 跨表搜索
值填 alice@x.com,模式 exact
一次扫所有库,看到 users(email) + subscription(email) + mail_logs(to_addr) 都有它 → 锁定数据流

6. 行变更历史 — RowHistoryDialog

结果集中选中一行右键 ⏱ 看历史版本。

启发式找影子表

给定一行的 PK({id: 42}),自动扫 information_schema.tables 找候选影子表:

sql

SELECT table_name FROM information_schema.tables
WHERE table_name LIKE '<base>_%'
   OR table_name = 'audit_<base>'
   OR table_name = '<base>_history'

用户在下拉(<datalist>)里挑或手动输入。

拉历史

按 PK 过滤,按 changed_at / updated_at / created_at / version / revision 降序排:

sql

SELECT * FROM <shadowTable>
WHERE id = 42
ORDER BY changed_at, updated_at, created_at, version, revision DESC
LIMIT 200

输出表格里每行是一个版本,列名是影子表原始列,字符串字段截断到 80 字。

7. 可视化查询构造器 — VisualQueryDialog

⌘K → 可视化查询 或库节点右键 🎨 可视化构造。

MVP 不做拖拽画布 —— 走更稳的"列表 + 卡片"布局,真正能用而不只是 demo。

布局

区域	内容
左侧	当前库所有表 + 搜索框 + 复选
中间	已勾选表展开成卡片,每列前面有复选(勾的进 SELECT,不勾的展示)
顶部	WHERE / ORDER BY 输入框 + `LIMIT` 数字框
底部	实时生成的 SQL + `打开为新查询 tab` 按钮

自动 JOIN

勾选两张表时自动检测两边的"外键样列",生成 INNER JOIN:

// inferConventionalFks
const m = /^(.+?)_id$|^(.+?)Id$/.exec(col.name)
// user_id → users.id  /  category_id → categories.id

候选目标表:<base> 原样 + 简单复数(user → users,category → categories)。找不到 FK 路径就降级 CROSS JOIN(给用户视觉提示注意效率)。

SQL 生成

sql

SELECT users.id AS users_id, users.name AS users_name,
       orders.id AS orders_id, orders.amount AS orders_amount
FROM users
  INNER JOIN orders ON users.id = orders.user_id
WHERE amount > 100
ORDER BY users.id DESC
LIMIT 200

列名加 <table>_<col> 别名,避免多表同名列冲突。

8. MPP 分区管理 — MppPartitionDialog

适用 Doris / StarRocks(MySQL 协议系)。库节点右键 🗂 分区管理。

字段

调 SHOW PARTITIONS FROM <db>.<tbl>,展示:

字段	含义
`PartitionId` / `PartitionName`	分区元信息
`State`	NORMAL / 等
`PartitionKey` / `Range`	分区列与范围
`DistributionKey` / `Buckets`	分桶键与数量
`ReplicationNum`	副本数
`StorageMedium`	HDD / SSD
`CooldownTime`	冷却时间(HDD 降级)
`DataSize`	分区数据量(自动格式化 KB/MB/GB)

操作

按钮	行为
`+ 新增分区`	弹框输入 `ADD PARTITION ...` 子句,自动拼 `ALTER TABLE <db>.<tbl>` 前缀
每行 `DROP`	二次确认后 `ALTER TABLE <db>.<tbl> DROP PARTITION <name>`
`🔄 刷新`	重跑 SHOW PARTITIONS

9. 方言专属高级

9.1 MysqlAdvancedDialog

适配 MySQL / MariaDB / OceanBase / TiDB / Doris / StarRocks。3 tab:

Tab	用到的 SQL
Binlog	`SHOW MASTER STATUS` + `SHOW BINARY LOGS` + 选中文件后 `SHOW BINLOG EVENTS IN '<file>' LIMIT N`
主从状态	优先 `SHOW REPLICA STATUS`(8.0+),失败 fallback `SHOW SLAVE STATUS`(MariaDB / 旧版)
变量 / 状态	`SHOW GLOBAL VARIABLES` / `SHOW GLOBAL STATUS`,带过滤;Variables 还能 `SET GLOBAL k = v` 改运行时参数

9.2 PgAdvancedDialog

适配 PostgreSQL / Kingbase / openGauss / Greenplum / CockroachDB / Redshift。3 tab:

Tab	数据源
Extensions	`pg_available_extensions`;一键 `CREATE EXTENSION IF NOT EXISTS "<name>" WITH SCHEMA "<schema>"` / `DROP EXTENSION`
Publications / Subscriptions	`pg_publication` + `pg_publication_tables` + `pg_subscription`(逻辑复制管理)
Slots	`pg_replication_slots`(slot_name / plugin / slot_type / active / restart_lsn / confirmed_flush_lsn / wal_status);可 `DROP_REPLICATION_SLOT`

9.3 ClickHouseAdvancedDialog

4 tab,全部读 system.*,只读为主:

Tab	数据源	用途
分区	`system.parts` (active 过滤)	看 `rows / bytes_on_disk / data_compressed_bytes / marks / min_date / max_date / level`;支持 `DROP / DETACH / ATTACH PARTITION`
Mutation	`system.mutations`	看 `is_done / command / parts_to_do / latest_failed_part / latest_fail_reason`
副本	`system.replicas`	看 `is_leader / queue_size / inserts_in_queue / merges_in_queue / total_replicas / active_replicas / zookeeper_path`
表 metadata	`system.tables`	看 `engine / total_rows / total_bytes / partition_key / sorting_key / primary_key / sampling_key / storage_policy`

所有 tab 顶部都有 database / table 过滤框,大集群必备。

10. Oracle → DM(达梦)迁移向导

信创外包高频场景:把客户 Oracle 库整体迁去达梦。⌘K → Oracle → DM 迁移 打开向导。

5 步流程

步	行为
1. 选连接	从已配置连接里筛 `dialect == Oracle` / `dialect == DM`,左右各选一个
2. 选对象	拉源库 `tables / views / sequences / procedures` 四组,默认全选,可按组 / 单条勾选
3. 预览	每个对象用 `DBMS_METADATA.GET_DDL` 拉源 DDL → `translateDdl()` 翻译 → 显示 warnings + 允许编辑
4. 执行	逐对象 `client.connections.execute(dstConnId, ddl)`,错误收集不中断
5. 报告	Markdown 总结成败 + warnings,可复制 / saveText 落盘

翻译规则(`oracleToDm.ts`)

类型映射(TYPE_MAP):

Oracle	DM	备注
`VARCHAR2`	`VARCHAR`	—
`NVARCHAR2`	`NVARCHAR`	—
`NUMBER`	`NUMERIC`	DM 也认 NUMBER,但 NUMERIC 更标准
`CLOB` / `NCLOB` / `BLOB`	同名保留	—
`DATE`	`DATE`	⚠ Oracle 含时分秒,DM 不含
`TIMESTAMP`	`TIMESTAMP`	—
`RAW` / `LONG RAW`	`VARBINARY`	—
`LONG`	`CLOB`	Oracle 已废弃
`BINARY_FLOAT` / `BINARY_DOUBLE`	`FLOAT` / `DOUBLE`	—
`ROWID` / `UROWID`	`VARCHAR(18)` / `VARCHAR(4000)`	DM 无等价,降级
`XMLTYPE`	`XML`	XPath/XQuery 表达式可能要重写

类型替换实现:按"长键在前"排序匹配(LONG RAW 排 LONG 前面避免被抢);裸 NUMBER 无长度时不补;NUMBER(p,s) 直接搬数字;命中后追加对应 TYPE_NOTES 警告。

函数 / 关键字映射(FN_MAP):

Oracle	DM	备注
`SYSDATE` / `SYSTIMESTAMP`	`CURRENT_TIMESTAMP`	DM 也接受 SYSDATE,标准函数更稳
`NVL(a, b)`	`COALESCE(a, b)`	DM 兼容 NVL,COALESCE 更跨库
`NVL2(...)`	保留	若不支持需 `CASE WHEN expr IS NOT NULL THEN a ELSE b END`
`MINUS`	`EXCEPT`	DM 兼容 MINUS,EXCEPT 更标准
`DUAL` / `ROWNUM`	同名保留	DM 支持

复杂语法告警(HARD_WARNINGS,SQL 不动,只发 [review] 警告):

模式	警告内容
`DECODE(...)`	仍可用,但建议改 `CASE WHEN` 以提可读性
`CONNECT BY`	兼容大部分;`NOCYCLE` / `SYS_CONNECT_BY_PATH` 等高级特性需逐句复核
`MERGE INTO`	复杂分支(含 `DELETE WHERE` / 多源 `UPDATE`)行为可能不一致
`INSTEAD OF (INSERT/UPDATE/DELETE) TRIGGER`	DM 触发器语义有差异,触发器体需人工迁移
`SDO_GEOMETRY` / `MDSYS.*`	Oracle Spatial 无等价,需 DMGeo 或第三方
`DBMS_*`	仅模拟部分(`DBMS_OUTPUT`/`DBMS_LOB`),业务包需重写
`UTL_*`(`UTL_HTTP`/`UTL_FILE` 等)	一般不支持,需外部脚本替代
`INTERVAL YEAR/DAY TO ...`	部分版本只支持简化形式,需核对版本
`PIVOT(...)` / `UNPIVOT(...)`	DM 8.x 起部分支持,旧版本需改写为 `CASE WHEN` 聚合
`BULK COLLECT` / `FORALL`	PL/SQL 批量操作,DMSQL 语法略有差异

故意不做的事

不做 PL/SQL 块语义翻译 — 存储过程仅迁 CREATE 壳,函数体让用户人工
不做触发器内容翻译 — 同上
不解约束依赖排序 — 字典序;失败让用户重跑
不做事务原子性 — 每对象独立,失败用红色标记

数据迁移(实验性)

Step 4 勾"含数据迁移(每表前 100 行示例)":

sql

-- 源
SELECT * FROM "<table>"  -- 限 100 行

-- 目标
INSERT INTO "<table>" (col1, col2, ...) VALUES (v1, v2, ...)  -- 逐行

只是个骨架 —— 完整迁移需要分页 + 类型转换 + 批量插入,本向导留给后续。生产环境的全量数据迁移建议走 DTS / expdp + impdp 之类专业工具。

报告

执行完进 Step 5,Markdown 报告示例:

markdown

# Oracle → DM 迁移报告

- 源连接: `prod-oracle`
- 目标连接: `dm-test`
- 时间: 2026-05-30 10:23:11
- 总对象数: 142,成功 138,失败 4

## 成功对象
- [tables] ORDERS (124ms)
- [tables] USERS (89ms)
...

## 失败对象
- [procedures] CALC_BONUS
  - 错误: ORA-00942 表或视图不存在

## 翻译警告(人工 review)
- (ORDERS) [type] DATE: Oracle DATE 含时分秒,DM DATE 不含;原列若依赖时间分量请改用 TIMESTAMP
- (ORDERS_REPORT) [review] PIVOT/UNPIVOT:DM 8.x 起部分支持,旧版本需改写为 CASE WHEN 聚合

复制 到剪贴板或 保存 到 .md 文件存档。

11. 何时该用哪个?

最后给一张"对症下药"表:

我想……	用这个
看一条慢 SQL 卡哪了	PlanPanel + ANALYZE
不知道该建什么索引	IndexRecommender
看一张新接手的表健康度	DataInspector 整表剖析 + 类型优化
清掉脏数据 / 重复行	DataFixup
排查某个值出现在哪	SearchValueDialog
看一行的修改历史	RowHistoryDialog
给非技术同事演示建查询	VisualQueryDialog
管 Doris 分区	MppPartitionDialog
看 MySQL binlog / 主从延迟	MysqlAdvancedDialog
装 PG 扩展 / 配逻辑复制	PgAdvancedDialog
看 CH part / Mutation 状态	ClickHouseAdvancedDialog
Oracle 库迁达梦	OracleToDmWizard

这些功能配合 AI 助手用威力翻倍 —— 比如 PlanPanel 看到慢节点直接"问 AI",IndexRecommender 看不懂候选时让 AI 解释,DataInspector 类型建议让 AI 评估风险。

高级特性 ​

1. EXPLAIN 可视化 — PlanPanel ​

触发方式 ​

节点树渲染 ​

慢算子着色 ​

预估 vs 实际偏差 ​

摘要条 ​

2. 索引推荐 — IndexRecommender ​

输入与输出 ​

推断算法(index-recommender.ts) ​

DDL 生成 ​

UI 流程 ​

3. 数据探查 — DataInspector ​

Tab 1:列采样(A3) ​

Tab 2:整表剖析(B6) ​

Tab 3:约束扫描(B5) ​

Tab 4:类型优化建议(B9) ​

Tab 5:表维护(B10) ​

4. 数据修整 — DataFixup ​

Tab 1:重复行检测(B3) ​

Tab 2:NULL 回填(B4) ​

Tab 3:软删恢复(B8) ​

5. 跨表搜值 — SearchValueDialog ​

工作流 ​

性能边界 ​

用法示例 ​

6. 行变更历史 — RowHistoryDialog ​

启发式找影子表 ​

拉历史 ​

7. 可视化查询构造器 — VisualQueryDialog ​

布局 ​

自动 JOIN ​

SQL 生成 ​

8. MPP 分区管理 — MppPartitionDialog ​

字段 ​

操作 ​

9. 方言专属高级 ​

9.1 MysqlAdvancedDialog ​

9.2 PgAdvancedDialog ​

9.3 ClickHouseAdvancedDialog ​

10. Oracle → DM(达梦)迁移向导 ​

5 步流程 ​

翻译规则(oracleToDm.ts) ​

故意不做的事 ​

数据迁移(实验性) ​

报告 ​

11. 何时该用哪个? ​