把慢日志交给模型之前先决定哪些语句应该归为一类。正则替换数字和字符串看起来只差几行代码一旦字符串里带注释符这几行就可能先把SQL改坏。MySQL 8.4的Statement Digests文档说明摘要由解析器计算归一化文本存入DIGEST_TEXT摘要哈希存入DIGEST。它保留语句结构、替换字面量适合做聚合不应被叫作“完整匿名化”。概念示意图非控制台截图、跑分或真实事件记录。一个不需要数据库就能检查的反例下面的代码只用于暴露一种错误方法绝不是另一个指纹解析器。SELECT的字符串里包含“--”先用正则剥注释会留下一个未闭合的引号。import re sql SELECT id FROM orders WHERE note-- not a comment; broken re.sub(r--.*, , sql) assert broken.endswith(note) assert broken.count() 1 print(original:, sql) print(broken:, broken) print(PASS counterexample: regex damaged a string literal)真实解析器需要同时理解引号、转义、注释、标识符和方言。MySQL对注释的具体语法还有自己的限制。把一个正则变成十个正则通常只是让后续反例更费劲。先用服务器自己认识的摘要以下是MySQL 8.4的诊断查询供已授权的测试实例使用。本轮环境没有MySQL服务未执行这段SQLSELECT SCHEMA_NAME, DIGEST, DIGEST_TEXT, COUNT_STAR, SUM_TIMER_WAIT, SUM_ROWS_EXAMINED FROM performance_schema.events_statements_summary_by_digest WHERE DIGEST IS NOT NULL ORDER BY SUM_TIMER_WAIT DESC LIMIT 10;SUM_TIMER_WAIT的单位与展示方式要查对应版本文档再做换算不要直接把原始整数标成“毫秒”。按总耗时看高频负载是一个入口不代表总耗时最高的指纹就是根因。锁等待、I/O和上游突发流量还需要各自证据。DIGEST也有截断边界。max_digest_length限制归一化时采集的token长度后半段不同的长SQL可能被聚成同类Performance Schema自身复制的摘要文本还可能再次截断。仅看屏幕上相同的DIGEST_TEXT不足以断言两条原始语句完全相同。摘要、脱敏和AI输入是三件事表名、列名会保留业务信息QUERY_SAMPLE_TEXT还可能包含原始字面量。对外发送时应先确定允许的数据范围再决定是否提供原始样本不能因为已经“算了摘要”就直接上传。我更愿意给模型一份有出处的证据包授权后的结构信息、摘要、次数、累计耗时、扫描量、采样时间与对应计划。模型输出必须写成“假设及验证方法”不能把“可能缺索引”直接改成DDL执行指令。10月22日的Langfuse集成指南还提醒我们工具输入输出会进入trace日志出站和trace留存要一起检查。本地只运行了正则反例证明这个具体替换会损坏字符串。服务器摘要、统计采样和模型诊断未实测没有“数小时降到数秒”的结论。本文的本地检查仅覆盖明确列出的合成示例外部研究与产品文档不作为本人性能实测。复现命令将Python反例保存为 fingerprint_counterexample.py运行 python3 fingerprint_counterexample.py本轮使用Python 3.9.6。
把慢日志交给模型之前先决定哪些语句应该归为一类。正则替换数字和字符串看起来只差几行代码一旦字符串里带注释符这几行就可能先把SQL改坏。MySQL 8.4的Statement Digests文档说明摘要由解析器计算归一化文本存入DIGEST_TEXT摘要哈希存入DIGEST。它保留语句结构、替换字面量适合做聚合不应被叫作“完整匿名化”。概念示意图非控制台截图、跑分或真实事件记录。一个不需要数据库就能检查的反例下面的代码只用于暴露一种错误方法绝不是另一个指纹解析器。SELECT的字符串里包含“--”先用正则剥注释会留下一个未闭合的引号。import re sql SELECT id FROM orders WHERE note-- not a comment; broken re.sub(r--.*, , sql) assert broken.endswith(note) assert broken.count() 1 print(original:, sql) print(broken:, broken) print(PASS counterexample: regex damaged a string literal)真实解析器需要同时理解引号、转义、注释、标识符和方言。MySQL对注释的具体语法还有自己的限制。把一个正则变成十个正则通常只是让后续反例更费劲。先用服务器自己认识的摘要以下是MySQL 8.4的诊断查询供已授权的测试实例使用。本轮环境没有MySQL服务未执行这段SQLSELECT SCHEMA_NAME, DIGEST, DIGEST_TEXT, COUNT_STAR, SUM_TIMER_WAIT, SUM_ROWS_EXAMINED FROM performance_schema.events_statements_summary_by_digest WHERE DIGEST IS NOT NULL ORDER BY SUM_TIMER_WAIT DESC LIMIT 10;SUM_TIMER_WAIT的单位与展示方式要查对应版本文档再做换算不要直接把原始整数标成“毫秒”。按总耗时看高频负载是一个入口不代表总耗时最高的指纹就是根因。锁等待、I/O和上游突发流量还需要各自证据。DIGEST也有截断边界。max_digest_length限制归一化时采集的token长度后半段不同的长SQL可能被聚成同类Performance Schema自身复制的摘要文本还可能再次截断。仅看屏幕上相同的DIGEST_TEXT不足以断言两条原始语句完全相同。摘要、脱敏和AI输入是三件事表名、列名会保留业务信息QUERY_SAMPLE_TEXT还可能包含原始字面量。对外发送时应先确定允许的数据范围再决定是否提供原始样本不能因为已经“算了摘要”就直接上传。我更愿意给模型一份有出处的证据包授权后的结构信息、摘要、次数、累计耗时、扫描量、采样时间与对应计划。模型输出必须写成“假设及验证方法”不能把“可能缺索引”直接改成DDL执行指令。10月22日的Langfuse集成指南还提醒我们工具输入输出会进入trace日志出站和trace留存要一起检查。本地只运行了正则反例证明这个具体替换会损坏字符串。服务器摘要、统计采样和模型诊断未实测没有“数小时降到数秒”的结论。本文的本地检查仅覆盖明确列出的合成示例外部研究与产品文档不作为本人性能实测。复现命令将Python反例保存为 fingerprint_counterexample.py运行 python3 fingerprint_counterexample.py本轮使用Python 3.9.6。
