Shiba:智能SQL审查助手,为生产保驾护航
Shiba 是一个处于alpha阶段的工具,它在SQL查询进入生产环境之前进行自动审查,以防止潜在问题的发生。它利用生产环境的统计信息来进行现实世界中的查询分析,能捕捉到缺失索引、过宽索引以及返回数据过多的查询。
安装与使用
在Ruby on Rails或ActiveRecord项目中,可以通过Bundler安装Shiba,并将其配置在测试环境中。确保在运行测试时Shiba已被正确加载:
# Gemfile
gem 'shiba', group: :test, require: 'shiba/setup'
# 如果你的应用懒加载宝石,你需要手动引入
# config/environments/test.rb 或 test/test_helper.rb
require 'shiba/setup'
然后运行bundle来安装,接下来,尝试本地运行Shiba,通过设置SHIBA_DEBUG=true来查看详细的查询报告:
# 安装
bundle
# 运行测试并生成SQL报告
rake test:functional
rails test test/controllers/users_controller_test.rb
SHIBA_DEBUG=true ruby test/controllers/users_controller_test.rb
技术特性
Shiba目前支持Postgres(尚处在开发阶段),为了获得可靠的检测结果,建议测试表至少有1000行数据。
生产数据统计
要更精确地捕获可能导致性能问题的情况,如除缺少索引外的其他问题,Shiba需要获取生产环境的数据统计信息,如表的数量和列的唯一性等。你可以通过执行bin/dump_stats命令在生产环境中收集这些信息,并将结果保存到Rails项目的配置文件中。
自动化代码审核
Shiba可以与GitHub的Pull Request集成,当代码变更引入查询问题时,自动在PR上添加评论。这需要一个具有仓库访问权限的GitHub API Token,可以在这里生成。在你的CI服务器上配置好环境变量SHIBA_GITHUB_TOKEN后,根据你的CI服务商(如Travis CI或CircleCI)进行相应的集成设置。
应用场景
Shiba适用于需要严格控制SQL查询质量的任何Web应用程序,特别是在数据库操作密集型的应用中,比如大型电商平台、数据分析平台或者实时监控系统。它可以有效地帮助开发者预防因SQL查询不当引发的生产环境问题。
项目亮点
- 实时检测:在代码提交前就能发现可能的问题,减少生产故障。
- 智能分析:基于生产数据提供真实的查询性能评估。
- 自动化集成:轻松与Git仓库和持续集成服务集成,实现代码审核自动化。
- 多语言支持:不仅限于Ruby/Rails,也可分析其他语言产生的SQL日志。
总之,Shiba是一个强大的SQL查询审查工具,旨在提高代码质量,提升数据库性能,是每个开发者或DevOps团队值得拥有的得力助手。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00