数仓运维排障本质是“信息采集→模式识别→根因推理→方案输出”的闭环。传统模式下，该流程高度依赖 DBA 个人经验，需手动登录终端、执行 CLI 命令并关联多维指标，效率低下且知识难以沉淀。一次典型性能排障往往耗时数十分钟至数小时。
华为云数仓 DWS 近日上线 AI 诊断功能，采用"Agent + CLI + Skill"三层架构，将上述闭环系统化、自动化及可进化化。
走进产品：集群详情页一键触达
AI 诊断入口位于 DWS 管理控制台的集群详情页面。运维人员无需跳转工具或编写脚本，直接选择时间段和诊断维度（CPU/IO/内存），即可一键发起诊断。
页面交互遵循“最少操作步骤”原则：
- 时间段选择：自由选择 7 天内的诊断时间窗口，系统自动汇聚该时段全链路指标，精准获取异常数据；
- 诊断维度选择：CPU、IO、内存三大核心维度开箱即用，覆盖最常见性能瓶颈场景；
- 一键发起：后台 Agent 自动调度 Skill 完成采集、分析并生成报告。
诊断完成后自动生成结构化报告，包含异常摘要、根因链路、影响范围和优化建议，支持在线查看和一键导出，便于团队协作与复盘追溯。
设计哲学一：关注点分离
三层架构的核心原则是关注点分离，每层仅专注单一职责，通过标准化接口交互：
- CLI 层（采集）：负责轻量、只读、标准化的指令集合，从集群底层获取原始运行数据，确保准确性和低开销，不关心数据含义；
- Skill 层（分析）：每个 Skill 封装一项独立诊断能力，内置分析逻辑、判定阈值和输出模板，彼此解耦；
- Agent 层（编排）：接收用户请求，决定调用哪些 CLI、调度哪些 Skill 以及如何关联结果，最终生成诊断报告。
新增诊断能力只需开发新 Skill 注册，无需改动 Agent 或 CLI；优化采集策略仅需调整 CLI 层。各层独立演进，互不牵制。
设计哲学二：Skill 即知识单元
Skill 不仅是功能模块，更是“知识单元”，是对成熟 DBA 诊断模式的代码化封装。首批上线三大 Skill：
- CPU 诊断 Skill：采集 CPU 使用率、节点负载分布及高消耗 SQL 等指标，识别负载倾斜与资源争抢，输出资源优化与 SQL 改写建议；
- IO 诊断 Skill：分析读写延迟、IOPS 峰值及下盘数据量，关联高 IO 查询，定位表扫描异常、排序溢出等根因；
- 内存诊断 Skill：解析动态内存分配与回收，识别异常会话与 SQL，预警 OOM 风险，提供参数调优与资源隔离方案。
Skill 采用插件化设计，后续可持续扩展锁等待、长事务、SQL 倾斜及网络诊断等能力，新 Skill 上线对现有架构零侵入。
设计哲学三：Agent 做编排，不做分析
Agent 被严格限定为“编排者”，仅决定“做什么”和“按什么顺序做”，不亲自执行具体分析。Agent 不负责具体指标计算和根因判定，从而确保其轻量和通用性：无论未来新增多少 Skill，编排逻辑均保持稳定。
设计哲学四：从工具到可生长平台
- Skill 可复用：独立于具体集群，支持跨集群共享，也允许用户基于业务场景自定义扩展；
- CLI 可组合：标准化接口可嵌入企业已有监控告警、CI/CD 流水线或运维工单系统。CLI 模块正式发布后，用户可直接基于 Skill + CLI，在自有 Agent 平台上构建 DWS 智能运维能力；
- Agent 可演进：随 Skill 增多和经验积累，关联分析与根因推理能力持续增强，逐步从“辅助诊断”走向“自主运维”。
实战场景：CPU 飙到 96%，一条自关联 SQL 吃掉全部算力
架构的价值需在真实场景中验证。某 DWS 集群在晚间业务时段节点 CPU 使用率飙升至 96% 以上，查询响应明显变慢。运维人员在集群详情页选择异常时段，点击 CPU 维度一键诊断，Agent 自动调度 CPU 诊断 Skill，分钟级输出结构化报告：
此场景折射出 AI 诊断的深层价值——它不只是在“看指标”，更是在“理解业务”。传统排障中，DBA 需手动登录节点、逐条执行命令并在多终端间切换比对，过程耗时且易遗漏，高度依赖个人经验。
而 AI 诊断在分钟级内完成了从“异常感知”到“根因推理”再到“方案输出”的全链路闭环：不仅精准锁定了问题 SQL 的写法缺陷，还主动发现了跨层级的资源争抢风险，并给出了可直接落地的优化路径。
这正是 Agent + CLI + Skill 三层架构的意义所在：将资深 DBA 的诊断思维模式沉淀为平台级的标准化能力，让每一次排障都达到专家水准，且可复制、可进化。
结语
一个 Agent、一组 CLI、若干 Skill——DWS AI 诊断的架构并不复杂，但背后的设计哲学清晰：用关注点分离降低复杂度，用 Skill 将运维经验转化为可复用知识单元，用 Agent 编排替代人工串联，用插件化设计为未来留足空间。
从产品体验看，运维人员只需在集群详情页一键操作，分钟级获得包含根因分析和优化建议的报告。这套架构不仅让排障从“小时级”压缩到“分钟级”，更为数仓智能运维提供了可扩展、可演进、可沉淀的能力框架，推动数仓运维从“依赖个人”走向“依赖平台”。
目前 AI 诊断功能已在北京四和贵阳一上线，欢迎前往 DWS 管理控制台集群详情页体验。部分 Skill 已上架华为云 Skill 市场，开发者也可基于 Skill + CLI 在自有 Agent 平台上构建定制化诊断能力。
华为云 Skill 市场：https://github.com/huaweicloud/huaweicloud-skills/tree/master/skills/bigdata/dws