Sql safety review

SQL 安全与规范审查

铁律：输出开头必须先给风险等级和结论，禁止先分析再给结论。

核心原则

1. 结论先行 — 开头两行给风险等级 + 能不能跑，再展开
2. 默认保守 — 缺少表结构/数据量信息时，按中高风险处理
3. 风险 + 规范一起审 — 不分两次，一次性给出完整评估
4. 规范约束分级 — 区分必须（Mandatory）、推荐（Preferable）、可选（Optional）
5. 精简有力 — 每条风险一两句话说清，不写教程
6. 引擎感知 — 根据用户声明或 SQL 特征自动选择对应引擎的规范

适用范围

场景	引擎	规范参考
OLAP 数据仓库	Spark/Hive、Impala、ClickHouse	references/naming-standards.md, coding-format.md, query-performance.md, ddl-dml-standards.md, engine-specific.md
OLTP 业务系统	MySQL	references/mysql-naming.md, mysql-query-performance.md, mysql-ddl-dml.md, mysql-engine.md
通用 SQL	未知引擎	使用通用规则，提示用户确认引擎

审查工作流

- [ ] 步骤 1：识别输入类型和查询目标
- [ ] 步骤 2：静态风险扫描（安全 + 规范）
- [ ] 步骤 3：给出风险等级和结论 ⚠️ 必需——必须在输出开头
- [ ] 步骤 4：改写建议（中高风险时）
- [ ] 步骤 5：引导补充信息（需要时）
- [ ] 步骤 6：精确分析（有 EXPLAIN/表结构时）

步骤 1——识别输入类型、引擎和查询目标

1a. 判断引擎

从以下线索识别引擎（优先级从高到低）：

1. 用户明确声明（"我们用 MySQL"、"ClickHouse 上跑的"）
2. SQL 语法特征（ENGINE=InnoDB → MySQL、PARTITIONED BY → Hive、ORDER BY key in CREATE → ClickHouse）
3. EXPLAIN 输出格式（见 references/engine-specific.md 引擎识别表）
4. 无法判断 → 标注"引擎未知"，使用通用规则，提示用户确认

引擎确定后加载对应规范：

• OLAP（Spark/Hive、Impala、ClickHouse）→ references/naming-standards.md, query-performance.md, ddl-dml-standards.md, engine-specific.md
• MySQL → references/mysql-naming.md, mysql-query-performance.md, mysql-ddl-dml.md, mysql-engine.md
• 通用 → references/coding-format.md + 通用规则

1b. 判断输入类型

输入类型	处理方式
SELECT 查询	完整安全 + 规范审查
DDL（CREATE/ALTER）	命名规范 + DDL 规范审查 → 加载对应引擎的 ddl-dml 参考
DML（INSERT/UPDATE/DELETE）	DML 规范 + 安全审查 → 加载对应引擎的 ddl-dml 参考
EXPLAIN 输出	直接进入 Step 6 精确分析 → 加载对应引擎参考
纯文字描述	引导用户贴出 SQL 或 EXPLAIN

推断查询目标：

用户目标	安全做法
确认"有没有数据"	SELECT 1 ... LIMIT 1 或 COUNT(*)
确认数量级	COUNT(*) + 合理过滤
抽样看几条	关键字段 + LIMIT
查完整明细	强过滤 + 分页
定位慢查询	先 EXPLAIN
判断能否线上跑	完整风险评估

如果用户没说目标，从 SQL 结构推断并在输出中说明推断依据。

同时识别结果契约：

• 预期输出粒度（例如“一行一个用户”“一行一个订单 × 天”）
• 在该粒度下应保持唯一的键
• 聚合指标的分子、分母和去重口径

无法确认这些信息时，不得把“JOIN 条件合法”当作结果正确；把粒度和唯一性标为待确认项。

步骤 2——静态风险扫描

逐项检查以下风险信号。对每条命中的规则，标注级别（Mandatory/Preferable）。

扫描范围风险

• 无 WHERE / 条件过宽
• 明确为分区表或 OLAP 大表时缺少分区字段
• 数据量大但缺少收敛条件

索引/分区命中风险

• 过滤条件未命中分区列（OLAP）或索引列（MySQL）
• 对列做函数计算（如 DATE(created_at)）— 索引失效
• 隐式类型转换（如 WHERE varchar_col = 12345 无引号）— 索引失效
• 前置模糊匹配（LIKE '%xxx'）— 索引失效
• OR / NOT IN / != 等不利条件

JOIN 风险

• 多表 JOIN 关联条件不明确 / 驱动表行数过大
• 大表 JOIN 前未先过滤（应在子查询中先过滤再 JOIN）— Preferable，规模很大时升级为 Mandatory
• 笛卡尔积 — Mandatory 违规
• JOIN 前未确认左右输入粒度、关联键唯一性和预期输出粒度；一对多或多对多可能静默放大行数与聚合值 — 与预期粒度冲突时为 Mandatory
• 快照表、拉链表或分区维表只按实体 ID 关联，未按日期、版本或有效期对齐，可能把多个历史版本同时挂到事实行 — Mandatory
• 外连接过滤条件放错位置：把右表过滤写入 WHERE 可能把 LEFT JOIN 隐式变成 INNER JOIN；不得机械套用“ON 只写关联键” — Mandatory
• MySQL: JOIN 超过 3 张表 — Preferable 风险提示，需结合 EXPLAIN 和表规模确认
• MySQL: JOIN 两侧数据类型或 collation 不一致 — 索引失效

结果集风险

• SELECT * — Mandatory 违规
• 无 LIMIT / 结果集可能很大
• MySQL: 大 OFFSET 分页（LIMIT 10 OFFSET 1000000）— 应改游标分页

格式与命名规范 — 加载对应引擎的命名规范参考按需检查：

• 关键字大小写混用 — Mandatory 违规
• 命名不符合规范（驼峰、保留字、缩写不清）
• 缩进混乱、单行过长
• CASE WHEN 缺少 ELSE 子句
• CASE 分桶存在空洞、重叠或 NULL 未覆盖 — Mandatory；临时验数暴露未命中原值、正式产出使用稳定枚举 — Preferable
• 子查询/CTE 只原样透传字段，既不裁剪数据、不改变粒度，也不隔离必要复杂逻辑 — Preferable

步骤 3——给出风险等级 ⚠️ 必需

这是输出开头，格式固定：

## 风险等级：高/中/低

**结论：** [一句话说清能不能跑、怎么跑]

判定标准：

• 低风险 — 明确命中主键/唯一键或强过滤、扫描范围小、有 LIMIT、格式规范
• 中风险 — 有 WHERE 但索引/分区命中不确定、有 JOIN 但规模可控
• 高风险 — 无 WHERE / 无分区 / 全表扫描 / 多表大 JOIN / SELECT *

最终建议必须是以下之一：

• ✅ 可以直接执行
• ⚠️ 建议先 EXPLAIN 确认
• 🔧 建议加条件/改写后执行
• 🚫 不建议直接执行，给出替代方案

步骤 4——改写建议（中高风险时）

缩范围：加分区条件（OLAP）或索引条件（MySQL）、加业务主键、加时间范围 缩结果：SELECT 具体字段、加 LIMIT、先 COUNT 确认量级；MySQL 大分页改游标分页 保语义：先声明输出粒度和唯一键；必要时在 JOIN 前预聚合/去重；快照数据按日期、版本或有效期对齐；按外连接语义选择 ON、输入子查询或 WHERE 降复杂度：去不必要 ORDER BY、删除透传层、拆分必要的复杂查询、大表先过滤再 JOIN、OLAP 大表小表用 map join、MySQL 用覆盖索引 修格式：统一关键字大小写、修正命名、调整缩进对齐、补 ELSE 子句 辅助验数：临时查询可让 CASE 的 ELSE 携带未命中原值或输出独立异常明细；正式落表/报表恢复稳定枚举 MySQL 特有：批量 UPDATE/DELETE 按主键分段、大批量删除用换表模式或 DROP PARTITION、INSERT 指定字段名

改写 SQL 必须遵循编码格式规范（references/coding-format.md）和命名规范（references/naming-standards.md）。

步骤 5——引导补充信息

缺少信息时，给出可直接复制的命令：

• EXPLAIN SELECT ...;
• SHOW CREATE TABLE table_name;
• SELECT COUNT(*) FROM table_name WHERE 分区条件;

步骤 6——精确分析（有 EXPLAIN/表结构时）

根据 EXPLAIN 输出特征自动识别引擎：

• type, key, rows, Extra → MySQL → 加载 references/mysql-query-performance.md, mysql-engine.md
• Seq Scan, cost=, rows= → PostgreSQL（仅做通用执行计划判断，提示用户补充数据库版本和索引信息）
• ReadType, Parts, Marks → ClickHouse → 加载 references/engine-specific.md
• DAG stages, Shuffle → Spark/Hive → 加载 references/engine-specific.md
• SCAN HDFS, HASH JOIN → Impala → 加载 references/engine-specific.md

结合 EXPLAIN 和表结构更新风险等级，给出确定性结论和引擎特性建议。

输出格式

低风险：风险等级 + 结论 + 一句话原因 + 小优化点（如有）

中高风险完整输出：

1. 风险等级 + 结论（输出开头，固定格式）
2. 查询目标推断
3. 风险原因（逐条，每条一两句，标注 Mandatory/Preferable 级别）
4. 规范问题（命名/格式/结构，如有）
5. 更安全的写法（可直接使用的改写 SQL）
6. 下一步操作（EXPLAIN 等命令）

反模式清单

审查时禁止出现以下行为：

• 先写一大段分析再给结论（违反 Iron Law）
• 只审安全不审规范，或只审规范不审安全（必须一次性完成）
• 给出模糊建议如"建议优化一下"而不给具体改写 SQL
• 改写 SQL 本身不符合编码格式规范（如混用大小写、无缩进）
• 对低风险查询过度分析（低风险 = 简短回复）
• 缺少信息时乐观假设（必须默认保守）
• 不标注规则级别（每条问题必须标注 Mandatory/Preferable/Optional）
• 引擎特性建议在不确定引擎时给出（只在明确知道引擎时才给）

代码审查场景

以下场景必须进行 Code Review：

• ETL JOB 上线
• DDL & DML 语句
• 收到系统推送的慢查询和优化提示

Code Review 关注：代码逻辑准确性、代码风格、效率、注释充分性、数仓规范符合度。

回答风格

• 结论先行，不绕弯
• 风险 + 规范一起审，不分两次
• 给落地的改写 SQL，不空谈理论
• 缺少信息时保守判断，标注不确定点
• 引擎特性建议只在明确知道引擎时给出
• 改写 SQL 中的命名须符合命名规范