在知识库中专注阅读，并随时返回相关工具与课程
大家好，这里是 DBA 学习之路，专注于提升数据库运维效率。 @TOC目录 在数据库工具这个领域，SQLark 的迭代速度真的让我十分佩服，从 2023 年 5 月正式发布以来，几乎每 1-2 个月就会有新版本推出，伴随着用户群体的壮大，功能版图也在持续扩展，如今已然成为一款相当成熟的产品。 作为一名从发布就开始接触 SQLark 的用户，我见证了它从最初，一路演进到如今搭载 AI 小百灵的全功能
大家好，这里是 DBA 学习之路，专注于提升数据库运维效率。
本章目标：掌握本章核心知识点 前置要求：完成前序章节学习 预计时长：60 分钟
在数据库工具这个领域，SQLark 的迭代速度真的让我十分佩服，从 2023 年 5 月正式发布以来，几乎每 1-2 个月就会有新版本推出，伴随着用户群体的壮大，功能版图也在持续扩展，如今已然成为一款相当成熟的产品。
作为一名从发布就开始接触 SQLark 的用户，我见证了它从最初，一路演进到如今搭载 AI 小百灵的全功能平台。这个过程中最让我感触的是，每当在社区提出一些使用建议：
image.png
数据生成功能
寻求 AI 功能
往往在后续版本中就能看到相应的改进 -- 这种用户声音被认真倾听和采纳的体验，在当下并不多见。
这次 6 月份推出的 V3.5 版本，最引人关注的当属 AI 小百灵助手的正式上线。通过集成 Qwen3 与 DeepSeek 两大模型，实现了从代码生成、报错分析到 SQL 优化，再到达梦专家知识检索的全链路智能化覆盖。
👉 体验 SQLark V3.5 版本最新功能，欢迎在官网 www.sqlark.com 下载全功能免费版。
在数据库支持方面，PostgreSQL 的功能完善度有了显著提升，新增的数据导入、数据生成、ER 图等功能让整个工作流更加完整。值得一提的是，Linux ARM 架构版本的推出，也体现了对不同硬件平台用户需求的考量。
从细节上看，SQL 编辑器、表设计器、数据处理等核心模块的优化多达 90 项，这种对用户体验的精雕细琢，往往比大功能的添加更能体现产品的用心程度。
当前 V3.5 版本的数据库兼容性覆盖：
多的不说了，大家可以移步 百灵 x 通义Qwen3，AI 助手正式上线！ 官方发布文章细看！
更新到最新版之后，赶忙试了下新的 AI 小百灵功能：
image.png
我理解的代码解释应该是帮助我来快速读懂一段复杂的 SQL，我用 DeepSeek 生成了一段包含多表连接、子查询、窗口函数、条件聚合等复杂逻辑的 SQL 示例，看看小百灵的反馈如何：
1WITH ranked_products AS (2 SELECT3 c.country,4 cat.category_name,5 p.product_name,6 SUM(od.quantity * od.unit_price) AS total_sales,7 ROUND(8 100.0 * SUM(od.quantity * od.unit_price) 9 / SUM(SUM(od.quantity * od.unit_price)) OVER (PARTITION BY c.country, cat.category_id),10 211 ) AS sales_percentage,12 RANK() OVER (13 PARTITION BY c.country, cat.category_id14 ORDER BY SUM(od.quantity * od.unit_price) DESC15 ) AS sales_rank16 FROM orders o17 JOIN order_details od ON o.order_id = od.order_id18 JOIN products p ON od.product_id = p.product_id19 JOIN categories cat ON p.category_id = cat.category_id20 JOIN customers c ON o.customer_id = c.customer_id21 WHERE o.order_date BETWEEN '2023-01-01' AND '2023-12-31'22 AND c.country IN ('USA', 'UK', 'Germany')23 GROUP BY c.country, cat.category_id, cat.category_name, p.product_name24),25category_stats AS (26 SELECT27 country,28 category_name,29 SUM(total_sales) AS category_total,30 COUNT(DISTINCT CASE WHEN sales_rank <= 3 THEN product_name END) AS top_products_count31 FROM ranked_products32 GROUP BY country, category_name33 HAVING SUM(total_sales) > 5000034)35SELECT 36 rp.country,37 rp.category_name,38 rp.product_name,39 rp.total_sales,40 rp.sales_percentage,41 cs.category_total,42 CASE 43 WHEN rp.sales_rank <= 3 THEN 'Top 3'44 ELSE 'Other'45 END AS performance_flag,46 LAG(rp.total_sales, 1) OVER (47 PARTITION BY rp.country, rp.category_name 48 ORDER BY rp.sales_rank49 ) AS prev_product_sales50FROM ranked_products rp51JOIN category_stats cs52 ON rp.country = cs.country 53 AND rp.category_name = cs.category_name54WHERE rp.sales_rank <= 555ORDER BY 56 rp.country, 57 cs.category_total DESC, 58 rp.sales_rank;解释一下这段 SQL 代码：
image.png
image.png
image.png
结果有点让我眼前一亮，还与 SQLark 有一定的联动，接着我打算让小百灵帮我根据这个 SQL 生成对应的表结构，然后用 SQLark 的数据生成功能填充数据，验证一下这个 SQL 是否可以正常执行。
根据 SQL 生成必须的表结构并且能够支持 SQL 运行：
image.png
让我来看看结果如何：
image.png
image.png
没想到小百灵不仅提供了表结构，还创建了几个索引进行优化。
连接我的达梦测试库测试一下：
image.png
首先创建一下表空间和用户：
image.png
image.png
连接新建用户 lucifer，测试是否能建表：
image.png
image.png
根据小百灵提示授予 RESOURCE 权限即可：
image.png
再次测试建表：
image.png
创建成功，继续创建测试表的表结构：
1-- 创建 customers 表2CREATE TABLE customers (3 customer_id INT PRIMARY KEY,4 country VARCHAR(100)5);67-- 创建 orders 表8CREATE TABLE orders (9 order_id INT PRIMARY KEY,10 customer_id INT,11 order_date DATE,12 FOREIGN KEY (customer_id) REFERENCES customers(customer_id)13);1415-- 创建 order_details 表16CREATE TABLE order_details (17 order_detail_id INT PRIMARY KEY,18 order_id INT,19 product_id INT,20 quantity INT,21 unit_price DECIMAL(10, 2),22 FOREIGN KEY (order_id) REFERENCES orders(order_id)23);2425-- 创建 products 表26CREATE TABLE products (27 product_id INT PRIMARY KEY,28 product_name VARCHAR(255),29 category_id INT30);3132-- 创建 categories 表33CREATE TABLE categories (34 category_id INT PRIMARY KEY,35 category_name VARCHAR(255)36);3738-- 添加索引以提高查询性能（可选）39CREATE INDEX idx_orders_customer_id ON orders(customer_id);40CREATE INDEX idx_order_details_order_id ON order_details(order_id);41CREATE INDEX idx_order_details_product_id ON order_details(product_id);42CREATE INDEX idx_products_category_id ON products(category_id);创建成功：
image.png
使用数据生成功能填充表数据：
image.png
经过之前版本迭代，目前数据生成功能十分好用：
1、这里需要注意检查一下测试 SQL 的查询条件，有没有一些特殊的值，比如日期范围，字符要求，根据实际情况生成数据，才能查到数据库。
2、如果有外键关系的表，要根据外键关系后生成数据，否则容易外键列为空。
image.png
image.png
image.png
image.png
image.png
image.png
分分钟就生成测试数据了，点赞！
接着，自然就是测试一下 SQL 能否正常运行了：
image.png
SQL 可以正常执行并且返回结果，执行时间为：33.037(毫秒)
image.png
接着看看小百灵的优化能力如何，让小百灵优化一下这条 SQL。
只需要在 SQLark 中选择需要优化的 SQL，右键问 AI 即可：
image.png
image.png
image.png
使用优化后的 SQL 执行：
image.png
时间减少到 25.903(毫秒)。
最后再测一下达梦知识检索功能，我尝试问了一个比较简单常用的问题：
帮我写一个一键开启达梦归档的脚本命令。
看看小百灵的回答如何：
image.png
image.png
生成的脚本如下：
1#!/bin/bash23# 数据库配置文件路径4DM_INI="/dmdata/DAMENG/dm.ini"5# 归档配置文件路径6DM_ARCH_INI="/dmdata/DAMENG/dmarch.ini"78# 修改dm.ini文件，开启归档9sed -i "s/ARCH_INI = 0/ARCH_INI = 1/g" $DM_INI1011# 如果dmarch.ini文件不存在，则创建并配置归档参数12if [ ! -f $DM_ARCH_INI ]; then13 cat <<EOF > $DM_ARCH_INI14[ARCHIVE_LOCAL1]15ARCH_TYPE = LOCAL16ARCH_DEST = /dmarch17ARCH_FILE_SIZE = 204818ARCH_SPACE_LIMIT = 10240019EOF20fi2122# 重启数据库以应用配置23systemctl restart DmServiceDMSERVER测试一下这个脚本，找一套没有开启归档的达梦数据库：
image.png
根据实际的环境修改一下脚本中的相关信息，比如文件路径，数据库服务名称等：
这里还有个问题，脚本需要在 dmdba 中运行，所以重启数据库服务需要用
DmServiceDAMENG restart命令，需要优化一下。
image.png
执行一键配置脚本：
image.png
查看归档是否开启：
image.png
没有生效，经过检查发现是 sed 命令没有替换成功，没有处理 = 号前面的空格问题导致：
image.png
优化 sed 命令：
1sed -i 's/\(\<ARCH_INI\>[[:space:]]*=[[:space:]]*\)0/\11/g' "$DM_INI"
image.png
优化后重新执行：
image.png
再次检查归档启用情况：
image.png
可以看到归档已经一键开启成功。总的来说，生成的内容正确率能达到 90% 以上，细节还需要打磨，听说这个月还会上满血版，不知道在细节方面会不会进一步优化。
经过一系列全面而深入的测试，我基本对 AI 小百灵的各项功能都体验了一把，总体来说还是很不错的，AI 小百灵已经可以满足大多数日常使用需求。虽然在某些方面还存在改进空间，但已经达到了一个令人满意的水平。
相信在未来，AI 小百灵还会推出更多令人惊喜的功能和更加智能的交互体验。