# pg_knowledge_graph

**Repository Path**: shenyuflying/pg_knowledge_graph

## Basic Information

- **Project Name**: pg_knowledge_graph
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2026-02-13
- **Last Updated**: 2026-02-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# DBKnowlege - PostgreSQL 慢 SQL 诊断知识图谱

## 项目简介

DBKnowlege 是一个基于 Flask 和知识图谱的 PostgreSQL 慢 SQL 诊断系统，旨在帮助数据库管理员和开发人员快速识别、分析和解决 PostgreSQL 数据库中的慢 SQL 问题。

## 核心功能

### 1. 知识图谱可视化
- 交互式知识图谱展示
- 节点和关系的可视化编辑
- 支持多知识图谱文件管理

### 2. Markdown 案例导入与分析
- 支持上传 Markdown 格式的慢 SQL 案例
- 利用大模型自动分析案例内容
- 智能提取问题现象、根因分析、解决方案等信息
- 自动更新知识图谱

### 3. 相似节点分析与合并
- 自动识别相似的知识图谱节点
- 生成节点合并建议
- 支持选择性合并节点，优化知识图谱结构

### 4. 节点和关系管理
- 创建、更新、删除知识图谱节点
- 管理节点间的关系
- 支持节点详情查看

### 5. OpenAI 集成
- 可配置的 OpenAI API 设置
- 利用大模型生成知识内容
- 智能分析节点相似性

## 技术栈

- **后端**：Python 3.10+, Flask 2.0.1
- **前端**：HTML5, CSS3, JavaScript
- **知识图谱**：自定义 JSON 格式
- **大模型集成**：OpenAI API
- **依赖管理**：pip

## 快速开始

### 1. 环境要求

- Python 3.10 或更高版本
- PostgreSQL 数据库（用于实际慢 SQL 测试，非系统运行必需）
- OpenAI API 密钥（可选，用于启用大模型功能）

### 2. 安装步骤

1. **克隆项目**

   ```bash
   git clone https://github.com/yourusername/DBKnowlege.git
   cd DBKnowlege
   ```

2. **安装依赖**

   ```bash
   pip install -r requirements.txt
   ```

3. **配置环境变量**

   创建 `.env` 文件，添加以下配置：

   ```
   # OpenAI API 配置（可选）
   OPENAI_API_KEY=your_openai_api_key
   OPENAI_API_BASE=https://api.openai.com/v1
   OPENAI_MODEL_NAME=gpt-3.5-turbo
   ```

4. **启动应用**

   ```bash
   python app.py
   ```

5. **访问应用**

   打开浏览器，访问 `http://localhost:5000`

## 使用指南

### 1. 导入慢 SQL 案例

1. 点击 "导入案例" 按钮
2. 选择一个 Markdown 格式的慢 SQL 案例文件
3. 系统会自动分析案例内容并更新知识图谱

### 2. 浏览和编辑知识图谱

1. 在主界面上浏览知识图谱
2. 点击节点查看详情
3. 使用编辑工具创建、更新或删除节点和关系

### 3. 分析相似节点

1. 点击 "分析相似节点" 按钮
2. 系统会自动识别并分组相似的节点
3. 查看合并建议并执行选择性合并

### 4. 管理知识图谱文件

1. 点击 "图谱管理" 按钮
2. 创建新的知识图谱文件
3. 切换或删除现有知识图谱文件

### 5. 配置 OpenAI 设置

1. 点击 "设置" 按钮
2. 输入 OpenAI API 密钥和相关配置
3. 保存配置以启用大模型功能

## 项目结构

```
DBKnowlege/
├── app.py                 # 主应用文件
├── llm_integration.py     # OpenAI 集成模块
├── data_manager.py        # 数据管理模块
├── models.py              # 数据模型
├── requirements.txt       # 依赖管理
├── .env                   # 环境变量配置
├── templates/
│   └── index.html         # 主页面模板
├── static/
│   ├── css/               # 样式文件
│   └── js/                # JavaScript 文件
├── knowledge_graphs/      # 知识图谱 JSON 文件
├── uploads/               # 上传的 Markdown 文件
└── cases/                 # 案例文件
```

## 知识图谱结构

知识图谱使用 JSON 格式存储，包含以下结构：

```json
{
  "nodes": [
    {
      "id": 1,
      "name": "问题现象名称",
      "type": "phenomenon",
      "description": "问题现象描述"
    },
    {
      "id": 2,
      "name": "根因分析名称",
      "type": "root_cause",
      "description": "根因分析描述"
    },
    {
      "id": 3,
      "name": "解决方案名称",
      "type": "solution",
      "description": "解决方案描述"
    }
  ],
  "relationships": [
    {
      "id": 1,
      "source": 1,
      "target": 2,
      "type": "causes",
      "description": "关系描述"
    },
    {
      "id": 2,
      "source": 2,
      "target": 3,
      "type": "solves",
      "description": "关系描述"
    }
  ]
}
```

## 节点类型

- `phenomenon`: 问题现象
- `root_cause`: 根因分析
- `solution`: 解决方案
- `monitoring`: 监控指标
- `recovery`: 恢复步骤
- `location`: 定位步骤

## 关系类型

- `causes`: 导致
- `solves`: 解决
- `monitors`: 监控
- `recovers`: 恢复
- `locates`: 定位

## 案例格式要求

上传的 Markdown 案例文件建议包含以下部分：

```markdown
# 案例标题

## 问题现象
问题现象描述...

## 根因分析
根因分析描述...

## 解决方案
解决方案描述...

## 监控指标
监控指标描述...

## 定位步骤
1. 定位步骤1
2. 定位步骤2

## 恢复步骤
1. 恢复步骤1
2. 恢复步骤2
```

## 开发指南

### 添加新功能

1. 在 `app.py` 中添加新的 API 端点
2. 在 `static/js/` 中添加对应的前端逻辑
3. 在 `data_manager.py` 中添加数据处理逻辑
4. 在 `llm_integration.py` 中添加大模型相关功能

### 测试

- 运行应用并访问 `http://localhost:5000`
- 导入测试案例文件
- 验证知识图谱更新
- 测试相似节点分析功能

## 许可证

本项目采用 MIT 许可证。详见 LICENSE 文件。

## 贡献

欢迎提交 Issue 和 Pull Request 来帮助改进这个项目！

## 联系方式

如有问题或建议，请通过以下方式联系：

- 邮箱：your.email@example.com
- GitHub：https://github.com/yourusername/DBKnowlege