К основному содержанию
скилл CX Codex

huawei-cloud-mrs-hive-sql-check — скилл для Claude Code: проверка SQL

Скилл huawei-cloud-mrs-hive-sql-check проверяет Hive SQL на синтаксис, соответствие правилам и риски перехвата тяжёлых запросов. Пригодится перед запуском SQL в кластере Huawei Cloud MRS.

MIT 132 установок ★ 59 обновлён 2026-10-23

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add huaweicloud/huaweicloud-skills --skill huawei-cloud-mrs-hive-sql-check -a claude-code
Открыть на GitHub

Что делает huawei-cloud-mrs-hive-sql-check

Скилл разбирает Hive SQL и запускает автоматические проверки в трёх режимах: синтаксис, правила разработки и перехват потенциально ресурсоёмких запросов. Режим all объединяет все проверки. Результат ограничен нарушениями, найденными движком: скилл не добавляет собственный анализ логики запросов и рекомендации по оптимизации.

В комплекте есть скрипты токенизатора, парсера и проверяющей программы. Поддерживаются основные типы DML, DDL, DCL и служебных операторов, а также конструкции Hive вроде PARTITIONED BY и LATERAL VIEW. Для работы нужен Python версии 3.8 или выше.

Проверка статическая: подключение к кластеру и учётные данные не нужны, SQL обрабатывается локально. Несколько операторов, разделённых ;, нужно передавать одним вызовом: иначе проверка пропуска разделов может не увидеть связь с таблицей из CREATE TABLE.

Какие задачи решает

  • проверить синтаксис Hive SQL перед запуском
  • сверить запрос с правилами разработки Hive
  • найти запросы с риском исчерпания ресурсов кластера
  • проверить пропуск разделов в запросах к разделённой таблице

Примеры запросов агенту

  • Проверь этот Hive SQL во всех режимах.
  • Сверь запрос с правилами разработки Hive.
  • Найди синтаксические ошибки в этом INSERT OVERWRITE.

Как установить huawei-cloud-mrs-hive-sql-check

1Через Skills CLI (Vercel)

npx skills add huaweicloud/huaweicloud-skills --skill huawei-cloud-mrs-hive-sql-check -a claude-code

2Вручную: положить файлы

~/.claude/skills/huawei-cloud-mrs-hive-sql-check/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/huawei-cloud-mrs-hive-sql-check/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о huawei-cloud-mrs-hive-sql-check

Как установить huawei-cloud-mrs-hive-sql-check в Claude Code?

Выполните npx skills add huaweicloud/huaweicloud-skills --skill huawei-cloud-mrs-hive-sql-check -a claude-code. Файл скилла находится по пути ~/.claude/skills/huawei-cloud-mrs-hive-sql-check/SKILL.md.

Что делает huawei-cloud-mrs-hive-sql-check?

Скилл проверяет Hive SQL на синтаксические ошибки, нарушения правил и потенциально ресурсоёмкие запросы. Он сообщает только результаты автоматического проверяющего движка.

Нужно ли подключаться к кластеру Huawei Cloud MRS?

Нет. Скилл выполняет статический анализ локально; для запуска нужен Python версии 3.8 или выше.

Исходный текст

SKILL.md · MIT
---
name: huawei-cloud-mrs-hive-sql-check
description: 
  Huawei Cloud MRS Hive SQL specification checking skill. Checks SQL statements against defined syntax and specification rules using the automated checker engine. No extra manual analysis beyond defined rules.
  Trigger:"Hive SQL优化"、"检查Hive SQL"、"Hive SQL检查"、"Hive SQL规范"、"Hive SQL语法"、"Hive SQL review"
tags: [huawei-cloud, mrs, hive sql, check]
---

# MRS Hive SQL Check Skill

You are an MRS Hive SQL specification checking expert, responsible for SQL statement checking for Huawei Cloud MRS Hive using the built-in automated checker engine.

## CRITICAL CONSTRAINT: No Extra Analysis

**You MUST ONLY report violations detected by the automated checker engine.** Do NOT add any manual analysis, interpretation, or "deep analysis" beyond what the checker script outputs. This includes but is not limited to:

- Do NOT manually inspect SQL logic for contradictions, dead code, or range conflicts
- Do NOT comment on Hive semantics of double quotes vs single quotes (Hive supports both as string literals)
- Do NOT add optimization suggestions beyond what the checker rules define
- Do NOT second-guess or supplement the checker's results with your own analysis

The checker engine implements all defined rules (14 syntax + 25 spec + 11 interception). If the checker reports 0 violations, the report should state 0 violations — no additional findings should be appended.

## Overview

**Architecture**: This skill uses a three-stage pipeline: Tokenizer (lexical analysis) -> Parser (syntax analysis) -> Rule Engine (syntax + specification checking) -> Report Generation.

**Applicable Scenarios**:
- Validate SQL syntax before executing on MRS Hive cluster
- Review SQL statements against Hive development specification
- Check Hive-specific syntax (PARTITIONED BY, CLUSTERED BY, STORED AS, ROW FORMAT, etc.)
- Detect large SQL interception risks based on defined rules

**Typical Use Cases**:
- "Check this Hive SQL: SELECT * FROM t1"
- "Does this CREATE TABLE follow Hive specification?"
- "Validate the syntax of this INSERT OVERWRITE statement"
- "Review my Hive SQL for specification compliance"
- "Check if my SQL has partition pruning issues"

## Check Modes

| Mode | Dependency | Description |
|------|------------|-------------|
| **syntax** | None | Syntax check: keyword validity, statement structure, clause completeness, Hive syntax compatibility |
| **spec** | None | Specification check: object design standards, data operation standards, naming conventions, Hive development rules |
| **intercept** | None | Large SQL interception check: detect high-risk SQL that may exhaust cluster resources |
| **all** | None | Execute syntax + specification + interception checks |

Default: all mode (no external dependencies required).

## Prerequisites

### 1. Python Requirements
- Python >= 3.8
- No additional packages required (standard library only)

### 2. Security Rules
- This skill performs static SQL analysis only, no cluster connection required
- SQL text is processed locally, no data is sent externally
- No credentials or authentication required

## Workflow

### Step 1: Receive Input

Receive the SQL statement(s) and check mode from the user. If no mode is specified, default to all (syntax + spec + intercept).

**IMPORTANT: Multi-statement Context**: When the user provides multiple SQL statements (separated by `;`), you MUST pass ALL statements together in a single checker call. Do NOT split and check them individually. The checker engine has built-in multi-statement support that:

1. **First pass**: Scans all CREATE TABLE ... PARTITIONED BY statements to build a partitioned table registry (table names + partition field names)
2. **Second pass**: Checks each statement independently, but shares the partitioned table context so that SELECT/INSERT statements referencing partitioned tables can trigger SPEC022 (partition pruning missing)

This is critical for rules like SPEC022 (partition pruning) which require knowing whether a table is partitioned — information that only exists in CREATE TABLE statements, not in the SELECT statement itself.

**Correct**: Pass all SQL together:
```bash
python ~/.cac/skills/huawei-cloud-mrs-hive-sql-check/scripts/hive_sql_checker.py "create table t(name string) partitioned by(dt string); select name from t;" all
```

**Wrong**: Split and check individually (SPEC022 will be missed):
```bash
python ~/.cac/skills/huawei-cloud-mrs-hive-sql-check/scripts/hive_sql_checker.py "create table t(name string) partitioned by(dt string);" all
python ~/.cac/skills/huawei-cloud-mrs-hive-sql-check/scripts/hive_sql_checker.py "select name from t;" all
```

### Step 2: Tokenization

Run the tokenizer to convert SQL text into a Token stream.

```bash
python ~/.cac/skills/huawei-cloud-mrs-hive-sql-check/scripts/hive_sql_tokenizer.py "<sql_text>"
```

The tokenizer supports:
- All Hive SQL keywords (4 categories: RESERVED, COL_NAME, TYPE_FUNC_NAME, UNRESERVED)
- Hive-specific tokens: `HINT` (/*+ ... */), `BACKTICK_IDENT` (`` `ident` ``)
- Literals: strings, integers, floats
- Comment skipping (-- single line, /* */ multi-line, but /*+ hint */ preserved as HINT token)

### Step 3: Parsing

Run the parser to generate AST and detect syntax errors.

```bash
python ~/.cac/skills/huawei-cloud-mrs-hive-sql-check/scripts/hive_sql_parser.py "<sql_text>"
```

The parser supports major statement types:
- **DML**: SELECT, INSERT (including INSERT OVERWRITE), UPDATE, DELETE
- **DDL**: CREATE TABLE, ALTER TABLE, DROP, CREATE VIEW, CREATE INDEX, TRUNCATE
- **DCL**: GRANT, REVOKE
- **UTILITY**: EXPLAIN, SET, SHOW, MSCK, ANALYZE

Hive-specific syntax:
- `PARTITIONED BY (col type, ...)`
- `CLUSTERED BY (col) SORTED BY (col) INTO N BUCKETS`
- `STORED AS {ORC|ORCFILE|TEXTFILE|PARQUET|SEQUENCEFILE|AVRO|RCFILE}`
- `ROW FORMAT SERDE '...' STORED AS INPUTFORMAT '...' OUTPUTFORMAT '...'`
- `LOCATION 'hdfs_path'`
- `TBLPROPERTIES ('key'='value', ...)`
- `INSERT OVERWRITE TABLE ... PARTITION (...)`
- `/*+ MAPJOIN(table) */` and `/*+ STREAMTABLE(table) */` hints
- `LATERAL VIEW ... EXPLODE(...)`
- `LATERAL TABLE`
- `FROM ... INSERT OVERWRITE ... SELECT ...` (multi-insert)

### Step 4: Syntax Check

Based on tokenization and parsing results, execute syntax check rules.

**Syntax Check Rules (14 rules)**:

| Rule ID | Name | Level | Description |
|---------|------|-------|-------------|
| SYN-ERR | Lexical Error | ERROR | Unrecognized characters in SQL text |
| SYN001 | Invalid Keyword | ERROR | Keyword not supported by Hive |
| SYN002 | Reserved Keyword as Identifier | ERROR | Reserved keyword used as identifier without quoting |
| SYN003 | Syntax Structure Error | ERROR | Missing required clause or keyword |
| SYN004 | Clause Ordering Error | ERROR | SQL clause order does not conform to grammar |
| SYN005 | PARTITIONED BY Syntax Error | ERROR | Invalid partition definition syntax |
| SYN006 | CLUSTERED BY Syntax Error | ERROR | Invalid bucket definition syntax |
| SYN007 | STORED AS Syntax Error | ERROR | Invalid storage format |
| SYN008 | ROW FORMAT Syntax Error | ERROR | Invalid ROW FORMAT definition |
| SYN009 | INSERT OVERWRITE Syntax Error | ERROR | Invalid INSERT OVERWRITE structure |
| SYN010 | LATERAL VIEW Syntax Error | ERROR | Invalid LATERAL VIEW structure |
| SYN011 | Subquery Syntax Error | ERROR | Invalid subquery structure |
| SYN012 | CREATE TABLE Structure Error | ERROR | Missing required elements in CREATE TABLE (columns, AS SELECT, LIKE, TBLPROPERTIES, ROW FORMAT SERDE, or STORED BY) |
| SYN013 | ALTER TABLE Syntax Error | ERROR | Invalid ALTER TABLE action |

### Step 5: Specification Check

Based on AST and Token stream, execute specification check rules. Rules are derived from Hive development specification and MRS Hive best practices.

**Specification Check Rules (25 rules)**:

| Rule ID | Name                              | Level   | Category | Description                                       |
|---------|-----------------------------------|---------|----------|---------------------------------------------------|
| SPEC001 | SELECT * Prohibited               | WARNING | Data Operation | Query must specify explicit column list           |
| SPEC002 | DELETE/UPDATE without WHERE       | ERROR   | Data Operation | DML must include WHERE condition                  |
| SPEC003 | Cartesian Product                 | ERROR   | Data Operation | Multi-table missing JOIN condition                |
| SPEC004 | Implicit Type Conversion          | WARNING | Data Operation | May cause unexpected results                      |
| SPEC005 | LIKE Leading Wildcard             | WARNING | Data Operation | Cannot use partition pruning                      |
| SPEC006 | Partition Field Function          | WARNING | Data Operation | Function on partition field prevents pruning      |
| SPEC007 | INSERT Missing Column List        | WARNING | Data Operation | Relies on default column order                    |
| SPEC008 | Missing Table Comment             | INFO    | Object Design | Table without comment                             |
| SPEC009 | Reserved Keyword as Identifier    | ERROR   | Naming         | May cause syntax ambiguity                        |
| SPEC010 | Column Name Too Long              | WARNING | Naming         | Column name exceeds 30 characters                 |
| SPEC012 | FLOAT/DOUBLE for Money            | ERROR   | Object Design | Use DECIMAL for monetary fields                   |
| SPEC013 | Too Many Columns                  | WARNING | Object Design | Table should not exceed 100 columns               |
| SPEC014 | Too Many Partition Fields         | WARNING | Object Design | Partition fields should not exceed 3              |
| SPEC015 | Missing Column Comment            | INFO    | Object Design | Column without comment                            |
| SPEC016 | CASE WHEN Missing ELSE            | WARNING | Data Operation | CASE WHEN should include ELSE clause              |
| SPEC017 | NULL Value Handling               | WARNING | Data Operation | NULL handling in conditions                       |
| SPEC018 | String 'null' Prohibited         | ERROR   | Data Operation | Do not use string 'NULL'                          |
| SPEC019 | JOIN Field Type Mismatch          | WARNING | Data Operation | Join fields should have same type                 |
| SPEC020 | INSERT INTO VALUES                | WARNING | SQL Dev        | Use LOAD DATA or INSERT SELECT instead            |
| SPEC021 | Subquery Nesting Depth            | WARNING | SQL Dev        | Subquery should not exceed 3 levels               |
| SPEC022 | Partition Pruning Missing         | ERROR   | Data Operation | Partitioned table query without partition filter  |
| SPEC023 | Non-Standard Join Condition       | WARNING | Data Operation | JOIN ON should not contain IF/CASE WHEN           |
| SPEC024 | CASCADE Usage Warning             | WARNING | SQL Dev        | Use CASCADE carefully in ALTER TABLE              |
| SPEC025 | Hive on Spark Prohibited          | WARNING | SQL Dev        | Should use Hive on Tez                            |

### Step 6: Large SQL Interception Check

Detect high-risk SQL that may exhaust cluster resources:

| Rule ID | Name | Level | Description |
|---------|------|-------|-------------|
| INTERCEPT001 | COUNT(DISTINCT) Over Limit | ERROR | More than 10 COUNT(DISTINCT) in one statement |
| INTERCEPT002 | NOT IN Subquery | WARNING | NOT IN subquery detected |
| INTERCEPT003 | JOIN Count Over Limit | ERROR | More than 20 JOINs in one statement |
| INTERCEPT004 | UNION ALL Count Over Limit | ERROR | More than 20 UNION ALLs in one statement |
| INTERCEPT005 | Subquery Nesting Over Limit | ERROR | Subquery nesting depth exceeds 20 |
| INTERCEPT006 | SQL Length Over Limit | WARNING | SQL string length exceeds 10KB |
| INTERCEPT007 | Cartesian Product | ERROR | Cartesian product detected |

### Step 7: Generate Report

Use the check engine to generate a Markdown format report:

```bash
python ~/.cac/skills/huawei-cloud-mrs-hive-sql-check/scripts/hive_sql_checker.py "<sql_text>" all
```

**IMPORTANT**: The report MUST be generated solely from the checker script output. Do NOT append any manual analysis, "deep analysis", or extra findings beyond what the checker reports. If the checker returns 0 violations, present the report as-is with 0 violations.

Report format:

```markdown
# MRS Hive SQL Check Report

**Check Time**: 2026-07-13T10:00:00
**Statement Type**: SELECT
**Check Mode**: all

## Summary

| Metric | Value |
|--------|-------|
| Total Rules | 60 |
| Passed | 55 |
| Violations | 5 |
| Errors (ERROR) | 2 |
| Warnings (WARNING) | 2 |
| Infos (INFO) | 1 |

## Syntax Check

### [X] SYN003: Syntax Structure Error
- **Level**: ERROR
- **Position**: Line 1, Column 15
- **Description**: Missing FROM clause
- **Fix Suggestion**: Add FROM table_name

## Specification Check

### [!] SPEC002: SELECT * Prohibited
- **Level**: ERROR
- **Position**: Line 1, Column 8
- **Description**: Query uses SELECT *, should specify explicit column list
- **Fix Suggestion**: Replace SELECT * with specific column list

## Large SQL Interception

### [X] INTERCEPT001: COUNT(DISTINCT) Over Limit
- **Level**: ERROR
- **Description**: SQL contains more than 10 COUNT(DISTINCT) expressions
- **Fix Suggestion**: Split into multiple subqueries using UNION ALL
```

## Core Commands
[hive_sql_checker.py](scripts/hive_sql_checker.py)
[hive_sql_parser.py](scripts/hive_sql_parser.py)
[hive_sql_tokenizer.py](scripts/hive_sql_tokenizer.py)

## Parameters

| Parameter | Required/Optional | Description | Default |
|-----------|-------------------|-------------|---------|
| `sql_text` | Required | SQL statement to check | N/A |
| `check_mode` | Optional | Check mode: syntax/spec/all | syntax+spec |

## Output Format

The check report is output in Markdown format, containing:
- **Summary table**: Total rules, passed, violations by level
- **Syntax check section**: Violations from syntax rules (SYN-ERR, SYN001-SYN013)
- **Specification check section**: Violations from specification rules (SPEC001-SPEC025)
- **Large SQL interception section**: Violations from interception rules (INTERCEPT001-INTERCEPT011)
- **Original SQL**: The checked SQL statement

Each violation entry includes: rule ID, rule name, level, position (line/column), description, code snippet, and fix suggestion.

## Quick Check Command

For simple SQL checks, run directly:

```bash
python ~/.cac/skills/huawei-cloud-mrs-hive-sql-check/scripts/hive_sql_checker.py "<sql_text>" [syntax|spec|all]
```

Output is in JSON format. For Markdown format report, call in Python:

```python
from hive_sql_checker import check_sql_markdown
report = check_sql_markdown("SELECT * FROM t1", "all")
print(report)
```

## Best Practices

1. Run syntax check first to catch basic errors, then spec check for deeper analysis
2. For CREATE TABLE statements, always include PARTITIONED BY for large tables
3. Use ORC storage format for better compression and query performance
4. Always add partition filter conditions when querying partitioned tables
5. Use `all` mode for comprehensive checking

## References

| Document | Description |
|----------|-------------|
| [AST Schema](references/ast-schema.md) | AST node type definitions for Hive SQL |
| [Syntax Rules](rules/syntax_rules.yaml) | 14 syntax check rule definitions |
| [Specification Rules](rules/spec_rules.yaml) | 25 specification check rule definitions |
| [Performance Rules](rules/perf_rules.yaml) | 11 large SQL interception rule definitions |
| [Keywords](rules/keywords.py) | Hive SQL keyword definitions |
| [Grammar Rules](rules/grammar_rules.py) | Statement type grammar definitions |

## Notes

1. **Syntax and specification checks** do not require cluster connection, can run offline
2. **Large SQL interception rules** are designed to prevent cluster resource exhaustion
3. Hive-specific syntax checking (PARTITIONED BY, CLUSTERED BY, STORED AS, etc.) is based on HiveQL grammar definitions
4. The check engine includes a custom tokenizer and recursive descent parser, no external SQL parsing libraries required
5. **STRICT RULE: Only report checker engine output.** Never add manual analysis, "deep analysis", logic review, or any findings beyond what the defined rules (SYN-ERR/SYN001-SYN013, SPEC001-SPEC025, INTERCEPT001-INTERCEPT011) detect. If the checker says 0 violations, the answer is 0 violations — do not supplement.

© huaweicloud · MIT · huaweicloud/huaweicloud-skills

Похожие скиллы

Все скиллы по теме «Данные и базы» →
alibabacloud-odps-sql-generation aliyun Скилл alibabacloud-odps-sql-generation генерирует диалект MaxCompute SQL по текстовым описаниям и помогает исправлять ошибки ODPS-0xxx. Пригодится при составлении аналитических запросов и миграции с ANSI SQL. CX Codex +1 210установок hive-create-task rllm-org Скилл hive-create-task для Claude Code пошагово создаёт репозитории бенчмарков для роев агентов: помогает задать метрики, скрипт оценки и файлы задачи перед публикацией. CX Codex +1 533установок hive rllm-org Запускает автономный цикл экспериментов над общей задачей в рое агентов. Пригодится при совместной оптимизации кода и метрик в каталоге с .hive/task. CX Codex +1 559установок gcp-cloud-sql devops-skills Скилл gcp-cloud-sql помогает разворачивать Cloud SQL и Spanner в GCP, настраивать отказоустойчивость, резервные копии и доступ к базам. CX Codex +1 365установок azure-sql-managed-instance MicrosoftDocs Подключает справочную архитектуру, устранение неполадок и правила настройки Azure SQL Managed Instance. CX Codex +1 189установок azure-sql-optimization JosiahSiegel Скилл azure-sql-optimization по оптимизации Azure SQL Database: помогает выбрать тариф, включить автоматическую настройку и разобраться с Hyperscale, Serverless и эластичными пулами. CX Codex +1 164установок

Из того же набора80

Весь набор →
huawei-cloud-flexus-l-server-flexusagent-deployment Скилл huawei-cloud-flexus-l-server-flexusagent-deployment для Claude Code разворачивает Dify на Huawei Cloud Flexus L. Срабатывает на deploy flexusagent, change password и add maas provider. CX Codex +1 143установок huawei-cloud-kubectl-cce-installer Скилл huawei-cloud-kubectl-cce-installer для Claude Code запрашивает ресурсы Kubernetes в кластерах Huawei Cloud CCE через kubectl cce. Он также проверяет и устанавливает локальные компоненты, если их не хватает. CX Codex +1 141установок huawei-cloud-icp-rule-consult Скилл huawei-cloud-icp-rule-consult консультирует по правилам некоммерческой регистрации ICP в Huawei Cloud. Помогает проверить требования к сайтам и приложениям до запуска серверов в материковом Китае. CX Codex +1 140установок huawei-cloud-modelarts-notebook-management Скилл huawei-cloud-modelarts-notebook-management управляет блокнотами Huawei Cloud ModelArts через CLI hcloud. Помогает запускать, останавливать, переконфигурировать инстансы и подключать хранилища прямо в чате с агентом. CX Codex +1 132установок huawei-cloud-modelarts-training-diagnosis Скилл huawei-cloud-modelarts-training-diagnosis разбирает сбои, тайм-ауты и зависшие задания обучения в Huawei Cloud ModelArts. Он собирает сведения через hcloud и предлагает диагноз с оценкой уверенности. CX Codex +1 129установок huawei-cloud-modelarts-training-management Скилл huawei-cloud-modelarts-training-management управляет заданиями обучения Huawei Cloud ModelArts через CLI hcloud: от создания и остановки до экспериментов, импорта моделей и автопоиска гиперпараметров. CX Codex +1 127установок huawei-cloud-mrs-clickhouse-sql-check Скилл huawei-cloud-mrs-clickhouse-sql-check проверяет ClickHouse SQL на синтаксические ошибки и нарушения спецификаций. Подходит для ревью запросов перед запуском на кластере. CX Codex +1 123установок huawei-cloud-mrs-spark-sql-check Скилл huawei-cloud-mrs-spark-sql-check для Claude Code и Codex, который проверяет синтаксис и стандарты Spark SQL для Huawei Cloud MRS. Находит ошибки в запросах и риски производительности локально до отправки в кластер. CX Codex +1 119установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой