SQLE、SQM和PawSQL：深度评测企业级SQL审核平台

前言

在上文PawSQL: 企业级SQL审核工具的新玩家中说到，市场上主流的SQL审核工具，Yearning、Archery、Bytebase的审核模块、爱可生的SQLE、云和恩墨的SQM等，在规则覆盖度、或是正确率等方面存在明显不足，导致企业在引入产品后难以进行落地；PawSQL通过设计理念和核心技术的突破性创新，推出了自己的企业级SQL审核平台。

本次我们将深度评测这几款市场上主流SQL审核工具在审核规则覆盖度和审核结果正确性方面的表现。

规则覆盖度评测

为了提供直观的比较基础，我们简单地从规则数进行评价。我们从各个产品的最新文档或是DEMO环境获取了审核规则数最多的TOP5数据库类型。如下图所示，

由于Yearning、Archery和Bytebase的规则主要集中在DDL审核上，还难以称之为企业级的SQL审核平台，因此本文将重点放在SQLE、SQM和PawSQL三个企业级SQL审核产品的对比评测上。

SQLE：MySQL的审核专家

SQLE提供了154条针对MySQL的审核规则，以及对TDSQL for MySQL和OceanBase for MySQL的专门优化，显示出其在MySQL领域的专业性和深度。

SQM：Oracle的坚强后盾

SQM在Oracle数据库的审核上展现出了其强大的实力，提供了高达188条的审核规则。这一数字不仅体现了SQM对Oracle平台的深度支持，也反映了其在帮助企业应对复杂Oracle环境方面的能力；SQM为MySQL也提供了153条规则，说明它对MySQL也有非常好的规则覆盖度。

PawSQL：多种数据库审核的全能选手

与SQLE和SQM专注于特定数据库不同，PawSQL注重数据库类型支持的全面性和均衡性。PawSQL为MySQL、PostgreSQL、openGauss、Oracle和GoldenDB等多种数据库提供了大量的审核规则，规则数在各个数据库上都异常均衡，显示出其在多数据库环境中的优秀能力。PawSQL的优势在于能够为企业提供一致的审核体验，无论他们的数据库环境如何多样化。

审核正确性评测

由于SQLE、SQM和PawSQL三个产品在MySQL数据库上的规则数比较接近，我们都采用MySQL数据库的审核集进行评测。对于审核的对象，我们采用了TPC-H基准测试的8个建表语句和22个测试查询语句；我们采用离线审核的方式，以减少对环境的依赖。

DDL（建表语句）审核

下面是TPC-H基准测试的8个建表语句在三个平台上的审核结果。

SQM

SQLE

PawSQL

对比分析

可以看到，虽然SQLE和PawSQL的规则丰富度比SQM更好一些，但是三者在正确性方面都表现不错，SQLE和PawSQL出现的一个共同的误报问题，这是由于DDL外键/索引解析的错误导致的，案例如下：

CREATE TABLE ORDERS (
  O_ORDERKEY INT NOT NULL,
  ...
  KEY ORDERS_FK1 (O_CUSTKEY),
  CONSTRAINT ORDERS_IBFK_1 FOREIGN KEY (O_CUSTKEY) REFERENCES CUSTOMER (C_CUSTKEY)
) ENGINE=INNODB

对于如上的建表语句，`KEY ORDERS_FK1 (O_CUSTKEY)`定义的索引会被外键使用。所以不会产生两个非主键索引，即无论是否`KEY ORDERS_FK1 (O_CUSTKEY)`是否存在，数据库都只会创建一个二级索引。PawSQL在其最新的版本中已完成了对此问题的修复。

DQL（查询语句）审核

下面是TPC-H基准测试的22个查询语句在三个审核平台上的审核结果。

SQM

解析能力：SQM在解析SQL语句时遇到了困难，无法解析5个SQL语句，占比超过20%，这表明其对Interval常量、CTE和substring等特殊语法的处理存在局限。

误告警率：在给出的12类SQL警告中，有4类为误告警，误告警率达到了33.3%，这对于SQL审核任务的准确性和效率构成了严重影响。

SQLE

解析能力：SQLE的表现稍好于SQM，无法解析的SQL语句有1个，占比超过5%，可能是由于无法解析CTE的特殊语法。

误告警率：SQLE给出的12类SQL警告中，有1类为误告警，误告警率接近10%，虽然比SQM低，但仍然对审核任务有一定的负面影响。

PawSQL

解析能力：PawSQL展现了出色的解析能力，能够完成所有22个SQL语句的解析，没有出现无法处理的情况。

警告准确性：PawSQL给出20种SQL警告或提示，远超SQLE和SQM，PawSQL不仅关注SQL语句的规范性和正确性，还提供了性能优化的规则，并且对潜在的正确性问题（NPE重写，IN可空子查询可能导致结果集不符合预期）进行了提示，显示了其规则的精确性和深入分析SQL结构的能力。

对比分析

• 解析能力：PawSQL在解析能力方面明显优于SQM和SQLE，能够处理所有测试SQL语句，而SQM和SQLE都存在无法解析的情况。

• 误告警率：SQM的误告率最高，达到33.3%，远高于SQLE的接近10%和PawSQL的无误告警，这可能严重影响用户对审核结果的信任度和审核任务的效率。

• 规则精确性和深度：PawSQL不仅在规则精确性上表现优秀，还基于对SQL结构的深入理解提出了SQL性能调优的建议，而SQM和SQLE在这方面的表现则相对较弱。

说明

1. 本次测评中使用的SQLE的版本为部署在公网的企业版demo环境，地址为(http://demo.sqle.actionsky.com:8889/); 评测使用的SQM版本号为6.2，二者可能不是具有最新功能的版本，评测结果仅供参考。

2. 评测使用的TPCH测试集的DDL和DQL语句可以通过以下地址获取，读者可以自行验证。

https://github.com/Paw-SQL/PawSQL/tree/main/document/TPCH-Script(MySQL-Syntax)

总结

SQL审核是SQL代码投入生产的最后一道关卡，选择正确的SQL审核工具对于确保确保SQL代码质量至关重要。评测结果表明，即使用MySQL规则集作为测试对象，PawSQL在这次测试中表现也是最佳。借用友商的一句话，史上最强的SQL审核平台，不服来战。

关于PawSQL

PawSQL专注数据库性能优化的自动化和智能化，提供的解决方案覆盖SQL开发、测试、运维的整个流程，支持MySQL，PostgreSQL，openGauss，Oracle等各种数据库。

欢迎搜索关注PawSQL公众号，了解更多关于PawSQL的信息。