前言「收集汇聚表信息」翻译成工程语言就是生成一份数据字典这个库里有哪些表、每张表有几个字段、字段类型和注释是什么、索引怎么建的、大致占多少空间。它最常见的三个用途是写文档、做数据治理盘点、以及给别人交接时快速摸底。先说两个必须先纠正的认识。第一个误解information_schema.TABLES里的TABLE_ROWS是精确行数。不是。MySQL 官方文档明确写了对 InnoDB 这类存储引擎这个值只是 SQL 优化用的粗略估算值DATA_LENGTH同理对 InnoDB 是「近似分配的簇索引空间」。所以它可以用来做容量趋势判断不能用来做对账或报表。要精确行数只能SELECT COUNT(*)。第二个误解这些元数据查询「不费资源随便跑」。在表数量很多的实例上全库扫描information_schema可能相当慢还可能影响其他会话。收集任务要限定库名、避开业务高峰期、必要时加上超时。本文用 PyMySQL 从information_schema取四种信息库表清单、列定义、索引、表级统计最后汇聚成一份 JSON / Markdown 数据字典。所有条件值都走参数化。一、取元数据的三种方式方式写法适合场景局限information_schema视图SELECT ... FROM information_schema.TABLES WHERE TABLE_SCHEMA %s程序化收集、批量导出、可加条件过滤字段多需要自己拼接展示SHOW系列SHOW TABLES、SHOW FULL COLUMNS FROM t、SHOW INDEX FROM t人工在客户端里快速看一次只针对一张表程序里要用SHOW的结果再解析SHOW CREATE TABLESHOW CREATE TABLE t要拿到可复制的建表 DDL返回的是整段文本程序难以结构化利用结论要程序化「汇聚」就用information_schema要人眼看就用SHOW。两者不冲突但别用SHOW去拼一个批量脚本——你会陷入「逐表发命令 解析文本」的麻烦里。一个实用技巧TABLE_SCHEMA DATABASE()可以自动匹配当前连接所在的库省掉手填库名。但库名如果来自外部输入一定要走参数化不能拼字符串。二、库表清单与表级统计# 适用于 Python 3.9import osimport pymysqlfrom pymysql.cursors import DictCursorconn pymysql.connect(hostos.environ.get(MYSQL_HOST, 127.0.0.1),port3306,useros.environ[MYSQL_USER],passwordos.environ[MYSQL_PASSWORD],databaseos.environ.get(MYSQL_DB, school),charsetutf8mb4,cursorclassDictCursor,connect_timeout5,)SQL_TABLES SELECT TABLE_NAME, ENGINE, TABLE_ROWS, DATA_LENGTH, INDEX_LENGTH,TABLE_COLLATION, TABLE_COMMENT, CREATE_TIMEFROM information_schema.TABLESWHERE TABLE_SCHEMA %s AND TABLE_TYPE BASE TABLEORDER BY TABLE_NAMEdb_name os.environ.get(MYSQL_DB, school)with conn.cursor() as cur:cur.execute(SQL_TABLES, (db_name,))tables cur.fetchall()for t in tables:size_kb ((t[DATA_LENGTH] or 0) (t[INDEX_LENGTH] or 0)) / 1024print(f{t[TABLE_NAME]:24}{t[ENGINE]:10}f约 {t[TABLE_ROWS] or 0:8} 行 {size_kb:10.1f} KB {t[TABLE_COMMENT] or })conn.close()几个字段的含义与陷阱TABLE_TYPE BASE TABLE用来排除视图。视图也在TABLES里但字段含义不同混在一起统计会不准确。如果是分区表分区会以BASE TABLE之外的类型另列注意你的 MySQL 版本对应的取值。TABLE_ROWSInnoDB 下是估算值如上所述。DATA_LENGTHINDEX_LENGTH数据与索引的近似占用。判断「哪张表最大」够用做容量审计不够。TABLE_COMMENT建表时写的注释。如果团队不写注释这一列会大面积是空的——数据字典的价值有一半来自注释评审时值得专门提出来。CREATE_TIME对 InnoDB 表通常只在表创建时有值很多场景下会是NULL不要拿它当「最后修改时间」。注意上面代码里的db_name是单独用变量保存的不是从连接对象上读的。有些驱动会在连接建立后把连接对象上保存的库名内部转成字节串直接拿去拼 SQL 或做字符串比较会得到bschool这种结果。库名自己留一份比从连接对象上反查更可靠。三、列定义数据字典的主体列级信息是数据字典里最有用的部分字段名、类型、是否可空、默认值、键标记、注释。# 适用于 Python 3.9接上一节的 conn 和 db_nameSQL_COLUMNS SELECT TABLE_NAME, COLUMN_NAME, ORDINAL_POSITION, COLUMN_TYPE,IS_NULLABLE, COLUMN_DEFAULT, COLUMN_KEY, EXTRA, COLUMN_COMMENTFROM information_schema.COLUMNSWHERE TABLE_SCHEMA %sORDER BY TABLE_NAME, ORDINAL_POSITIONwith conn.cursor() as cur:cur.execute(SQL_COLUMNS, (db_name,))columns cur.fetchall()# 按表分组生成一份可直接看的文本字典from collections import defaultdictby_table defaultdict(list)for c in columns:by_table[c[TABLE_NAME]].append(c)for table, cols in by_table.items():print(f\n## {table})print(f{#:4}{列名:20}{类型:18}{可空:6}{键:5}注释)for c in cols:print(f{c[ORDINAL_POSITION]:4}{c[COLUMN_NAME]:20}f{c[COLUMN_TYPE]:18}{c[IS_NULLABLE]:6}f{(c[COLUMN_KEY] or -):5}{c[COLUMN_COMMENT] or })字段释义ORDINAL_POSITION是列在表里的序位从 1 开始。排序要靠它不要靠列名的字母序——字母序会把物理顺序打乱看的人会误解语义。COLUMN_TYPE是「完整类型」例如varchar(50)、int(10) unsigned、enum(M,F)。而DATA_TYPE只有基础类型名varchar、int、enum。展示用COLUMN_TYPE判断归类用DATA_TYPE。COLUMN_KEYPRI主键、UNI唯一索引的首列、MUL非唯一索引的首列、空表示没有索引。注意它只标记「在某个索引里的首列」组合索引的后续列不会在这里标出来——完整的索引信息要看STATISTICS。EXTRA常见值有auto_increment自增、DEFAULT_GENERATED有生成表达式、on update CURRENT_TIMESTAMP更新时自动刷新时间。COLUMN_DEFAULT在 MySQL 8.0 中对有表达式的默认值会以表达式文本形式显示。四、索引信息# 适用于 Python 3.9SQL_INDEXES SELECT TABLE_NAME, INDEX_NAME, NON_UNIQUE, SEQ_IN_INDEX,COLUMN_NAME, CARDINALITY, INDEX_TYPEFROM information_schema.STATISTICSWHERE TABLE_SCHEMA %sORDER BY TABLE_NAME, INDEX_NAME, SEQ_IN_INDEXwith conn.cursor() as cur:cur.execute(SQL_INDEXES, (db_name,))indexes cur.fetchall()current Nonefor idx in indexes:key (idx[TABLE_NAME], idx[INDEX_NAME])if key ! current:current keyunique 唯一 if idx[NON_UNIQUE] 0 else 普通print(f\n[{idx[TABLE_NAME]}] {idx[INDEX_NAME]} ({unique}, {idx[INDEX_TYPE]}))print(f {idx[SEQ_IN_INDEX]}. {idx[COLUMN_NAME]})理解这张表的三个关键点一行 索引的一个列位。组合索引(a, b)会产生两行SEQ_IN_INDEX分别是 1 和 2。判断一个索引是不是组合索引就看同一INDEX_NAME下有没有多行。NON_UNIQUE 0表示唯一索引。这个名字是反的容易看错。CARDINALITY是估算的基数不重复值个数的估计。它由统计信息得来可能过时可以用ANALYZE TABLE刷新。用它判断「索引有没有被用上」「选择性高不高」只能做粗略参考不要当精确指标。五、汇聚成一份数据字典把上面三类结果合起来导出成 JSON方便后续做比对比如上线前后 diff 出「结构变了哪些」。# 适用于 Python 3.9import jsondef collect_dictionary(conn, schema):把库的表 / 列 / 索引 / 统计收进一个嵌套字典。result {}with conn.cursor() as cur:cur.execute(SQL_TABLES, (schema,))for t in cur.fetchall():result[t[TABLE_NAME]] {engine: t[ENGINE],collation: t[TABLE_COLLATION],comment: t[TABLE_COMMENT] or ,approx_rows: t[TABLE_ROWS],approx_bytes: (t[DATA_LENGTH] or 0) (t[INDEX_LENGTH] or 0),columns: [],indexes: {},}cur.execute(SQL_COLUMNS, (schema,))for c in cur.fetchall():table result.get(c[TABLE_NAME])if table is None: # 视图等不在表清单里的对象跳过continuetable[columns].append({name: c[COLUMN_NAME],type: c[COLUMN_TYPE],nullable: c[IS_NULLABLE] YES,default: c[COLUMN_DEFAULT],key: c[COLUMN_KEY],extra: c[EXTRA],comment: c[COLUMN_COMMENT] or ,})cur.execute(SQL_INDEXES, (schema,))for i in cur.fetchall():table result.get(i[TABLE_NAME])if table is None:continueentry table[indexes].setdefault(i[INDEX_NAME],{unique: i[NON_UNIQUE] 0, type: i[INDEX_TYPE], columns: []},)entry[columns].append(i[COLUMN_NAME])return resultif __name__ __main__:conn pymysql.connect(host127.0.0.1, userapp, passwordapp_password,databaseschool, charsetutf8mb4,cursorclassDictCursor,)try:dictionary collect_dictionary(conn, school)with open(schema_dump.json, w, encodingutf-8) as fp:json.dump(dictionary, fp, ensure_asciiFalse, indent2)print(f已导出 {len(dictionary)} 张表的定义)finally:conn.close()注意ensure_asciiFalse不写这一项中文注释会被转义成\uXXXX虽然数据没错但人工看 JSON 时完全不可读。同时open()必须显式encodingutf-8否则在 Windows 上会按系统默认编码GBK写文件跨平台后出现乱码。用同样的思路可以再加一层把两次采集的 JSON 做 diff就能得到「新增了哪些列」「哪个索引不见了」的结构变更报告。这比人工比对建表语句可靠得多。常见坑点1. 把TABLE_ROWS当精确行数❌print(这张表有, row[TABLE_ROWS], 条记录)——InnoDB 下这是估算值可能偏差很大。✅ 展示时明确标注「约」需要精确值时对目标表执行SELECT COUNT(*)。2. 把库名拼进 SQL❌cur.execute(fSELECT ... FROM information_schema.TABLES WHERE TABLE_SCHEMA {schema})——库名来自参数时就是注入入口。✅cur.execute(... WHERE TABLE_SCHEMA %s, (schema,))。3. 忘了排除视图❌ 只按TABLE_SCHEMA过滤视图、分区被一并算进表数量统计结果对不上。✅ 明确加上TABLE_TYPE BASE TABLE需要视图时另开一条查询。4. 用DATA_TYPE展示类型❌ 输出varchar、int、date看不到长度和 unsigned读者无法据此建表。✅ 展示用COLUMN_TYPEvarchar(50)、int unsigned只有做类型归类时才用DATA_TYPE。5. 用COLUMN_KEY判断「这一列有没有索引」❌ 看到组合索引的第二列COLUMN_KEY是空就认为它没索引于是又建了一个单列索引。✅ 索引完整性信息只在information_schema.STATISTICS里COLUMN_KEY只标首列。6. 把CARDINALITY当精确去重数❌ 用CARDINALITY直接算「去重用户数」——它是估算值还可能过时。✅ 只把它当选择性的粗略参考精确值用COUNT(DISTINCT col)。7. 导出 JSON 没写ensure_asciiFalse和encoding❌json.dump(data, open(d.json, w))——中文注释变\uXXXX且 Windows 上默认 GBK 编码写出会炸或乱码。✅open(d.json, w, encodingutf-8)配合json.dump(..., ensure_asciiFalse, indent2)。8. 在业务高峰期全库扫元数据❌ 定时任务每 5 分钟对上百张表的实例做一次全量information_schema扫描。✅ 限定库名、降低频率、避开高峰必要时拆分成按需采集。总结采集目标数据来源关键注意点表清单information_schema.TABLES用TABLE_TYPE BASE TABLE排除视图容量/行数TABLES的DATA_LENGTH、INDEX_LENGTH、TABLE_ROWSInnoDB 下全是近似值只能做趋势列定义information_schema.COLUMNS展示用COLUMN_TYPE按ORDINAL_POSITION排序索引information_schema.STATISTICS一行一个列位NON_UNIQUE 0才是唯一索引导出json.dump到文件encodingutf-8ensure_asciiFalse安全全程参数化库名等条件值走%s不要拼字符串information_schema是一套标准的、只读的元数据视图用 Python 读它的价值在于可重复、可对比、可自动化。把「采集 → 导出 → diff」做成一个小工具数据字典就不再是一次性文档而成了能纳入流程的检查项。 
长河君 · 2026/10/30 5:17:47 · 阅读 1.2k 通过Python收集汇聚MySQL 表信息的实例详解
前言「收集汇聚表信息」翻译成工程语言就是生成一份数据字典这个库里有哪些表、每张表有几个字段、字段类型和注释是什么、索引怎么建的、大致占多少空间。它最常见的三个用途是写文档、做数据治理盘点、以及给别人交接时快速摸底。先说两个必须先纠正的认识。第一个误解information_schema.TABLES里的TABLE_ROWS是精确行数。不是。MySQL 官方文档明确写了对 InnoDB 这类存储引擎这个值只是 SQL 优化用的粗略估算值DATA_LENGTH同理对 InnoDB 是「近似分配的簇索引空间」。所以它可以用来做容量趋势判断不能用来做对账或报表。要精确行数只能SELECT COUNT(*)。第二个误解这些元数据查询「不费资源随便跑」。在表数量很多的实例上全库扫描information_schema可能相当慢还可能影响其他会话。收集任务要限定库名、避开业务高峰期、必要时加上超时。本文用 PyMySQL 从information_schema取四种信息库表清单、列定义、索引、表级统计最后汇聚成一份 JSON / Markdown 数据字典。所有条件值都走参数化。一、取元数据的三种方式方式写法适合场景局限information_schema视图SELECT ... FROM information_schema.TABLES WHERE TABLE_SCHEMA %s程序化收集、批量导出、可加条件过滤字段多需要自己拼接展示SHOW系列SHOW TABLES、SHOW FULL COLUMNS FROM t、SHOW INDEX FROM t人工在客户端里快速看一次只针对一张表程序里要用SHOW的结果再解析SHOW CREATE TABLESHOW CREATE TABLE t要拿到可复制的建表 DDL返回的是整段文本程序难以结构化利用结论要程序化「汇聚」就用information_schema要人眼看就用SHOW。两者不冲突但别用SHOW去拼一个批量脚本——你会陷入「逐表发命令 解析文本」的麻烦里。一个实用技巧TABLE_SCHEMA DATABASE()可以自动匹配当前连接所在的库省掉手填库名。但库名如果来自外部输入一定要走参数化不能拼字符串。二、库表清单与表级统计# 适用于 Python 3.9import osimport pymysqlfrom pymysql.cursors import DictCursorconn pymysql.connect(hostos.environ.get(MYSQL_HOST, 127.0.0.1),port3306,useros.environ[MYSQL_USER],passwordos.environ[MYSQL_PASSWORD],databaseos.environ.get(MYSQL_DB, school),charsetutf8mb4,cursorclassDictCursor,connect_timeout5,)SQL_TABLES SELECT TABLE_NAME, ENGINE, TABLE_ROWS, DATA_LENGTH, INDEX_LENGTH,TABLE_COLLATION, TABLE_COMMENT, CREATE_TIMEFROM information_schema.TABLESWHERE TABLE_SCHEMA %s AND TABLE_TYPE BASE TABLEORDER BY TABLE_NAMEdb_name os.environ.get(MYSQL_DB, school)with conn.cursor() as cur:cur.execute(SQL_TABLES, (db_name,))tables cur.fetchall()for t in tables:size_kb ((t[DATA_LENGTH] or 0) (t[INDEX_LENGTH] or 0)) / 1024print(f{t[TABLE_NAME]:24}{t[ENGINE]:10}f约 {t[TABLE_ROWS] or 0:8} 行 {size_kb:10.1f} KB {t[TABLE_COMMENT] or })conn.close()几个字段的含义与陷阱TABLE_TYPE BASE TABLE用来排除视图。视图也在TABLES里但字段含义不同混在一起统计会不准确。如果是分区表分区会以BASE TABLE之外的类型另列注意你的 MySQL 版本对应的取值。TABLE_ROWSInnoDB 下是估算值如上所述。DATA_LENGTHINDEX_LENGTH数据与索引的近似占用。判断「哪张表最大」够用做容量审计不够。TABLE_COMMENT建表时写的注释。如果团队不写注释这一列会大面积是空的——数据字典的价值有一半来自注释评审时值得专门提出来。CREATE_TIME对 InnoDB 表通常只在表创建时有值很多场景下会是NULL不要拿它当「最后修改时间」。注意上面代码里的db_name是单独用变量保存的不是从连接对象上读的。有些驱动会在连接建立后把连接对象上保存的库名内部转成字节串直接拿去拼 SQL 或做字符串比较会得到bschool这种结果。库名自己留一份比从连接对象上反查更可靠。三、列定义数据字典的主体列级信息是数据字典里最有用的部分字段名、类型、是否可空、默认值、键标记、注释。# 适用于 Python 3.9接上一节的 conn 和 db_nameSQL_COLUMNS SELECT TABLE_NAME, COLUMN_NAME, ORDINAL_POSITION, COLUMN_TYPE,IS_NULLABLE, COLUMN_DEFAULT, COLUMN_KEY, EXTRA, COLUMN_COMMENTFROM information_schema.COLUMNSWHERE TABLE_SCHEMA %sORDER BY TABLE_NAME, ORDINAL_POSITIONwith conn.cursor() as cur:cur.execute(SQL_COLUMNS, (db_name,))columns cur.fetchall()# 按表分组生成一份可直接看的文本字典from collections import defaultdictby_table defaultdict(list)for c in columns:by_table[c[TABLE_NAME]].append(c)for table, cols in by_table.items():print(f\n## {table})print(f{#:4}{列名:20}{类型:18}{可空:6}{键:5}注释)for c in cols:print(f{c[ORDINAL_POSITION]:4}{c[COLUMN_NAME]:20}f{c[COLUMN_TYPE]:18}{c[IS_NULLABLE]:6}f{(c[COLUMN_KEY] or -):5}{c[COLUMN_COMMENT] or })字段释义ORDINAL_POSITION是列在表里的序位从 1 开始。排序要靠它不要靠列名的字母序——字母序会把物理顺序打乱看的人会误解语义。COLUMN_TYPE是「完整类型」例如varchar(50)、int(10) unsigned、enum(M,F)。而DATA_TYPE只有基础类型名varchar、int、enum。展示用COLUMN_TYPE判断归类用DATA_TYPE。COLUMN_KEYPRI主键、UNI唯一索引的首列、MUL非唯一索引的首列、空表示没有索引。注意它只标记「在某个索引里的首列」组合索引的后续列不会在这里标出来——完整的索引信息要看STATISTICS。EXTRA常见值有auto_increment自增、DEFAULT_GENERATED有生成表达式、on update CURRENT_TIMESTAMP更新时自动刷新时间。COLUMN_DEFAULT在 MySQL 8.0 中对有表达式的默认值会以表达式文本形式显示。四、索引信息# 适用于 Python 3.9SQL_INDEXES SELECT TABLE_NAME, INDEX_NAME, NON_UNIQUE, SEQ_IN_INDEX,COLUMN_NAME, CARDINALITY, INDEX_TYPEFROM information_schema.STATISTICSWHERE TABLE_SCHEMA %sORDER BY TABLE_NAME, INDEX_NAME, SEQ_IN_INDEXwith conn.cursor() as cur:cur.execute(SQL_INDEXES, (db_name,))indexes cur.fetchall()current Nonefor idx in indexes:key (idx[TABLE_NAME], idx[INDEX_NAME])if key ! current:current keyunique 唯一 if idx[NON_UNIQUE] 0 else 普通print(f\n[{idx[TABLE_NAME]}] {idx[INDEX_NAME]} ({unique}, {idx[INDEX_TYPE]}))print(f {idx[SEQ_IN_INDEX]}. {idx[COLUMN_NAME]})理解这张表的三个关键点一行 索引的一个列位。组合索引(a, b)会产生两行SEQ_IN_INDEX分别是 1 和 2。判断一个索引是不是组合索引就看同一INDEX_NAME下有没有多行。NON_UNIQUE 0表示唯一索引。这个名字是反的容易看错。CARDINALITY是估算的基数不重复值个数的估计。它由统计信息得来可能过时可以用ANALYZE TABLE刷新。用它判断「索引有没有被用上」「选择性高不高」只能做粗略参考不要当精确指标。五、汇聚成一份数据字典把上面三类结果合起来导出成 JSON方便后续做比对比如上线前后 diff 出「结构变了哪些」。# 适用于 Python 3.9import jsondef collect_dictionary(conn, schema):把库的表 / 列 / 索引 / 统计收进一个嵌套字典。result {}with conn.cursor() as cur:cur.execute(SQL_TABLES, (schema,))for t in cur.fetchall():result[t[TABLE_NAME]] {engine: t[ENGINE],collation: t[TABLE_COLLATION],comment: t[TABLE_COMMENT] or ,approx_rows: t[TABLE_ROWS],approx_bytes: (t[DATA_LENGTH] or 0) (t[INDEX_LENGTH] or 0),columns: [],indexes: {},}cur.execute(SQL_COLUMNS, (schema,))for c in cur.fetchall():table result.get(c[TABLE_NAME])if table is None: # 视图等不在表清单里的对象跳过continuetable[columns].append({name: c[COLUMN_NAME],type: c[COLUMN_TYPE],nullable: c[IS_NULLABLE] YES,default: c[COLUMN_DEFAULT],key: c[COLUMN_KEY],extra: c[EXTRA],comment: c[COLUMN_COMMENT] or ,})cur.execute(SQL_INDEXES, (schema,))for i in cur.fetchall():table result.get(i[TABLE_NAME])if table is None:continueentry table[indexes].setdefault(i[INDEX_NAME],{unique: i[NON_UNIQUE] 0, type: i[INDEX_TYPE], columns: []},)entry[columns].append(i[COLUMN_NAME])return resultif __name__ __main__:conn pymysql.connect(host127.0.0.1, userapp, passwordapp_password,databaseschool, charsetutf8mb4,cursorclassDictCursor,)try:dictionary collect_dictionary(conn, school)with open(schema_dump.json, w, encodingutf-8) as fp:json.dump(dictionary, fp, ensure_asciiFalse, indent2)print(f已导出 {len(dictionary)} 张表的定义)finally:conn.close()注意ensure_asciiFalse不写这一项中文注释会被转义成\uXXXX虽然数据没错但人工看 JSON 时完全不可读。同时open()必须显式encodingutf-8否则在 Windows 上会按系统默认编码GBK写文件跨平台后出现乱码。用同样的思路可以再加一层把两次采集的 JSON 做 diff就能得到「新增了哪些列」「哪个索引不见了」的结构变更报告。这比人工比对建表语句可靠得多。常见坑点1. 把TABLE_ROWS当精确行数❌print(这张表有, row[TABLE_ROWS], 条记录)——InnoDB 下这是估算值可能偏差很大。✅ 展示时明确标注「约」需要精确值时对目标表执行SELECT COUNT(*)。2. 把库名拼进 SQL❌cur.execute(fSELECT ... FROM information_schema.TABLES WHERE TABLE_SCHEMA {schema})——库名来自参数时就是注入入口。✅cur.execute(... WHERE TABLE_SCHEMA %s, (schema,))。3. 忘了排除视图❌ 只按TABLE_SCHEMA过滤视图、分区被一并算进表数量统计结果对不上。✅ 明确加上TABLE_TYPE BASE TABLE需要视图时另开一条查询。4. 用DATA_TYPE展示类型❌ 输出varchar、int、date看不到长度和 unsigned读者无法据此建表。✅ 展示用COLUMN_TYPEvarchar(50)、int unsigned只有做类型归类时才用DATA_TYPE。5. 用COLUMN_KEY判断「这一列有没有索引」❌ 看到组合索引的第二列COLUMN_KEY是空就认为它没索引于是又建了一个单列索引。✅ 索引完整性信息只在information_schema.STATISTICS里COLUMN_KEY只标首列。6. 把CARDINALITY当精确去重数❌ 用CARDINALITY直接算「去重用户数」——它是估算值还可能过时。✅ 只把它当选择性的粗略参考精确值用COUNT(DISTINCT col)。7. 导出 JSON 没写ensure_asciiFalse和encoding❌json.dump(data, open(d.json, w))——中文注释变\uXXXX且 Windows 上默认 GBK 编码写出会炸或乱码。✅open(d.json, w, encodingutf-8)配合json.dump(..., ensure_asciiFalse, indent2)。8. 在业务高峰期全库扫元数据❌ 定时任务每 5 分钟对上百张表的实例做一次全量information_schema扫描。✅ 限定库名、降低频率、避开高峰必要时拆分成按需采集。总结采集目标数据来源关键注意点表清单information_schema.TABLES用TABLE_TYPE BASE TABLE排除视图容量/行数TABLES的DATA_LENGTH、INDEX_LENGTH、TABLE_ROWSInnoDB 下全是近似值只能做趋势列定义information_schema.COLUMNS展示用COLUMN_TYPE按ORDINAL_POSITION排序索引information_schema.STATISTICS一行一个列位NON_UNIQUE 0才是唯一索引导出json.dump到文件encodingutf-8ensure_asciiFalse安全全程参数化库名等条件值走%s不要拼字符串information_schema是一套标准的、只读的元数据视图用 Python 读它的价值在于可重复、可对比、可自动化。把「采集 → 导出 → diff」做成一个小工具数据字典就不再是一次性文档而成了能纳入流程的检查项。