每个 Database 对应的 Table 和 View 数量

按数据库维度统计包含的物理表（Table）和视图（View）数量，清晰展示实例的表结构分布。

可用于识别 “表数量过多的数据库”，避免单库元数据过载，优化数据库拆分策略。

分区表数和存储量

统计所有分区表的总数量，及分区表占用的总存储量。

可用于定位占用存储较高的分区表，结合业务场景清理历史分区，减少无效存储占用。

非分区表数和存储量

统计所有非分区表的总数量，及非分区表占用的总存储量。

可用于识别占用存储较高的非分区表，评估是否需要转为分区表（如按时间分区），提升查询时的数据过滤效率。

存储为 0 的表

统计 “数据存储量为 0” 的表（可能为新建空表、数据已过期清理的表）。

可用于清理无效空表，减少元数据冗余，降低实例元数据管理压力。

超过 300 列的表

统计字段数量超过 300 列的宽表。

可用于识别宽表。宽表易导致查询时 “不必要字段扫描”，可通过识别宽表，拆分此类表，提升查询性能。

Order by 超过 3 列的表

统计 ORDER BY 字段数量超过 3 列的表（ORDER BY 字段影响 MergeTree 表的分区合并与查询排序效率）。

可用于识别存在过多 ORDER BY 列的表。ORDER BY 列过多会降低合并速度、增加内存消耗，可通过识别此类表，保留核心排序字段，优化表结构配置。

Shard key 超过 3 列的表

统计 Shard Key 字段数量超过 3 列的分布式表。

可用于识别存在过多 Shard Key 列的表。Shard Key 列过多会增加数据分片计算复杂度，可能导致数据分布不均，可通过识别此类表，并简化 Shard Key 列为 1-2 列核心字段，优化表结构配置。

表数据 TTL 小于 7 天的表

统计数据过期时间（TTL）小于 7 天的表。

可用于识别数据过期时间较短的表，避免频繁清理影响查询稳定性，或因 TTL 过短导致数据提前丢失。

表 Skipping index

统计所有表的 Skipping Index（如 MinMax、Set、Bloom Filter 等）类型、关联字段及启用状态。

可用于查看表中已有的 skipping index，判断是否存在 “无效索引”（如索引字段未用于查询过滤）或 “缺失关键索引”（如高频过滤字段未建索引），优化索引配置以减少数据扫描量。