数据血缘在数据库内部直接采集，表级和列级都能追踪。Databend 原生 Data Lineage 从 v1.2.935 起可用，采到的对象和字段依赖关系可以拿来做改动影响拆解、数据问题定位、资产管控和敏感数据传播追踪。
为什么需要血缘：从手工排查到依赖路线
表结构一改，下游视图、数据作业、报表可能全跟着出问题。指标异常时，得沿着加工链路往回找源头数据或转换逻辑。敏感字段流出去了，也得知道它到底传到了哪些地方。
数据体系小的时候，靠经验、SQL 搜索、人工筛查还能应付。一旦表、视图、Stage、数据管道织成复杂的依赖网，光有一份对象清单就不够了，必须识别数据在对象之间怎么流动。
血缘描述数据从产生、加工到被消费的路径，分两个方向看：
- 上游（Upstream）：当前对象的数据从哪来。比如客户销售汇总表的上游可能包括订单明细表和客户维度表。
- 下游（Downstream）：当前对象的数据流向哪。比如订单明细表的下游可能包括聚合表、视图和数据作业。
改表结构、调字段类型、删列或者重构模型之前，先查下游血缘能识别潜在影响范围，省掉大量人工确认。报表数字不对时，沿列级血缘逐层检查源数据、转换逻辑和下游用法，能把排查范围压下来。比在 SQL 和作业记录里逐条搜要快得多，血缘给的是一条明确的依赖路线。
Databend 记录哪些对象和关联
表级与列级血缘
血缘模型里，表、视图、Stage 和外部 Catalog 对象是节点，数据写入和视图定义关系是节点之间的边。表级血缘描述对象之间的依赖，列级血缘进一步描述源列到目标列的产出关系。
列级血缘不只管直接复制列。聚合、计算表达式、别名、多层查询，Databend 都从查询计划里解析参与计算的源列。一个目标列由多个源列计算产出时，这些源列都算它的上游，依赖关系还能跨中间表或视图继续追。
Data Movement 与 View Lineage
Databend 采集两类血缘：
- Data Movement：数据实际从一个对象写入另一个对象，比如 CREATE TABLE … AS SELECT、INSERT … SELECT、多表 INSERT、REPLACE、MERGE 和 COPY。
- View Lineage：视图定义和源对象之间的依赖。启用血缘后，创建视图时会记录血缘关系；启用之前就存在的视图可以用 REFRESH LINEAGE 回填或修正关系。
Stream、Stage 与外部 Catalog
- Stream：通过 Stream 读数据时，血缘关系指向 Stream 对应的底层表。
- Stage：参与对象级血缘，记录数据从 Stage 加载到表或从表卸载到 Stage 的过程。
- 外部 Catalog：外部对象可以作为血缘端点，说明 Databend 对象和外部数据之间的关系；血缘遍历到外部 Catalog 边界就停。
私有化部署配置
Data Lineage 是 Databend 企业版功能。私有化部署需要企业版许可证。启用时，在每个 Query 节点的 databend-query.toml 里加入：
一个客户分层示例链路
用客户分层场景演示完整链路：fact_orders 存订单明细，agg_customer_sales 按客户汇总累计消费额、订单数和最近下单时间，customer_segments 根据累计消费额算出客户等级。
CREATE OR REPLACE DATABASE lineage_demo;
CREATE OR REPLACE TABLE lineage_demo.fact_orders (
order_id BIGINT,
customer_id BIGINT,
amount DECIMAL(12, 2),
order_time TIMESTAMP
);
CREATE OR REPLACE TABLE lineage_demo.agg_customer_sales AS
SELECT
customer_id,
sum(amount) AS total_amount,
count(*) AS order_count,
max(order_time) AS last_order_time
FROM lineage_demo.fact_orders
GROUP BY customer_id;
CREATE OR REPLACE TABLE lineage_demo.customer_segments AS
SELECT
customer_id,
total_amount,
order_count,
if(total_amount >= 1000, 'high_value', 'standard') AS segment,
now() AS updated_at
FROM lineage_demo.agg_customer_sales;
血缘通过异步链路持久化。执行完上述语句后，相关关系一般几秒内就能查到。
用 SQL 追溯来源和检查改动影响
表级上游血缘查询
GET_LINEAGE 接收对象名称、对象类型、方向和可选的遍历跳数。对象类型支持 TABLE、VIEW、STAGE 和 COLUMN，方向支持 UPSTREAM 和 DOWNSTREAM；遍历跳数取值 1–5，省略时默认是 5。
SELECT
distance,
source_object_database,
source_object_name,
target_object_database,
target_object_name,
process
FROM GET_LINEAGE(
'lineage_demo.customer_segments',
'TABLE',
'UPSTREAM',
2
)
ORDER BY distance;
UPSTREAM 表示往数据来源方向追，DOWNSTREAM 表示往数据消费方查。distance = 1 是直接关系，distance = 2 是经过一个中间对象的第二跳关系。process 是包含查询和执行上下文的 JSON 字符串，里面的字段可能因血缘关系类型和执行上下文而为空。
列级下游血缘查询
查列的时候，把完整列名作为起点，对象类型设为 COLUMN：
SELECT
distance,
source_object_name,
source_column_name,
target_object_name,
target_column_name
FROM GET_LINEAGE(
'lineage_demo.fact_orders.amount',
'COLUMN',
'DOWNSTREAM',
5
)
ORDER BY distance, target_object_name, target_column_name;
这个查询用来评估改 amount 字段时可能受影响的派生列。
血缘在库内怎么采集和保存
基于真实查询计划解析依赖
血缘采集的准确性来自真实查询计划。聚合、计算表达式、多表关联、多层查询这些复杂 SQL，Databend 能按实际查询语义解析列级依赖。血缘关系还会保留相关的查询和执行上下文，方便追溯关系来源、核对转换逻辑、定位数据问题。
异步持久化血缘事件
查询成功后，产生的血缘事件异步写入内置系统表。正常运行时，新关系一般几秒内就能查到，不用等按小时或按天跑的离线扫描作业。
用对象身份保持重命名后的关系
default Catalog 中的 Databend 原生表，Data Movement 用对象 ID 和列 ID 标识血缘端点，而不是只存对象名。查血缘时，再按当前元数据解析最新名称。对表或列做重命名（Rename）后，已有血缘关系仍然指向同一对象。稳定的对象身份能减少长期维护血缘图时的误连通，在数据模型演进过程中保持关系一致。
把已有视图接入血缘图
启用 Data Lineage 后，创建视图时会记录血缘关系。启用前就存在的视图，建议先 Dry Run 预览改动，再执行刷新：
REFRESH LINEAGE FOR ALL VIEWS DRY RUN;
REFRESH LINEAGE FOR ALL VIEWS;
REFRESH LINEAGE 会修正 default Catalog 中所有视图的血缘，需要全局 SUPER 权限。Dry Run 只报告将要新增、更新或删除的关系，不写数据。
在 Databend Cloud 中查看依赖和查询上下文
Databend Cloud 里打开 Database Explorer，选一个表或视图，进 Lineage 页签就能看血缘图。该功能默认不开，需要时提工单让 Databend 开启。
节点代表表或视图，节点之间的连线表示数据的上下游关系；展开节点可以看列之间的依赖。点表节点之间的连线，还能看到产生该血缘关系时记录的查询和执行上下文。
列级血缘可以用来拆解敏感字段经过转换后流向的目标列。结合权限控制和 Masking Policy，能评估数据暴露边界，为安全审计和合规管控提供依据。
在表视图海量的库里，名字像不代表含义一致。血缘关系映射数据的实际流向，能用来识别关键数据集、重复加工链路，以及缺少下游依赖的对象。
把数据依赖变成排查线索
Databend 原生 Data Lineage 基于真实查询计划采集血缘关系，把表级依赖、列级映射和执行上下文纳入统一的血缘查询结果，用于改动影响拆解、数据问题定位和数据管控。
Data Lineage 自 Databend v1.2.935 起可用。
