数据治理中Oracle SQL和存储过程的数据血缘分析

数据治理中的一个重要基础工作是分析组织中数据的血缘关系。有了完整的数据血缘关系，我们可以用它进行数据溯源、表和字段变更的影响分析、数据合规性的证明、数据质量的检查等。

分析数据血缘的方法主要分为四类

• 自动解析
• 系统跟踪
• 机器学习
• 人工收集

自动解析主要是利用工具解析 SQL 语句、存储过程和 ETL等文件。 本文以 Oracle 为例，来说明如何分析 SQL 和存储过程中的数据血缘。

产生数据血缘的 SQL 语句

• SELECT
• INSERT
• UPDATE
• MERGE
• CREATE VIEW
• CREATE TABLE
• 存储过程

SELECT

可能你会感到奇怪， SELECT 语句没有对数据进行增、改操作，如何会产生数据血缘？ 秘密就在于 SELECT 语句中的 select list 部分，在这里，可以对数据进行转换。 以下面这个 SELECT 语句为例：

select  sal + commission as totalSal
from emp;

我们可以看到，totalSal 字段的数据来自 emp.sal 和 emp.commission，在这里，数据进行了一次转换。 这种在 SELECT 内部产生的数据血缘是临时性的，但是这个 SELECT 语句和 CREATE VIEW 或者 CREATE TABLE 一结合，这个数据血缘就真正落地形成了。例如：

create view v_sal(mySal)
as
select  sal + commission as totalSal
from emp;

这个 CREATE VIEW 语句通过 SELECT 形成了 从 emp.sal 和 emp.commission 到 v_sal.mySal 的数据血缘。