什么是大数据血缘？

今天跟一个测试同事聊天：

我：最近忙什么项目呢？
他：在测大数据血缘
我：啥？
他：血缘啊
我：啥血缘？
他：大数据血缘啊
我：血缘是啥？
他：就是数据血缘啊
我：...

看看，天就是这么被聊死的，我忍不住内心OS（怪不得你秃顶还没女朋友）

我赶紧回来问问 google，分析了各路答案之后，可以总结成两句话：

• 通常我们会对原始数据进行多个步骤的各种加工，最后产生出新的数据，在这个过程中会产生很多表，这些数据表之间的链路关系就可称为大数据血缘。
• 大数据血缘测试，就是测试数据流转过程中的每个环节的数据质量。

同时，数据血缘还有几个同义词：

Data Lineage 数据血缘（数据血统） = Data Provenance 数据起源 = Data Pedigree 数据谱系

在现实世界中，我们每个个体都是祖先通过生育关系一代代孕育而来，这样就形成了我们人类的各种血缘关系。

在数据信息时代，每时每刻都会产生庞大的数据，即我们通常说的大数据，对这些数据进行各种加工组合、转换，又会产生新的数据，这些数据之间就存在着天然的联系，我们把这些联系称为数据血缘关系。

直白点说，数据血缘就是指数据产生的链路关系，就是这个数据是怎么来的，经过了哪些过程和阶段。

---

下面举个通俗点的例子：