SQLFlow：在线解析SQL血缘关系（SQL Data Lineage）

网站：SQLFlow

什么是血缘关系

当你在数据库里执行一段SQL代码后，数据库会返回给你一个结果集(record set，简称RS)，结果集中的每一列可能来源于不同的表，这些不同的表又依赖别的表，中间可能经过了函数、聚合等计算。源表与结果集关系，就是血缘关系。

例如，有这样的SQL语句，从源表user和order中，查询了一个用户所有订单金额的RS：

-- mysql
SELECT `user`.name,
       `order`.price
FROM   `user`,
       `order`
WHERE  `user`.id = `order`.uid 

他的血缘关系如下图所示：

 

如果我们的金额只取整数，他的关系图如下：

-- mysql
SELECT `user`.name,
       floor(`order`.price) as price
FROM   `user`,
       `order`
WHERE  `user`.id = `order`.uid 

 

可以看到，和上图相比，price在形成结果之前，经历了floor函数的计算。

我们可以user.id和order.uid之间的join关系列出来：

 

我们从上面的表中，我们做一个子查询，对于每个人取金额最大的：

-- mysql
SELECT temp.name, max(temp.price) as price 
FROM (
  SELECT `user`.name,
         `order`.price
  FROM   `user`,
         `order`
  WHERE  user.id = order.uid 
 ) as temp
GROUP BY temp.name

 

可以看到，和上面的图相比，多个一个叫RESULT_OF_TEMP的表，他就是我们子查询形成的中间结果，他也出现在我们的血缘关系中。

在线解析

打开网站SQLFlow，注册一个用户， 切换选择数据库，输入sql代码，点击visualize按钮：

 

 

在图像空白区域点击右键，可以下载图片：

 

 

点击visualize join按钮，切换jon视图：

 

 

切换到setting面板，可以设置是否显示中间过程，是否显示函数：

 

 

其他选项，请自行探索。

参考

1. Collect data lineage in Data Warehouses by analysis SQL script

2. The basic concept of the dataflow