Hans-Juergen Schoenig：PostgreSQL 19 中的数据血缘：当 CFO 问“这个数字从哪来的？”，终于有答案了
内容提要
数据血缘追踪数据从源头到报表的流转路径，对合规审计和故障排查至关重要。文章提出将血缘关系作为数据存入表中，利用PostgreSQL 19的SQL/PGQ属性图功能，通过SQL查询上下游依赖、追溯数值来源、发现孤立数据，替代过时的文档和电子表格，使血缘关系随模式自动更新。
延伸解读
从文档到数据：血缘管理的范式转变
传统数据血缘常依赖文档、电子表格或工程师记忆，容易过时且难以查询。文章提出将血缘关系存储为数据库中的边表，使其成为可查询、可版本控制的数据。这种方法让血缘随模式自动更新，避免了手动维护的负担，尤其适合频繁变更的ETL管道。
SQL/PGQ：用属性图简化血缘查询
PostgreSQL 19的SQL/PGQ允许将表声明为属性图，通过图查询语言表达上下游依赖。相比外键加递归CTE，属性图更直观，能清晰表达多跳关系。但需注意，当前版本不支持变长路径，对于超过5跳的深层血缘，仍需回退到递归查询。
实际应用：从审计到影响分析
文章通过电商示例展示了血缘查询的实用场景：追溯报表数值到原始事件、评估上游变更的下游影响、发现孤立数据。这些查询能直接回答合规审计问题，并在故障排查时快速定位问题源头，减少人工考古时间。
实施建议与当前限制
实施时，可从编排工具（如dbt、Airflow）的元数据生成属性图定义，确保血缘与管道同步。但需留意，SQL/PGQ尚不支持路径聚合和变长路径，复杂血缘仍需结合递归查询。总体而言，将血缘作为数据管理，能提升可维护性和透明度。
Q&A
什么是数据血缘？
数据血缘是数据的流转记录，追踪数据从源头到报表的路径，回答数据来自哪里、经过哪些转换、如何影响下游等问题。
为什么数据血缘对合规审计很重要？
法规要求数据血缘，例如审计时需要证明计算正确性，数据血缘提供了可追溯的审计线索。
传统数据血缘管理有什么问题？
传统方式将血缘记录在电子表格、文档或工程师头脑中，这些信息往往过时、不更新，导致排查问题时需要大量手动考古。
如何将数据血缘存储为数据？
通过创建边表（edge tables）显式记录表之间的依赖关系，将血缘作为元数据存储在数据库表中，使其可查询、可版本控制。
PostgreSQL 19 的 SQL/PGQ 如何帮助追踪数据血缘？
SQL/PGQ 允许声明属性图，将表之间的关系定义为图，从而使用 SQL 查询上下游依赖、追溯数值来源等。
如何用 SQL/PGQ 追溯一个报表数值的来源？
通过查询属性图，可以追溯报表数值经过的转换链，例如从 report_monthly 到 fact_sales 到 stg_events_raw 再到 raw_clickstream，显示每个步骤的贡献。
SQL/PGQ 相比外键和递归 CTE 有什么优势？
SQL/PGQ 提供更简洁的图查询语法，避免复杂的递归 CTE，使血缘查询更直观、易维护。
PostgreSQL 19 的 SQL/PGQ 在数据血缘方面有哪些限制？
目前 GRAPH_TABLE 不支持可变长度路径（如 ->{1,3}）和路径聚合，对于超过 5 跳的深层血缘链，需要回退到 WITH RECURSIVE 查询边表。
