字段血缘解析

1. 引入依赖

<dependency>
    <groupId>com.dtstack</groupId>
    <artifactId>sqlparserx-core</artifactId>
    <version>1.0-SNAPSHOT</version>
</dependency>

sqlparserx-core 已传递依赖 sqlparserx-syntax 与 Druid，无需额外引入。

2. 完整示例

从获取解析器、构造元数据到打印字段血缘的完整可运行类：

FieldLineageDemo.java

import com.dtstack.sqlparserx.core.parser.ISqlParser;
import com.dtstack.sqlparserx.core.parser.SqlParserFactory;
import com.dtstack.sqlparserx.core.parser.base.lineage.column.Column;
import com.dtstack.sqlparserx.core.parser.base.lineage.column.ColumnLineageResult;

import com.alibaba.druid.DbType;

import java.util.Arrays;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

public class FieldLineageDemo {

    public static void main(String[] args) {
        String sql = "CREATE TABLE user_order_summary AS\n"
                + "SELECT\n"
                + "    u.id as user_id,\n"
                + "    u.name,\n"
                + "    SUM(o.amount) as total_amount,\n"
                + "    COUNT(o.id) as order_count\n"
                + "FROM users u JOIN orders o ON u.id = o.user_id\n"
                + "GROUP BY u.id, u.name";

        // 1、准备元数据：表 -> 字段列表（用于 select * / 字段展开）
        Map<String, List<Column>> tableColumnsMap = new HashMap<>();
        tableColumnsMap.put("users", Arrays.asList(
                new Column("id", 0), new Column("name", 1)));
        tableColumnsMap.put("orders", Arrays.asList(
                new Column("amount", 0), new Column("id", 1)));

        // 2、获取解析器
        ISqlParser parser = SqlParserFactory.getSqlParser(DbType.mysql);

        // 3、解析字段血缘
        ColumnLineageResult result = parser.parseColumnLineages(sql, tableColumnsMap);

        // 4、打印结果：目标表 + 目标字段 -> 来源字段
        System.out.println("目标表: " + result.getTargetTable());
        result.printColumnLineage();
    }
}

控制台输出（示例）：

目标表: user_order_summary
users.id -> user_order_summary.user_id
users.name -> user_order_summary.name
orders.amount -> user_order_summary.total_amount
orders.id -> user_order_summary.order_count

3. 实现目标

从 SQL 中推导 来源表.来源字段 → 目标表.目标字段 的字段级血缘关系。

核心思路：把「来源 select 字段列表」与「目标字段列表」各自归一为 (真实字段, 别名字段, 真实表名) 的三元组集合，再按固定匹配规则生成血缘。字段血缘的输入是插入/建表类 SQL，纯查询 SQL 不产生血缘。

SQLInsertStatement / SQLCreateTableStatement(AS SELECT)
  → ColumnLineageClient.parseColumnLineages
  → 目标字段列表 + 来源 select 字段列表
  → addColumnRelations 逐条匹配
  → ColumnLineageResult

4. 入口与实现位置

项目	内容
Core 入口	ISqlParser.parseColumnLineages(sql, tableColumnsMap)
默认实现	BaseSqlParser.parseColumnLineages → ColumnLineageClient
返回类型	ColumnLineageResult（getColumnRelations() + getColumnLineages()）
适用语句	SQLInsertStatement、SQLCreateTableStatement（AS SELECT）
元数据输入	Map<String, List<Column>> tableColumnsMap（表 → 字段列表）

5. 支持粒度与深度

字段场景

能力项	支持情况	说明
catalog.db.table.column 字段识别	已支持 ✅	支持 Hive/Trino/StarRocks 等多 catalog 场景
db.table.column 字段识别	已支持 ✅	MySQL/PostgreSQL 等标准用法
字段表达式计算（SQLBinaryOpExpr）	已支持 ✅	如 t5.level + 1，左右递归收集字段
* / xx.* 展开	已支持 ✅	依据元数据 tableColumnsMap 读取字段；无元数据保留 *

更多字段场景、表达式与子查询的覆盖情况，以项目 docs/02、SQL业务层解析能力支撑情况/能力支持情况/通用解析能力/字段血缘解析支持情况.md 为准。