企业官网建设流程全解析

3 步跑通 DataHub：从启动到看见第一张血缘图

【免费下载链接】datahubThe Context Platform for your Data and AI Stack项目地址: https://gitcode.com/GitHub_Trending/da/datahub

团队里 200 张表，那张核心宽表到底谁在维护、下游谁在用，基本没人说得清。DataHub 就是干这个的：一个开源的元数据管理平台，把散在各处的表、字段、血缘关系收进同一个目录，让你搜得到、看得懂、改得动。

🚀 先跑起来，再看别的

前提是装好 Docker（Docker Compose v2）和 Python 3.10+，机器至少留 8GB 内存给 Docker。然后三条命令：

python3 -m pip install --upgrade acryl-datahub

装的是 CLI 工具，后面所有操作都用它。接着启动整套服务，GMS、前端、Kafka、搜索索引会一起拉起来：

datahub docker quickstart

跑完这条，浏览器打开 http://localhost:9002，用默认账号 datahub / datahub 登录，看到欢迎页就算成了。想让界面里有点东西可看，再加载一份官方示例数据（约 1000 个实体，含血缘和标签）：

datahub init --username datahub --password datahub datahub datapack load showcase-ecommerce

🎯 3 个最值得花时间的功能

DataHub 的分工很简单：左边是各种数据源，通过摄取把元数据推进中间的 DataHub 平台，右边供人、API 和 Agent 消费。

1. 全局搜索：从表名查到业务名

在顶部搜索框直接敲Customer Profiles这类业务名字，不用记表名。结果卡片上直接带出数据平台、标签、业务术语和最近查询量。

2. 数据血缘：一张图看清上下游

点进任意数据集详情页，血缘 Tab 默认展开：上游是谁产的、下游谁在消费，一目了然。点任意一个上游节点，能直接跳到那个表或任务自己的页面。

3. 治理标注：标签 + 术语 + 负责人

给数据集打上 PII、金级客户 这类标签，挂上业务术语，指定负责人。之后左侧边栏就能按标签批量过滤，"哪些表涉及客户隐私"一个问题从群里@人变成一次筛选。

🔌 一个端到端小场景

把 MySQL 里的订单库用摄取配方接进来，跑一次，表结构、字段说明、上下游血缘自动落到目录里。某天一张销售报表跑得很慢，进 DataHub 搜到这张报表数据集，血缘页往上跳两跳，就能定位到它依赖的 MySQL 宽表和 Kafka topic，30 秒内确认是上游任务延迟，而不是报表本身的问题。

⚠️ 容易踩的 4 个坑

1. 前端起不来，日志报 address already in use9002 端口被别的服务占了。 设置DATAHUB_MAPPED_FRONTEND_PORT=19002再跑一次 quickstart 即可。

2. 刚接的数据搜不到数据在库里，但搜索索引还没刷出来。 看摄取状态，或curl http://localhost:9200/_cat/indices确认索引存在。

3. quickstart 起来后登不进去多半是 CLI 没初始化，指向了别的环境。 重新执行datahub init --username datahub --password datahub。

4. OpenSearch 容器反复重启Docker 分配内存不足 8GB。 给 Docker 加内存，然后docker system prune后重启 quickstart。

接下来可以往哪走

• 接真实数据源：MySQL、Snowflake、BigQuery 等都有对应插件，配个摄取 recipe 定时跑就行，见 数据源插件目录。
• 生产部署：本地 quickstart 只适合验证，正式环境建议上 Kubernetes，见 Kubernetes 部署文档。
• 监控告警：仓库自带 Prometheus + Grafana 配置，见 监控配置。

开头那个"没人说得清"的问题，现在你已经有地方查了。服务跑起来了，示例数据也在了，搜表、看血缘、打标签，都是界面点两下的事。

【免费下载链接】datahubThe Context Platform for your Data and AI Stack项目地址: https://gitcode.com/GitHub_Trending/da/datahub