开源数据血缘和元数据管理框架DataHub的血缘摄取 V0.12.1版本

DataHUb的安装很简单：你有绿色上网就soeasy

前置条件，你已经运行好DataHub整个Docker-Compse服务

打开地址：http://host:9002/ 输入账号DataHub 密码DataHub

查看框架运行路线轨迹

第一步源数据获取

（1.1）点击这里

（1.2）点击这里

（1.3）点击这里{选择数据源的类型}：以MYSQL示例

（1.4）点击这里{填写数据来源的基本信息}：

方式一：图形窗口填写

方式二：yaml配置填写

切换方式

（1.5）点击这里{数据源的配置填充}：不填充下面的filter默认会把整个数据库的表抓取过来；填充了可以按需抓取

（1.6）点击next{继续配置}：勾上开关继续下一步

（1.7）填写名称{跑起来}：带RUN按钮的

（1.8）漫长的等来{数据源的摄取：时间和你数据库的数据表多少有关}：会有两种结果

（1.9)失败了可以点击红蛇的Fial；查看执行日志日志

（2.0)继续完成配置有改动，然后接着跑；

数据摄取完成之后，点击左上角的图片回到首页

你就看得到具体摄取的MYSQL数据源是什么

点击Mysql图片；进入数据源查看

随便找几个数据库：以NIO示例（主要是这里面的表少）

随便进入一张表：查看数据是否对——-没问题，连注释都带来了

注意DataHub只会摄取数据源，可不会自动帮你分析这个Mysql数据库的血缘关系

所以还需要自己去解析数据表之间的血缘关系
血缘关系也许很懵：咱不管是什么，当成数据库表与表之间的ER图即可

偷一张图sqlflow：就长这样：

DataHub可不仅仅只是关系数据库血缘管理，万物皆是数据，数据之间皆有血缘关系

分析这个Mysql数据库的血缘关系：推送到DataHUb

（1.1）下载官网的GitHub源码{datahub-0.12.1}|找到血缘分析推送示例代码文件

（1.2）表级别的没什么可说的：UI界面都可以配置：代码也可以操作：但是列级只有代码操作

表级别示例：

列级别示例

（1.3）表级别的血缘示例解读：示例代码是硬设置关系的，自己回写代码可以灵活使用


import datahub.emitter.mce_builder as builder
from datahub.emitter.rest_emitter import DatahubRestEmitter

# Construct a lineage object.
lineage_mce = builder.make_lineage_mce(
    [
        builder.make_dataset_urn("hive", "fct_users_deleted"),  # Upstream 表的上游关系
    ],
    builder.make_dataset_urn("hive", "logging_events"),  # Downstream 表的下游关系
)

# Create an emitter to the GMS REST API.
emitter = DatahubRestEmitter("http://localhost:8080")

# Emit metadata!
emitter.emit_mce(lineage_mce)

执行：就命令窗口 Python 文件名

（1.4）表级别的血缘示例最终效果 fct_users_deleted 两张表 logging_events有个线连起来，箭头表示下游

（1.5）列级的血缘关系：示例代码是硬设置某个表的某个字段和另外表的某个字段关联

import datahub.emitter.mce_builder as builder
from datahub.emitter.mcp import MetadataChangeProposalWrapper
from datahub.emitter.rest_emitter import DatahubRestEmitter
from datahub.metadata.com.linkedin.pegasus2avro.dataset import (
    DatasetLineageType,
    FineGrainedLineage,
    FineGrainedLineageDownstreamType,
    FineGrainedLineageUpstreamType,
    Upstream,
    UpstreamLineage,
)


def datasetUrn(dataType,tbl):
    return builder.make_dataset_urn(dataType, tbl,"PROD")


def fldUrn(dataType,tbl, fld):
    return builder.make_schema_field_urn(datasetUrn(dataType,tbl), fld)


 fineGrainedLineages = [
     FineGrainedLineage(
         upstreamType=FineGrainedLineageUpstreamType.FIELD_SET,
         upstreams=[
             fldUrn("mysql","datahub.task_info", "mid")
         ],
         downstreamType=FineGrainedLineageDownstreamType.FIELD,
         downstreams=[fldUrn("mysql","datahub.task_info_log", "task_id"),fldUrn("mysql","datahub.task_info_file", "task_info_id")]
     ),
]


# # this is just to check if any conflicts with existing Upstream, particularly the DownstreamOf relationship
 upstream = Upstream(
     dataset=datasetUrn("mysql","datahub.task_info"), type=DatasetLineageType.TRANSFORMED
 )

 fieldLineages = UpstreamLineage(
     upstreams=[upstream], fineGrainedLineages=fineGrainedLineages
 )

 lineageMcp = MetadataChangeProposalWrapper(
     # 这里必须刷新的是下游节点|刷新一个展示一个
    entityUrn=datasetUrn("mysql","datahub.task_info_file"),
    aspect=fieldLineages,
 )

# Create an emitter to the GMS REST API.
emitter = DatahubRestEmitter("http://10.130.1.44:8080")

 # Emit metadata!
emitter.emit_mcp(lineageMcp)

print('Success')

（1.5）列级的血缘关系：示例代码是硬设置某个表的某个字段和另外表的某个字段关系效果图

他这个上下游都是List类型，你可以自己写死很多个，或者代码从某些地方获取很多歌塞进去
很坑的是DataHUb需要每一个上下游节点都需要设置刷新一次，才会有完整的链路

例如:上面的例子有三个表：task_info_log 、 task_info 、task_info_file ；
task_info 上游节点：有两个下游节点：task_info_log 、 task_info_file
但是只能设置一个下游节点去刷新：这里代码设置的task_info_file刷新，那么只有task_info_file的血缘关系有，但是task_info_log的就没有展示出来：你需要 entityUrn=datasetUrn("mysql","datahub.task_info_file"),再重新写一次entityUrn=datasetUrn("mysql","datahub.task_info_log"),的刷新，才会两个都出来！

注意：总结也就是你有多少个下游，就需要刷新多少个下游节点表：才会数据完整血缘关系

（1.6）都是直接先设置好上下游关系，字段即可：示例写死的，你可以动态获取让里面填充数据： Over

有的时候很不友好直接去声明血缘关系：这个硬梳理太痛苦：

解决方案

借助第三方开源框架sqllineage去解析SQL；从SQL自动提炼出上游表和下游表关系；然后自动执行脚本创建

你需要先安装：sqllineage ：他是Python的框架，可以借助 pip install sqllineage 去安装

pip install sqllineage -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

使用：sqllineage + DataHUb的API

此代码来源于网络大神：
核心是先sqllineage分析血缘上下游；然后构建列级血缘，最有还有个优化就是筛选下游所有的表
但是我这里执行最后优化刷新下游所有的表反而无法生成列级别血缘关系；；只有注释掉才能生成
我的DataHUb版本是 v0.12.1 最新的，不知道是不是版本问题

from sqllineage.runner import LineageRunner
import datahub.emitter.mce_builder as builder
from datahub.emitter.mcp import MetadataChangeProposalWrapper
from datahub.emitter.rest_emitter import DatahubRestEmitter
from datahub.metadata.com.linkedin.pegasus2avro.dataset import (
    DatasetLineageType,
    FineGrainedLineage,
    FineGrainedLineageDownstreamType,
    FineGrainedLineageUpstreamType,
    Upstream,
    UpstreamLineage,
)


def datasetUrn(dataType,tbl):
    return builder.make_dataset_urn(dataType, tbl,"PROD")


def fldUrn(dataType,tbl, fld):
    return builder.make_schema_field_urn(datasetUrn(dataType,tbl), fld)

 # lineage_emitter_dataset_finegrained_sample.py

# 语法：insert into demo  原始查询语句
sql = """insert
	into
	nio.fee_info (creator,
	tenant_id,
	updator) 
select
	A.creator,
	B.tenant_id,
	B.office_name
from
	nio.archive_ledger_relationship A
left join nio.task_archive_borrowing B on
	B.mid = A.archive_ledger_id
where
	A.state_id = 1"""
# 获取sql血缘
result = LineageRunner(sql, dialect="ansi")
print(result)

# 获取sql中的下游表名
targetTableName = result.target_tables[0].__str__()

print('======打印列级血缘结果Begin=========')
 
# 打印列级血缘结果
result.print_column_lineage()
 
print('======打印列级血缘结果End=========')
 
# 获取列级血缘
lineage = result.get_column_lineage
 
# 字段级血缘list
fineGrainedLineageList = []
 
# 用于冲突检查的上游list
upStreamsList = []


# 遍历列级血缘
for columnTuples in lineage():
    # 上游list
    upStreamStrList = []
 
    # 下游list
    downStreamStrList = []
 
    # 逐个字段遍历
    for column in columnTuples:
 
        # 元组中最后一个元素为下游表名与字段名，其他元素为上游表名与字段名
 
        # 遍历到最后一个元素，为下游表名与字段名
        if columnTuples.index(column) == len(columnTuples) - 1:
            downStreamFieldName = column.raw_name.__str__()
            downStreamTableName = column.__str__().replace('.' + downStreamFieldName, '').__str__()
 
            print('下游表名：' + downStreamTableName)
            print('下游字段名：' + downStreamFieldName)
 
            downStreamStrList.append(fldUrn("mysql",downStreamTableName, downStreamFieldName))
        else:
            upStreamFieldName = column.raw_name.__str__()
            upStreamTableName = column.__str__().replace('.' + upStreamFieldName, '').__str__()
 
            print('上游表名：' + upStreamTableName)
            print('上游字段名：' + upStreamFieldName)
 
            upStreamStrList.append(fldUrn("mysql",upStreamTableName, upStreamFieldName))
 
            # 用于检查上游血缘是否冲突
            upStreamsList.append(Upstream(dataset=datasetUrn("mysql",upStreamTableName), type=DatasetLineageType.TRANSFORMED))
 
    fineGrainedLineage = FineGrainedLineage(upstreamType=FineGrainedLineageUpstreamType.DATASET,
                                            upstreams=upStreamStrList,
                                            downstreamType=FineGrainedLineageDownstreamType.FIELD_SET,
                                            downstreams=downStreamStrList)
 
    fineGrainedLineageList.append(fineGrainedLineage)

fieldLineages = UpstreamLineage(
    upstreams=upStreamsList, fineGrainedLineages=fineGrainedLineageList
)
 
lineageMcp = MetadataChangeProposalWrapper(
    entityUrn=datasetUrn("mysql",targetTableName),  # 下游表名
    aspect=fieldLineages
)
 
# 调用datahub REST API
emitter = DatahubRestEmitter('http://10.130.1.44:8080') # datahub server
 
# Emit metadata!
emitter.emit_mcp(lineageMcp)
 
#将表之间血缘关系进一步上传，弥补字段级血缘关系解析来源表少一部分的问题
 

# for target_table in result.target_tables:
#     target_table=str(target_table)
#     print("目标刷新表=>"+target_table)
#     input_tables_urn = []
#     for source_table in result.source_tables:
#         source_table=str(source_table)
#         input_tables_urn.append(builder.make_dataset_urn("mysql", source_table))
#         print(input_tables_urn)
#     lineage_mce = builder.make_lineage_mce(
#     input_tables_urn,
#     builder.make_dataset_urn("mysql", target_table),
#     )
#     emitter.emit_mce(lineage_mce)
#     try:
#         emitter.emit_mce(lineage_mce)
#         print("添加数仓表 【{}】血缘成功".format(target_table))
#     except Exception as e:
#         print("添加数仓表 【{}】血缘失败".format(target_table))
#         print(e)
#         break

sqllineage 分析再推送DataHUb的效果图

测试用表


-- nio.archive_ledger_relationship definition

CREATE TABLE `archive_ledger_relationship` (
  `task_id` decimal(11,0) DEFAULT NULL COMMENT '委托单ID',
  `archive_ledger_id` decimal(11,0) DEFAULT NULL COMMENT '归档台账ID',
  `archive_type` varchar(64) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '归档项类型',
  `that_table_id` decimal(11,0) DEFAULT NULL COMMENT '归档记录文件ID',
  `that_table_name` varchar(64) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '归档关联表名',
  `mid` int NOT NULL AUTO_INCREMENT COMMENT '主键',
  `state_id` decimal(5,0) DEFAULT NULL COMMENT '状态',
  `creator_id` decimal(11,0) DEFAULT NULL COMMENT '录入者Id',
  `creator` varchar(31) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '录入者',
  `create_time` datetime DEFAULT NULL COMMENT '录入时间',
  `updator_id` decimal(11,0) DEFAULT NULL COMMENT '更新者Id',
  `updator` varchar(31) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '更新者',
  `update_time` datetime DEFAULT NULL COMMENT '修改时间',
  `tenant_id` decimal(11,0) DEFAULT NULL COMMENT '租户ID',
  PRIMARY KEY (`mid`)
) ENGINE=InnoDB AUTO_INCREMENT=100 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_general_ci COMMENT='归档关联关系记录';

-- nio.fee_info definition
数据库NIO
CREATE TABLE `fee_info` (
  `state_id` decimal(5,0) DEFAULT NULL COMMENT '状态',
  `creator_id` decimal(11,0) DEFAULT NULL COMMENT '录入者Id',
  `creator` varchar(31) DEFAULT NULL COMMENT '录入者',
  `create_time` datetime DEFAULT NULL COMMENT '录入时间',
  `updator_id` decimal(11,0) DEFAULT NULL COMMENT '更新者Id',
  `updator` varchar(31) DEFAULT NULL COMMENT '更新者',
  `update_time` datetime DEFAULT NULL COMMENT '修改时间',
  `tenant_id` decimal(11,0) DEFAULT NULL COMMENT '租户ID',
  `mid` int NOT NULL AUTO_INCREMENT COMMENT '主键',
  `fee_item_id` decimal(11,0) DEFAULT NULL COMMENT '收费项ID',
  `fee_item_name` varchar(256) DEFAULT NULL COMMENT '收费项名称',
  `fee_type` decimal(2,0) DEFAULT NULL COMMENT '收费依据',
  `assets_info_id` decimal(11,0) DEFAULT NULL COMMENT '设备ID',
  `assets_info_no` varchar(256) DEFAULT NULL COMMENT '设备编号/试验条目',
  `price` decimal(15,2) DEFAULT NULL COMMENT '单价（元）',
  `unit` decimal(2,0) DEFAULT NULL COMMENT '单位',
  `coefficient` decimal(11,2) DEFAULT NULL COMMENT '系数',
  `start_time` datetime DEFAULT NULL COMMENT '实际开始日期',
  `end_time` datetime DEFAULT NULL COMMENT '实际结束日期',
  `fee_time` decimal(11,2) DEFAULT NULL COMMENT '费用时间',
  `fee` decimal(15,2) DEFAULT NULL COMMENT '费用（元）',
  `status` decimal(2,0) DEFAULT NULL COMMENT '状态',
  `remark` varchar(512) DEFAULT NULL COMMENT '备注',
  `task_info_id` decimal(11,0) DEFAULT NULL COMMENT '任务单ID',
  PRIMARY KEY (`mid`)
) ENGINE=InnoDB AUTO_INCREMENT=156 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci COMMENT='费用信息';
-- nio.task_archive_borrowing definition

CREATE TABLE `task_archive_borrowing` (
  `borrowers` varchar(64) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '借阅人',
  `borrowers_user_id` decimal(11,0) DEFAULT NULL COMMENT '借阅人Id',
  `office_name` varchar(255) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '实验室',
  `borrowing_days` decimal(11,0) DEFAULT NULL COMMENT '借阅天数',
  `borrowing_desc` varchar(1024) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '借阅原因',
  `borrowing_status` varchar(36) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '借阅状态',
  `borrowing_date` datetime DEFAULT NULL COMMENT '借阅时间',
  `borrowing_return_time` datetime DEFAULT NULL COMMENT '归还时间',
  `borrowing_request_no` varchar(36) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '借阅申请单号',
  `test_category` varchar(36) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '试验类型',
  `approver` varchar(64) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '审批人',
  `approver_id` decimal(11,0) DEFAULT NULL COMMENT '审批人Id',
  `msg` varchar(1024) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '审批结果',
  `mid` int NOT NULL AUTO_INCREMENT COMMENT '主键',
  `state_id` decimal(5,0) DEFAULT NULL COMMENT '状态',
  `creator_id` decimal(11,0) DEFAULT NULL COMMENT '录入者Id',
  `creator` varchar(31) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '录入者',
  `create_time` datetime DEFAULT NULL COMMENT '录入时间',
  `updator_id` decimal(11,0) DEFAULT NULL COMMENT '更新者Id',
  `updator` varchar(31) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '更新者',
  `update_time` datetime DEFAULT NULL COMMENT '修改时间',
  `tenant_id` decimal(11,0) DEFAULT NULL COMMENT '租户ID',
  `process_status` decimal(2,0) DEFAULT NULL COMMENT '流程状态',
  `process_definition_id` varchar(256) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '流程定义ID',
  `process_definition_key` varchar(256) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '流程定义KEY',
  `process_instance_id` varchar(256) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '流程实例ID',
  `process_name` varchar(256) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '流程名称',
  `title` varchar(1024) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '任务标题',
  `apply_time` datetime DEFAULT NULL COMMENT '申请时间',
  `applier_id` decimal(11,0) DEFAULT NULL COMMENT '申请者Id',
  `applier_name` varchar(15) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '申请者',
  `applier_org_id` decimal(11,0) DEFAULT NULL COMMENT '申请组织Id',
  `applier_org_name` varchar(256) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '申请者组织',
  `applier_org_level_code` varchar(256) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '申请者组织层级码',
  `url` varchar(1024) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '表单地址',
  PRIMARY KEY (`mid`)
) ENGINE=InnoDB AUTO_INCREMENT=100 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_general_ci COMMENT='归档借阅';

测试捯饬结束！！！！

posted on 2023-12-28 11:15 白嫖老郭阅读(3617) 评论(54) 编辑收藏举报

刷新页面返回顶部

隔壁老郭的博客

开源数据血缘和元数据管理框架DataHub的血缘摄取 V0.12.1版本

DataHUb的安装很简单：你有绿色上网就soeasy

前置条件，你已经运行好DataHub整个Docker-Compse服务

打开地址：http://host:9002/ 输入账号DataHub 密码DataHub

查看框架运行路线轨迹

第一步源数据获取

（1.1）点击这里

（1.2）点击这里

（1.3）点击这里{选择数据源的类型}：以MYSQL示例

（1.4）点击这里{填写数据来源的基本信息}：

（1.5）点击这里{数据源的配置填充}：不填充下面的filter默认会把整个数据库的表抓取过来；填充了可以按需抓取

（1.6）点击next{继续配置}：勾上开关继续下一步

（1.7）填写名称{跑起来}：带RUN按钮的

（1.8）漫长的等来{数据源的摄取：时间和你数据库的数据表多少有关}：会有两种结果

（1.9)失败了可以点击红蛇的Fial；查看执行日志日志

（2.0)继续完成配置有改动，然后接着跑；

数据摄取完成之后，点击左上角的图片回到首页

你就看得到具体摄取的MYSQL数据源是什么

点击Mysql图片；进入数据源查看

随便找几个数据库：以NIO示例（主要是这里面的表少）

随便进入一张表：查看数据是否对——-没问题，连注释都带来了

注意DataHub只会摄取数据源，可不会自动帮你分析这个Mysql数据库的血缘关系

分析这个Mysql数据库的血缘关系：推送到DataHUb

（1.1）下载官网的GitHub源码{datahub-0.12.1}|找到血缘分析推送示例代码文件

（1.2）表级别的没什么可说的：UI界面都可以配置：代码也可以操作：但是列级只有代码操作

（1.3）表级别的血缘示例解读：示例代码是硬设置关系的，自己回写代码可以灵活使用

（1.4）表级别的血缘示例最终效果 fct_users_deleted 两张表 logging_events有个线连起来，箭头表示下游

（1.5）列级的血缘关系：示例代码是硬设置某个表的某个字段和另外表的某个字段关联

（1.5）列级的血缘关系：示例代码是硬设置某个表的某个字段和另外表的某个字段关系效果图

（1.6）都是直接先设置好上下游关系，字段即可：示例写死的，你可以动态获取让里面填充数据： Over

有的时候很不友好直接去声明血缘关系：这个硬梳理太痛苦：

你需要先安装：sqllineage ：他是Python的框架，可以借助 pip install sqllineage 去安装

使用：sqllineage + DataHUb的API

sqllineage 分析再推送DataHUb的效果图

测试用表

测试捯饬结束！！！！

导航

公告

隔壁老郭的博客

开源数据血缘和元数据管理框架DataHub的血缘摄取 V0.12.1版本

DataHUb的安装很简单：你有绿色上网就soeasy

前置条件，你已经运行好DataHub整个Docker-Compse服务

打开地址：http://host:9002/ 输入账号DataHub 密码DataHub

查看框架运行路线轨迹

第一步 源数据获取

（1.1）点击这里

（1.2）点击这里

（1.3）点击这里{选择数据源的类型}：以MYSQL示例

（1.4）点击这里{填写数据来源的基本信息}：

（1.5）点击这里{数据源的配置填充}：不填充下面的filter默认会把整个数据库的表抓取过来；填充了可以按需抓取

（1.6）点击next{继续配置}：勾上开关继续下一步

（1.7）填写名称{跑起来}：带RUN按钮的

（1.8）漫长的等来{数据源的摄取：时间和你数据库的数据表多少有关}：会有两种结果

（1.9)失败了可以点击红蛇的Fial；查看执行日志日志

（2.0)继续完成配置有改动，然后接着跑；

数据摄取完成之后，点击左上角的图片回到首页

你就看得到具体摄取的MYSQL数据源是什么

点击Mysql图片；进入数据源查看

随便找几个数据库：以NIO示例（主要是这里面的表少）

随便进入一张表：查看数据是否对——-没问题，连注释都带来了

注意DataHub只会摄取数据源，可不会自动帮你分析这个Mysql数据库的血缘关系

分析这个Mysql数据库的血缘关系：推送到DataHUb

（1.1）下载官网的GitHub源码{datahub-0.12.1}|找到血缘分析推送示例代码文件

（1.2）表级别的没什么可说的：UI界面都可以配置：代码也可以操作：但是列级只有代码操作

（1.3）表级别的血缘示例解读：示例代码是硬设置关系的，自己回写代码可以灵活使用

（1.4）表级别的血缘示例最终效果 fct_users_deleted 两张表 logging_events有个线连起来，箭头表示下游

（1.5）列级的血缘关系：示例代码是硬设置某个表的某个字段和 另外表的某个字段关联

（1.5）列级的血缘关系：示例代码是硬设置某个表的某个字段和 另外表的某个字段关系 效果图

（1.6）都是直接先设置好上下游关系，字段即可：示例写死的，你可以动态获取让里面填充数据： Over

有的时候很不友好直接去声明血缘关系：这个硬梳理太痛苦：

你需要先安装：sqllineage ：他是Python的框架，可以借助 pip install sqllineage 去安装

使用：sqllineage + DataHUb的API

sqllineage 分析再推送DataHUb的效果图

测试用表

测试捯饬结束！！！！

导航

公告

第一步源数据获取

（1.5）列级的血缘关系：示例代码是硬设置某个表的某个字段和另外表的某个字段关联

（1.5）列级的血缘关系：示例代码是硬设置某个表的某个字段和另外表的某个字段关系效果图