{"id":2146,"date":"2020-12-03T03:27:44","date_gmt":"2020-12-03T03:27:44","guid":{"rendered":"https:\/\/www.gudusoft.com\/?page_id=2146"},"modified":"2026-07-13T18:44:05","modified_gmt":"2026-07-14T02:44:05","slug":"sqlflow-on-premise-version","status":"publish","type":"page","link":"https:\/\/www.gudusoft.com\/de\/sqlflow-on-premise-version\/","title":{"rendered":"SQLFlow On-Premise: Selbstgehostete SQL-Datenherkunft"},"content":{"rendered":"

SQLFlow vor Ort<\/strong> Gudu SQLFlow ist ein lokales Tool zur Datenherkunftsanalyse: die vollst\u00e4ndige Gudu SQLFlow-Engine, die mit Docker oder Kubernetes in Ihrem eigenen Netzwerk bereitgestellt wird. Es analysiert Ihre SQL-Abfragen (Abfragen, Sichten, gespeicherte Prozeduren, dbt-Projekte, ganze Datenbanken) und erstellt interaktive Datenherkunftsdiagramme auf Spaltenebene, w\u00e4hrend jede SQL-Zeile hinter Ihrer Firewall verbleibt. Es l\u00e4uft vollst\u00e4ndig isoliert und da es mit statischer SQL-Codeanalyse arbeitet, werden die Zeilen in Ihren Tabellen niemals ver\u00e4ndert.<\/p>\n\n\n\n

\n
Luftgetrennt<\/b>Docker oder Kubernetes, keine ausgehende Internetverbindung<\/span><\/div>\n
39<\/b>SQL-Dialekte, jeder mit einem eigenen Parser<\/span><\/div>\n
Null<\/b>SQL verl\u00e4sst Ihre Infrastruktur<\/span><\/div>\n
100+<\/b>Datenbanken pro Anwesen, inkrementelle Scans<\/span><\/div>\n<\/div>\n\n\n\n
\n\n

M\u00f6chten Sie den Motor zuerst testen?<\/strong> Die gleiche Analyse l\u00e4uft in SQLFlow Cloud, kostenlos in Ihrem Browser<\/a>F\u00fcgen Sie eine nicht sensible Abfrage ein und pr\u00fcfen Sie die Ausgabe auf Spaltenebene, bevor Sie mit der Einkaufsabteilung sprechen.<\/p>\n\n<\/div><\/div>\n\n\n\n

Warum regulierte Teams ein lokales Datenherkunftstool ben\u00f6tigen<\/h2>\n\n\n\n

SQL-Text ist auch dann sensibel, wenn ihm keine Daten angeh\u00e4ngt sind.<\/strong> Your DDL exposes the full schema; your views and procedures encode business logic such as risk models, pricing rules, and fraud filters; and ad-hoc SQL frequently embeds literal values: account numbers in a WO<\/code> Klausel, Patientenidentifikatoren in einer Debugging-Abfrage. Das Senden dieses Korpus an einen SaaS-Anbieter ist genau die Art von Datentransfer an Dritte, die Sicherheits\u00fcberpr\u00fcfungen bei Banken, Gesundheitsdienstleistern und Regierungsbeh\u00f6rden verhindern sollen.<\/p>\n\n\n\n

Gleichzeitig stehen genau diese Organisationen unter dem gr\u00f6\u00dften Druck, die Herkunft von Daten nachzuverfolgen: BCBS 239 verlangt von Banken die R\u00fcckverfolgung von Risikokennzahlen bis zu ihren Quellen, die DSGVO-Datenzuordnung fragt nach der Herkunft der Datenfelder, und SOX-Pr\u00fcfer fordern Provenienznachweise f\u00fcr die Finanzberichterstattung. Der Ausweg aus diesem Widerspruch besteht darin, die Lineage-Engine dort auszuf\u00fchren, wo sich bereits die SQL-Abfragen befinden. Genau daf\u00fcr ist SQLFlow On-Premise gedacht: dieselbe Analyse, die auf unserer Website beschrieben wird. \u00dcberblick \u00fcber SQL-Datenherkunftstools<\/a>, selbst gehostet.<\/p>\n\n\n\n

So funktioniert die Bereitstellung: Docker, Kubernetes, Air-Gap<\/h2>\n\n\n\n

SQLFlow On-Premise wird als Container bereitgestellt. Die Bereitstellung erfolgt mit Docker auf einem einzelnen Host oder, falls Ihr Plattformteam die Software so betreibt, auf Ihrem Kubernetes-Cluster. Die Lizenz deckt die Installation auf zwei Servern ab, sodass eine Produktionsinstanz sowie eine Staging- oder DR-Instanz keine zus\u00e4tzlichen Kosten verursachen. Schritt-f\u00fcr-Schritt-Installationsanleitungen finden Sie unter [Link einf\u00fcgen]. docs.gudusoft.com<\/a>.<\/p>\n\n\n\n

Die Bereitstellung funktioniert in einem vollst\u00e4ndig abgeschotteten Netzwerk: Die Engine ist nicht von der Cloud abh\u00e4ngig und ben\u00f6tigt keine ausgehende Internetverbindung zur SQL-Analyse. Selbst in vertraulichen Netzwerken oder Zahlungszonen ohne ausgehende Routen l\u00e4uft SQLFlow problemlos. Benutzer greifen \u00fcber die Weboberfl\u00e4che innerhalb des Netzwerks darauf zu, und dieselbe Instanz stellt eine REST-API f\u00fcr die Automatisierung bereit.<\/p>\n\n\n\n

\n\n

Datenschutzhinweis: Nur statische Analyse<\/h2>\n\n\n\n

Das Datenschutzmodell von SQLFlow l\u00e4sst sich einem Sicherheitspr\u00fcfer leicht erkl\u00e4ren, da es zwei entscheidende Eigenschaften besitzt. Erstens handelt es sich um einen statischen Analysator: Die Datenherkunft wird durch das Parsen von SQL-Code ermittelt, nicht durch die Beobachtung von Abfragen zur Laufzeit oder durch Stichproben aus Tabellen. Daher werden niemals Zeilendaten gelesen; es gibt keinen Codepfad, der dies tut. Zweitens verl\u00e4sst der SQL-Text selbst in der On-Premise-Edition niemals Ihr Netzwerk. SQLFlow liest optional \u00fcber JDBC Schema-Metadaten (Tabellen-, Spalten- und Sichtdefinitionen), die zur Aufl\u00f6sung ben\u00f6tigt werden. W\u00c4HLEN *<\/code> und Referenzen genau ansehen.<\/p>\n\n\n\n

Im Gegensatz dazu erfassen laufzeitprotokollbasierte Ans\u00e4tze zur Codeherkunft zwar zuverl\u00e4ssig, was in der Produktion tats\u00e4chlich ausgef\u00fchrt wurde, ben\u00f6tigen aber st\u00e4ndigen Zugriff auf Abfrageprotokolle und k\u00f6nnen nur ausgef\u00fchrte Abfragen analysieren. Die statische Analyse hingegen erfasst den vorhandenen Code, einschlie\u00dflich Prozeduren, die nur zum Quartalsende ausgef\u00fchrt werden, und ben\u00f6tigt lediglich den SQL-Code selbst.<\/p>\n\n<\/div><\/div>\n\n\n\n

Was der Motor tut<\/h2>\n\n\n\n

Die On-Premise-Version nutzt die vollst\u00e4ndige SQLFlow-Engine, dieselbe wie die Cloud-Version. Sie basiert auf dem General SQL Parser, einem kommerziellen SQL-Compiler-Frontend, das seit Mitte der 2000er-Jahre entwickelt und anhand von rund 13.600 Testbeispielen pro Dialekt validiert wurde.<\/p>\n\n\n\n