{"id":6753,"date":"2026-07-12T02:06:31","date_gmt":"2026-07-12T10:06:31","guid":{"rendered":"https:\/\/www.gudusoft.com\/databricks-data-lineage\/"},"modified":"2026-07-12T02:06:31","modified_gmt":"2026-07-12T10:06:31","slug":"databricks-data-lineage","status":"publish","type":"page","link":"https:\/\/www.gudusoft.com\/de\/databricks-datenherkunft\/","title":{"rendered":"Databricks-Datenherkunft: Spaltenebene-Herkunft f\u00fcr Spark SQL und Delta"},"content":{"rendered":"<p><strong>Databricks-Datenherkunft<\/strong> ist die Spaltenebene-Abbildung, die den Datenfluss durch Ihren Spark SQL- und Delta Lake-Code darstellt: welche Quellspalten die einzelnen Zieltabelle in Ihren Bronze-, Silber- und Gold-Schichten speisen und welche Transformationen \u2013 Joins, Aggregationen usw. \u2013 durchgef\u00fchrt werden. <code>VERSCHMELZEN<\/code> Logik \u2013 geschieht unterwegs. Unity Catalog erfasst automatisch die Herkunft von Workloads, die dar\u00fcber laufen; <strong>Gudu SQLFlow<\/strong> Alles andere wird durch das Parsen des SQL-Codes selbst abgedeckt, wodurch es zum Werkzeug f\u00fcr Migrationen in Databricks, SQL-Abfragen au\u00dferhalb des Unity Catalog und Umgebungen wird, die sich \u00fcber Databricks und andere Plattformen erstrecken.<\/p>\n\n\n\n<div class=\"wp-block-group alignfull has-background is-layout-constrained\" style=\"background-color:#eef7fb;padding-top:24px;padding-bottom:24px\"><div class=\"wp-block-group__inner-container\">\n\n<p><strong>Probieren Sie es in 30 Sekunden:<\/strong> Databricks einf\u00fcgen <code>VEREINIGEN IN<\/code> oder Notebook-Abfrage in die <a href=\"https:\/\/sqlflow.gudusoft.com\/?utm_source=gudusoft&amp;utm_medium=website&amp;utm_campaign=databricks-data-lineage\" target=\"_blank\" rel=\"noreferrer noopener\">kostenloser SQLFlow-Lineage-Visualisierer<\/a>W\u00e4hlen Sie den Databricks-Dialekt aus und erhalten Sie sofort das Spalten-Herkunftsdiagramm. Kein Cluster- und kein Workspace-Zugriff erforderlich.<\/p>\n\n<\/div><\/div>\n\n\n\n<h2 class=\"wp-block-heading\">Wann ben\u00f6tigt man mehr als die Unity Catalog-Abstammung?<\/h2>\n\n\n\n<p>Unity Catalog ist in seiner Funktion wirklich hervorragend: Databricks erfasst die Herkunft von Abfragen und Jobs, die dar\u00fcber ausgef\u00fchrt werden, automatisch \u2013 ganz ohne zus\u00e4tzliche Tools. Wenn sich Ihre gesamte Dateninfrastruktur in einem einzigen Databricks-Konto befindet und alle Workloads \u00fcber Unity Catalog laufen, sollten Sie dort beginnen.<\/p>\n\n\n\n<p>Die L\u00fccke ist struktureller Natur, kein Fehler: Laufzeit-erfasste Herkunftsinformationen existieren nur f\u00fcr Code, der bereits in der erfassenden Umgebung ausgef\u00fchrt wurde. Daher bleiben vier Situationen, in denen Teams stattdessen auf einen SQL-Parsing-Ansatz zur\u00fcckgreifen:<\/p>\n\n\n\n<ul><li><strong>Bevor der Code auf Databricks ausgef\u00fchrt wird.<\/strong> Sie migrieren von Oracle, Teradata oder SQL Server und ben\u00f6tigen den Abh\u00e4ngigkeitsgraphen des alten SQL-Systems \u2013 und des neu geschriebenen Databricks SQL-Systems \u2013, bevor irgendetwas in der Produktion ausgef\u00fchrt wird.<\/li>\n<li><strong>SQL, das niemals auf den Unity-Katalog zugreift.<\/strong> Notebook-SQL, das in Dateien exportiert wurde, Skripte in einem Git-Repository, SQL, das von externen Schedulern oder ETL-Tools generiert wurde, Code in Arbeitsbereichen, die noch nicht auf Unity Catalog aktualisiert wurden.<\/li>\n<li><strong>Plattform\u00fcbergreifende Immobilien.<\/strong> Pipelines, die in SQL Server starten, in Databricks transformiert werden und in Snowflake enden, ben\u00f6tigen einen einzigen Datenherkunftsgraphen f\u00fcr alle drei Systeme. SQLFlow liefert dialektspezifische Parser f\u00fcr 39 Datenbanken \u2013 Databricks und Snowflake. <a href=\"https:\/\/www.gudusoft.com\/de\/spark-sql-data-lineage\/\">Spark SQL<\/a> darunter \u2013 so dass die gesamte Kette mit einem einzigen System analysiert wird.<\/li>\n<li><strong>Herkunft in einem Katalog, den Sie bereits ausf\u00fchren.<\/strong> Wenn Ihre Organisation DataHub, Microsoft Purview oder OpenMetadata anstelle der Databricks-Benutzeroberfl\u00e4che verwendet, ben\u00f6tigen Sie eine Datenherkunftsfunktion, die den Export dorthin erm\u00f6glicht. SQLFlow enth\u00e4lt Exportadapter f\u00fcr alle drei Plattformen.<\/li><\/ul>\n\n\n\n<p>Die beiden Ans\u00e4tze erg\u00e4nzen sich. Der Unity Catalog zeigt Ihnen, was ausgef\u00fchrt wurde; die statische SQL-Analyse zeigt Ihnen, was der Code bewirkt \u2013 einschlie\u00dflich Code, der noch nicht ausgef\u00fchrt wurde.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Wie SQLFlow Databricks-SQL analysiert<\/h2>\n\n\n\n<p><a href=\"https:\/\/www.gudusoft.com\/de\/sql-datenherkunftstool\/\">Gudu SQLFlow<\/a> is an automated SQL data lineage tool built on the General SQL Parser, a commercial SQL compiler front-end developed since the mid-2000s and validated against roughly 13,600 per-dialect test fixtures. It ships a dedicated Databricks dialect parser in the Spark SQL family \u2014 not a generic ANSI grammar \u2014 so Databricks-specific constructs are parsed as first-class syntax rather than approximated.<\/p>\n\n\n\n<p>Die Analyse ist vollst\u00e4ndig statisch. SQLFlow liest SQL-Text und optional Schema-Metadaten; es liest niemals die Zeilen in Ihren Delta-Tabellen, und mit der <a href=\"https:\/\/www.gudusoft.com\/de\/sqlflow-on-premise-version\/\">On-Premise-Edition<\/a> Der SQL-Text selbst verl\u00e4sst Ihr Netzwerk nie: Er wird auf Docker oder Kubernetes bereitgestellt und l\u00e4uft isoliert. F\u00fcr jede Anweisung erstellt der Parser ein vollst\u00e4ndiges semantisches Modell und l\u00f6st jede Spaltenreferenz mithilfe von CTEs, Unterabfragen, Sichten und mehr auf. <code>W\u00c4HLEN *<\/code> Nach der Erweiterung extrahiert der Datenflussanalysator die Quell-Ziel-Beziehungen auf Spaltenebene.<\/p>\n\n\n\n<p>Sie k\u00f6nnen SQL-Anweisungen in beliebiger Form in Ihrer Umgebung verarbeiten: eingef\u00fcgte Anweisungen, hochgeladene Dateien, Datenbankmetadaten \u00fcber JDBC oder ein dbt-Manifest f\u00fcr dbt-Projekte, die auf Databricks abzielen. Die Ausgabe ist ein interaktives, erweiterbares Diagramm sowie strukturierte Herkunftsdaten im JSON-, CSV-, PNG-Format oder als REST-API-Antwort.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Beispiel: Spaltenebene-Herkunft durch Delta-MERGE<\/h2>\n\n\n\n<p><code>VEREINIGEN IN<\/code> ist das Arbeitspferd der Delta-Lake-Pipelines und eine Anweisung, bei der die Tabellen-Lineage nahezu nutzlos ist, da ein einzelner Merge-Vorgang Lesen, Abgleichen, Aktualisieren und Einf\u00fcgen in einem Schritt durchf\u00fchrt. Betrachten wir beispielsweise einen Upsert auf der Gold-Ebene:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>MERGE INTO gold.customer_ltv AS t USING ( SELECT o.customer_id, SUM(o.amount) AS lifetime_value, MAX(o.order_ts) AS last_order_ts FROM silver.orders o WHERE o.status = &#039;completed&#039; GROUP BY o.customer_id ) AS s ON t.customer_id = s.customer_id WHEN MATCHED THEN UPDATE SET t.lifetime_value = s.lifetime_value, t.last_order_ts = s.last_order_ts WHEN NOT MATCHED THEN INSERT (customer_id, lifetime_value, last_order_ts) VALUES (s.customer_id, s.lifetime_value, s.last_order_ts);<\/code><\/pre>\n\n\n\n<p>SQLFlow l\u00f6st dies in pr\u00e4zise Beziehungen auf Spaltenebene auf. <code>Gold.Kundenwert (Lebenszeitwert)<\/code> leitet sich ab von <code>Silberbestellungen Betrag<\/code> durch <code>SUMME()<\/code>, sowohl \u00fcber die <code>AKTUALISIEREN<\/code> und die <code>EINF\u00dcGEN<\/code> Zweig. <code>last_order_ts<\/code> leitet sich ab von <code>silver.orders.order_ts<\/code> durch <code>MAX()<\/code>Der Unterabfragealias <code>S<\/code> wird aufgel\u00f6st; die Abstammungslinien verweisen auf die eigentliche Quelltabelle, nicht auf die Zwischentabelle.<\/p>\n\n\n\n<p>Genauso wichtig ist, was SQLFlow als \u2026 klassifiziert. <strong>indirekte Abstammung<\/strong>: <code>Silberbestellungen-Status<\/code> landet nie im Ziel, aber <code>WO<\/code> Der Filter formt jeden zusammengef\u00fchrten Wert, und <code>Kunden-ID<\/code> treibt beide an <code>GRUPPE NACH<\/code> und der \u00dcbereinstimmungsbedingung. SQLFlow modelliert direkten Datenfluss und indirekten Einfluss als unterschiedliche, separat umschaltbare Beziehungstypen. Die meisten Konkurrenzprodukte unterscheiden nicht so, und genau das brauchen Sie, wenn jemand fragt: \u201eWird die \u00c4nderung der <code>Status<\/code> \u201eVokabular-Break Customer LTV?\u201c Die ehrliche Antwort lautet: Ja, und nur eine auf die Auswirkungen abgestimmte Datenherkunft zeigt dies.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Migration zu (oder von) Databricks<\/h2>\n\n\n\n<p>Migration ist einer der h\u00e4ufigsten Gr\u00fcnde, warum Teams Databricks-SQL au\u00dferhalb der Plattform analysieren. Der Unity Catalog kann Sie bei der Migrationsplanung nicht unterst\u00fctzen, da die ben\u00f6tigte Codeherkunft Code beschreibt, der noch nie auf Databricks ausgef\u00fchrt wurde. Ein Parser-basierter Workflow hingegen schon.<\/p>\n\n\n\n<ol><li><strong>Kartieren Sie das Quellgebiet.<\/strong> F\u00fchren Sie die bestehenden SQL-Abfragen \u2013 Oracle, Teradata, SQL Server, einschlie\u00dflich gespeicherter Prozeduren und des darin enthaltenen dynamischen SQL-Codes \u2013 mit SQLFlow aus, um den tats\u00e4chlichen Abh\u00e4ngigkeitsgraphen zu erhalten. So erkennen Sie, welche Codeabschnitte zuerst migriert werden sollten und welche nicht mehr ben\u00f6tigt werden.<\/li>\n<li><strong>\u00dcberpr\u00fcfen Sie die Neufassung.<\/strong> Analysieren Sie den neu geschriebenen Databricks-SQL-Code mit dem Databricks-Dialektparser und vergleichen Sie die Herkunftsdiagramme. Wenn sich die Datenquellen einer Zielspalte zwischen der Teradata-Version und der Delta-Version ge\u00e4ndert haben, haben Sie einen Fehler in der Neuschreibung gefunden, bevor die Software ausgeliefert wird.<\/li>\n<li><strong>Pr\u00fcfen Sie, ob keine Daten verwaist sind.<\/strong> Nach der Umstellung werden beide Datenbankbest\u00e4nde per Batch-Scan \u00fcberpr\u00fcft \u2013 SQLFlow verarbeitet Datenbankbest\u00e4nde mit mehr als 100 Datenbanken und \u00fcber einer Million Spalten mit inkrementellen Scans in ein persistentes Herkunftsarchiv.<\/li><\/ol>\n\n\n\n<p>Die gleiche dialekt\u00fcbergreifende Funktionalit\u00e4t funktioniert auch umgekehrt oder seitw\u00e4rts: Wenn ein Teil Ihres Lagers stattdessen zu Snowflake migriert wird, <a href=\"https:\/\/www.gudusoft.com\/de\/schneeflocken-datenherkunft\/\">Snowflake-Abstammungs-Workflow<\/a> Da beide Plattformen die gleiche Engine verwenden, enden sie in einem vergleichbaren Diagramm.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Exportieren der Databricks-Datenherkunft nach DataHub, Purview oder OpenMetadata<\/h2>\n\n\n\n<p>Katalogbasierte Plattformen eignen sich gut zur Metadatenverwaltung, und viele Organisationen schreiben ein solches System f\u00fcr alle Datenplattformen vor. SQLFlow fungiert dabei als Lineage-Engine: Es analysiert SQL-Anweisungen, berechnet die Datenherkunft auf Spaltenebene und indirekt und leitet das Ergebnis \u00fcber spezielle Exportadapter weiter. <strong>DataHub, Microsoft Purview und OpenMetadata<\/strong>JSON- und CSV-Exporte sowie eine REST-API decken alle kundenspezifischen Anforderungen ab.<\/p>\n\n\n\n<p>Dies ist auch die praktische L\u00f6sung f\u00fcr das Problem der Multiplattform-Architektur: Die von zwei verschiedenen Extraktoren mit zwei unterschiedlichen Modellen erzeugten Herkunftsdaten lassen sich nur schwer zu einem einzigen Graphen zusammenf\u00fchren. Ein einziger Parser, der einen Graphen f\u00fcr alle 39 Dialekte erzeugt und diesen in den bereits verwendeten Katalog exportiert, umgeht dieses Problem.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">M\u00f6glichkeiten zur Ausf\u00fchrung<\/h2>\n\n\n\n<figure class=\"wp-block-table\"><table><thead><tr><th>Option<\/th><th>Am besten geeignet f\u00fcr<\/th><th>Anmerkungen<\/th><\/tr><\/thead><tbody>\n<tr><td><a href=\"https:\/\/sqlflow.gudusoft.com\/?utm_source=gudusoft&amp;utm_medium=website&amp;utm_campaign=databricks-data-lineage\">SQLFlow Cloud<\/a><\/td><td>Ich probiere es heute mit echtem Databricks SQL aus.<\/td><td>Kostenlose Version im Browser; Premium-Version $49,99\/Monat<\/td><\/tr>\n<tr><td>SQLFlow vor Ort<\/td><td>Regulierte Umgebungen; SQL muss intern bleiben.<\/td><td>Docker\/Kubernetes-f\u00e4hig, Air-Gap-f\u00e4hig; $500\/Monat oder $4.800 einmalig pro Datenbanktyp, installierbar auf zwei Servern<\/td><\/tr>\n<tr><td>REST-API \/ CLI \/ Java-Bibliothek<\/td><td>Automatisierung der Herkunftsnachverfolgung in CI oder Ihrer eigenen Plattform<\/td><td>Gleiche Engine, ohne Benutzeroberfl\u00e4che; einbettbares JavaScript-Widget mit einer API mit \u00fcber 30 Methoden zum Rendern von Diagrammen in Ihrem Produkt<\/td><\/tr>\n<\/tbody><\/table><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\">H\u00e4ufig gestellte Fragen<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">Ersetzt SQLFlow die Unity Catalog-Linie?<\/h3>\n\n\n<p>Nein, es erg\u00e4nzt es. Unity Catalog erfasst automatisch die Herkunft von Workloads, die dar\u00fcber ausgef\u00fchrt werden. SQLFlow analysiert den SQL-Code statisch und deckt somit Code vor seiner Ausf\u00fchrung (Migrationen), SQL-Anweisungen au\u00dferhalb von Unity Catalog sowie Umgebungen ab, die sich \u00fcber Databricks und andere Plattformen erstrecken. Anschlie\u00dfend exportiert es die Ergebnisse nach DataHub, Purview oder OpenMetadata.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Ben\u00f6tigt SQLFlow Zugriff auf meinen Databricks-Arbeitsbereich oder meine Daten?<\/h3>\n\n\n<p>Nein. SQLFlow f\u00fchrt eine statische Analyse des SQL-Codes durch und verwendet optional Schema-Metadaten zur Aufl\u00f6sung von Referenzen. Es liest niemals Zeilen aus Ihren Delta-Tabellen. Bei der On-Premise-Edition bleibt sogar der SQL-Text innerhalb Ihres Netzwerks.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Kann SQLFlow die Herkunft von MERGE INTO-Anweisungen nachverfolgen?<\/h3>\n\n\n<p>Ja. F\u00fcr eine Delta <code>VEREINIGEN IN<\/code>SQLFlow l\u00f6st das Problem auf <code>VERWENDUNG<\/code> Die Unterabfrage ordnet jede Zielspalte ihren tats\u00e4chlichen Quellspalten zu, und zwar \u00fcber beides: <code>AKTUALISIEREN<\/code> Und <code>EINF\u00dcGEN<\/code> Zweige und klassifiziert \u00dcbereinstimmungsbedingungen und Filter als indirekte (Auswirkungs-)Linie.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Ist Databricks ein eigenst\u00e4ndiger Dialekt von Spark SQL in SQLFlow?<\/h3>\n\n\n<p>Ja. SQLFlow listet Databricks und Spark SQL in seinen 39 unterst\u00fctzten Dialekten separat auf, wobei jeder Dialekt seinen eigenen Parser aus der Spark-SQL-Familie verwendet. W\u00e4hlen Sie Databricks f\u00fcr SQL-Abfragen, die mit Databricks erstellt wurden; es gibt auch einen dedizierten Parser. <a href=\"https:\/\/www.gudusoft.com\/de\/spark-sql-data-lineage\/\">Spark SQL-Herkunftsseite<\/a> f\u00fcr Open-Source-Spark-Workloads.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Funktioniert es mit dbt-Projekten auf Databricks?<\/h3>\n\n\n<p>Ja. Importieren Sie das dbt-Manifest, und SQLFlow erzeugt eine Spaltenherkunft \u00fcber Ihre Modelle hinweg, indem es den Databricks-Dialekt zum Parsen des kompilierten SQL verwendet.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Was kostet SQLFlow?<\/h3>\n\n\n<p>SQLFlow Cloud ist kostenlos; die Premium-Version kostet $49,99\/Monat. Die On-Premise-Version kostet $500\/Monat oder einmalig $4.800 pro ausgew\u00e4hltem Datenbanktyp. Weitere Informationen finden Sie unter [Link einf\u00fcgen]. <a href=\"https:\/\/www.gudusoft.com\/de\/preisgestaltung\/\">Preisseite<\/a>.<\/p>\n\n\n\n<div class=\"wp-block-group alignfull has-background is-layout-constrained\" style=\"background-color:#60d5f6;padding-top:32px;padding-bottom:32px\"><div class=\"wp-block-group__inner-container\">\n\n<h2 class=\"wp-block-heading\">Verfolgen Sie jetzt Ihre Databricks-Herkunft.<\/h2>\n\n\n<p>F\u00fcgen Sie eine Spark SQL-Abfrage oder eine Delta MERGE-Abfrage in den kostenlosen Visualisierer ein oder sprechen Sie mit uns \u00fcber die Durchsicht eines gesamten Migrationsbestands.<\/p>\n\n\n<div class=\"wp-block-buttons is-layout-flex\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link wp-element-button\" href=\"https:\/\/sqlflow.gudusoft.com\/?utm_source=gudusoft&amp;utm_medium=website&amp;utm_campaign=databricks-data-lineage\" target=\"_blank\" rel=\"noreferrer noopener\">Testen Sie SQLFlow kostenlos<\/a><\/div>\n<\/div>\n\n\n<div class=\"wp-block-buttons is-layout-flex\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link wp-element-button\" href=\"https:\/\/www.gudusoft.com\/de\/kontakt\/\">Fordern Sie eine Enterprise-Demo an<\/a><\/div>\n<\/div>\n\n<\/div><\/div>\n\n\n\n<script type=\"application\/ld+json\">{\n    \"@context\": \"https:\\\/\\\/schema.org\",\n    \"@graph\": [\n        {\n            \"@type\": \"SoftwareApplication\",\n            \"name\": \"Gudu SQLFlow\",\n            \"applicationCategory\": \"DeveloperApplication\",\n            \"applicationSubCategory\": \"SQL Data Lineage Tool\",\n            \"operatingSystem\": \"Web, Linux, Windows, macOS\",\n            \"url\": \"https:\\\/\\\/www.gudusoft.com\\\/sql-data-lineage-tool\\\/\",\n            \"description\": \"Automated SQL data lineage tool with a dedicated Databricks dialect parser: column-level lineage for Spark SQL and Delta Lake MERGE statements, with export to DataHub, Microsoft Purview, and OpenMetadata.\",\n            \"featureList\": \"Databricks dialect parser, column-level lineage, indirect\\\/impact lineage, Delta MERGE INTO analysis, dbt support, cross-platform migration analysis across 39 dialects, DataHub\\\/Purview\\\/OpenMetadata export, REST API\",\n            \"softwareVersion\": \"8.2.3\",\n            \"offers\": [\n                {\n                    \"@type\": \"Offer\",\n                    \"name\": \"SQLFlow Cloud Free\",\n                    \"price\": \"0\",\n                    \"priceCurrency\": \"USD\"\n                },\n                {\n                    \"@type\": \"Offer\",\n                    \"name\": \"SQLFlow Cloud Premium\",\n                    \"price\": \"49.99\",\n                    \"priceCurrency\": \"USD\",\n                    \"priceSpecification\": {\n                        \"@type\": \"UnitPriceSpecification\",\n                        \"price\": \"49.99\",\n                        \"priceCurrency\": \"USD\",\n                        \"billingIncrement\": 1,\n                        \"unitText\": \"MONTH\"\n                    }\n                },\n                {\n                    \"@type\": \"Offer\",\n                    \"name\": \"SQLFlow On-Premise\",\n                    \"price\": \"4800\",\n                    \"priceCurrency\": \"USD\"\n                }\n            ],\n            \"publisher\": {\n                \"@type\": \"Organization\",\n                \"name\": \"Gudu Software\",\n                \"url\": \"https:\\\/\\\/www.gudusoft.com\\\/\"\n            }\n        },\n        {\n            \"@type\": \"FAQPage\",\n            \"mainEntity\": [\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"Does SQLFlow replace Unity Catalog lineage?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"No, it complements it. Unity Catalog captures lineage for workloads that run through it. SQLFlow analyzes SQL statically, covering code before it runs (migrations), SQL executed outside Unity Catalog, and cross-platform estates, then exports to DataHub, Purview, or OpenMetadata.\"\n                    }\n                },\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"Does SQLFlow need access to my Databricks workspace or data?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"No. SQLFlow performs static analysis of SQL code and optionally reads schema metadata. It never reads rows in your Delta tables, and the On-Premise edition keeps SQL text inside your network.\"\n                    }\n                },\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"Can SQLFlow trace lineage through MERGE INTO statements?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"Yes. For a Delta MERGE INTO, SQLFlow resolves the USING subquery, maps each target column to its source columns through both the UPDATE and INSERT branches, and classifies match conditions and filters as indirect lineage.\"\n                    }\n                },\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"Is Databricks a distinct dialect from Spark SQL in SQLFlow?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"Yes. SQLFlow's 39 supported dialects list Databricks and Spark SQL separately, each with its own dialect-specific parser in the Spark SQL family.\"\n                    }\n                },\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"Does SQLFlow work with dbt projects on Databricks?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"Yes. Import the dbt manifest and SQLFlow produces column-level lineage across your models, parsing the compiled SQL with the Databricks dialect.\"\n                    }\n                },\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"What does SQLFlow cost?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"SQLFlow Cloud starts free; premium is $49.99\\\/month. SQLFlow On-Premise is $500\\\/month or $4,800 one-time per selected database type.\"\n                    }\n                }\n            ]\n        }\n    ]\n}<\/script>","protected":false},"excerpt":{"rendered":"<p>Databricks data lineage is the column-level map of how data flows through your Spark SQL and Delta Lake code: which source columns feed each target table across your bronze, silver, and gold layers, and which transformations \u2014 joins, aggregates, MERGE logic \u2014 happen along the way. Unity Catalog captures lineage automatically for workloads that run through it; Gudu SQLFlow covers everything else by parsing the SQL itself, which makes it the tool for migrations into Databricks, SQL that runs outside Unity Catalog, and estates that span Databricks plus other platforms. Try it in 30 seconds: paste a Databricks MERGE INTO\u2026<\/p>","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":[],"blocksy_meta":{"styles_descriptor":{"styles":{"desktop":"","tablet":"","mobile":""},"google_fonts":[],"version":5}},"_links":{"self":[{"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/pages\/6753"}],"collection":[{"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/comments?post=6753"}],"version-history":[{"count":0,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/pages\/6753\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/media?parent=6753"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}