{"id":6764,"date":"2026-07-12T02:08:07","date_gmt":"2026-07-12T10:08:07","guid":{"rendered":"https:\/\/www.gudusoft.com\/duckdb-data-lineage\/"},"modified":"2026-07-12T02:08:07","modified_gmt":"2026-07-12T10:08:07","slug":"duckdb-data-lineage","status":"publish","type":"page","link":"https:\/\/www.gudusoft.com\/es\/linaje-de-datos-de-duckdb\/","title":{"rendered":"Linaje de datos de DuckDB: Linaje a nivel de columna para an\u00e1lisis en proceso."},"content":{"rendered":"

Linaje de datos de DuckDB<\/strong> es el mapa a nivel de columna de c\u00f3mo se mueven los datos a trav\u00e9s de su SQL de DuckDB: qu\u00e9 archivos Parquet y tablas de origen alimentan cada tabla derivada, y a trav\u00e9s de qu\u00e9 uniones, conversiones, filtros y agregaciones. Flujo de SQL de Gudu<\/strong> Crea ese mapa autom\u00e1ticamente: analiza tus scripts de DuckDB con un analizador de dialectos de DuckDB espec\u00edfico y genera un diagrama de linaje interactivo, sin ejecutar una sola consulta ni modificar tus datos.<\/p>\n\n\n\n

\n\n

Pru\u00e9balo ahora:<\/strong> Pegue cualquier consulta de DuckDB en el Visualizador de linaje SQL en l\u00ednea gratuito<\/a>Selecciona el dialecto de DuckDB y obt\u00e9n un diagrama de linaje a nivel de columna en segundos. Hay un plan gratuito para uso individual.<\/p>\n\n<\/div><\/div>\n\n\n\n

Por qu\u00e9 las canalizaciones de DuckDB merecen un verdadero linaje<\/h2>\n\n\n\n

DuckDB se ha convertido discretamente en una infraestructura de datos seria. Ejecuta la capa de transformaci\u00f3n en dbt-duckdb<\/code> Los proyectos, impulsan an\u00e1lisis locales que luego se integran en el almac\u00e9n de datos, se encuentran integrados en aplicaciones y cuadernos, y cada vez m\u00e1s funcionan como motor de procesamiento sobre lagos de datos Parquet. El SQL en esas canalizaciones toma el mismo tipo de decisiones que el SQL del almac\u00e9n de datos: calcula los ingresos, filtra a los clientes y crea las tablas que lee un panel de control.<\/p>\n\n\n\n

Sin embargo, los proyectos de DuckDB generalmente no reciben el rigor de linaje que recibe un almac\u00e9n de datos. Hay una raz\u00f3n estructural: la mayor\u00eda de las herramientas de linaje asumen un servidor de base de datos. El linaje basado en registros de tiempo de ejecuci\u00f3n recopila registros de consultas de un motor central; las plataformas basadas en cat\u00e1logo rastrean los metadatos de un servidor. DuckDB est\u00e1 en proceso: a menudo no hay servidor, ni historial de consultas compartido, ni agente de cat\u00e1logo que instalar. La l\u00f3gica de transformaci\u00f3n reside en .sql<\/code> Archivos, modelos dbt y scripts subidos a un repositorio.<\/p>\n\n\n\n

Esto convierte el an\u00e1lisis est\u00e1tico de SQL en la forma natural, y a menudo la \u00fanica, de construir el linaje de datos de DuckDB. SQLFlow analiza el texto SQL directamente, por lo que funciona igual tanto si se ejecuta en un port\u00e1til, en un trabajo de integraci\u00f3n continua o dentro de un proceso de aplicaci\u00f3n.<\/p>\n\n\n\n

C\u00f3mo SQLFlow crea el linaje de datos de DuckDB<\/h2>\n\n\n\n

SQLFlow est\u00e1 construido sobre la base de Analizador SQL general (GSP)<\/a>, un front-end de compilador SQL comercial desarrollado desde mediados de la d\u00e9cada de 2000 y validado contra aproximadamente 13.600 conjuntos de pruebas SQL por dialecto. DuckDB es uno de 39 bases de datos con un analizador sint\u00e1ctico espec\u00edfico para cada dialecto.<\/a> \u2014 no se trata de una gram\u00e1tica ANSI gen\u00e9rica con la sintaxis de DuckDB a\u00f1adida. El proceso:<\/p>\n\n\n\n

  1. Ingerir.<\/strong> Pegue el c\u00f3digo SQL de DuckDB, cargue sus archivos de script o importe un manifiesto dbt desde un dbt-duckdb<\/code> proyecto.<\/li>\n
  2. Analizar y resolver.<\/strong> GSP construye un modelo sem\u00e1ntico completo de cada instrucci\u00f3n, resolviendo cada referencia de columna a trav\u00e9s de CTEs, subconsultas, vistas y SELECCIONAR *<\/code> expansi\u00f3n.<\/li>\n
  3. Extraer flujo de datos.<\/strong> El analizador de flujo de datos registra, para cada columna de salida, exactamente qu\u00e9 columnas de origen la alimentan y a trav\u00e9s de qu\u00e9 funciones, conversiones, uniones y operadores de conjuntos.<\/li>\n
  4. Visualizar y exportar.<\/strong> Explore el diagrama interactivo, siga cualquier columna aguas arriba o aguas abajo y exporte el gr\u00e1fico como JSON, CSV o PNG, o bien, cons\u00edgalo a trav\u00e9s de la API REST.<\/li><\/ol>\n\n\n\n

    Ejemplo: linaje a trav\u00e9s de read_parquet() y CTAS<\/h2>\n\n\n\n

    El patr\u00f3n caracter\u00edstico de DuckDB es CREAR TABLA COMO SELECCIONAR<\/code> Lectura directa de archivos: sin carga intermedia, los archivos Parquet. son<\/em> La fuente. Una configuraci\u00f3n t\u00edpica para informes:<\/p>\n\n\n\n

    CREATE TABLE reporting.daily_revenue AS SELECT CAST(o.order_ts AS DATE) AS order_date, c.region AS region, SUM(o.amount) AS revenue, COUNT(DISTINCT o.customer_id) AS buyers FROM read_parquet('lake\/orders\/*.parquet') AS o JOIN dim_customers AS c ON o.customer_id = c.customer_id WHERE o.status = 'completed' GROUP BY 1, 2;<\/code><\/pre>\n\n\n\n
    El analizador DuckDB de SQLFlow entiende leer_parquet()<\/code> como origen de tabla, por lo que la ruta Parquet aparece como un nodo real en el gr\u00e1fico de linaje en lugar de una llamada a funci\u00f3n sin resolver. De esta \u00fanica instrucci\u00f3n extrae:<\/p>\n\n\n\n