{"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\/fr\/lignee-des-donnees-databricks\/","title":{"rendered":"Tra\u00e7abilit\u00e9 des donn\u00e9es Databricks\u00a0: Tra\u00e7abilit\u00e9 au niveau des colonnes pour Spark SQL et Delta"},"content":{"rendered":"<p><strong>Tra\u00e7abilit\u00e9 des donn\u00e9es Databricks<\/strong> Il s&#039;agit de la cartographie au niveau des colonnes de la fa\u00e7on dont les donn\u00e9es circulent dans votre code Spark SQL et Delta Lake\u00a0: quelles colonnes sources alimentent chaque table cible \u00e0 travers vos couches bronze, argent et or, et quelles transformations (jointures, agr\u00e9gations, etc.) sont appliqu\u00e9es. <code>FUSIONNER<\/code> La logique se met en place au fur et \u00e0 mesure. Unity Catalog capture automatiquement la lign\u00e9e des charges de travail qui y transitent\u00a0; <strong>Gudu SQLFlow<\/strong> Il couvre tout le reste en analysant le SQL lui-m\u00eame, ce qui en fait l&#039;outil id\u00e9al pour les migrations vers Databricks, le SQL ex\u00e9cut\u00e9 en dehors d&#039;Unity Catalog et les environnements qui s&#039;\u00e9tendent sur Databricks et d&#039;autres plateformes.<\/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>Essayez en 30 secondes\u00a0:<\/strong> coller un Databricks <code>FUSIONNER DANS<\/code> ou requ\u00eate de bloc-notes dans le <a href=\"https:\/\/sqlflow.gudusoft.com\/?utm_source=gudusoft&amp;utm_medium=website&amp;utm_campaign=databricks-data-lineage\" target=\"_blank\" rel=\"noreferrer noopener\">Visualiseur de lignage SQLFlow gratuit<\/a>S\u00e9lectionnez le dialecte Databricks et obtenez imm\u00e9diatement le diagramme de tra\u00e7abilit\u00e9 au niveau des colonnes. Aucun acc\u00e8s au cluster ni \u00e0 l&#039;espace de travail n&#039;est requis.<\/p>\n\n<\/div><\/div>\n\n\n\n<h2 class=\"wp-block-heading\">Quand a-t-on besoin de plus que la simple filiation avec Unity Catalog ?<\/h2>\n\n\n\n<p>Unity Catalog est vraiment performant\u00a0: pour les requ\u00eates et les t\u00e2ches ex\u00e9cut\u00e9es via cette plateforme, Databricks capture automatiquement la tra\u00e7abilit\u00e9, sans outil suppl\u00e9mentaire. Si l&#039;ensemble de votre infrastructure est h\u00e9berg\u00e9 sur un seul compte Databricks et que toutes vos charges de travail passent par Unity Catalog, commencez par l\u00e0.<\/p>\n\n\n\n<p>L&#039;\u00e9cart est structurel, et non un bug\u00a0: la tra\u00e7abilit\u00e9 captur\u00e9e \u00e0 l&#039;ex\u00e9cution n&#039;existe que pour le code d\u00e9j\u00e0 ex\u00e9cut\u00e9 dans l&#039;environnement de capture. Il reste donc quatre situations o\u00f9 les \u00e9quipes optent pour une approche d&#039;analyse syntaxique SQL\u00a0:<\/p>\n\n\n\n<ul><li><strong>Avant que le code ne s&#039;ex\u00e9cute sur Databricks.<\/strong> Vous migrez depuis Oracle, Teradata ou SQL Server et vous avez besoin du graphe de d\u00e9pendances de l&#039;ancien SQL \u2014 et du SQL Databricks r\u00e9\u00e9crit \u2014 avant toute ex\u00e9cution en production.<\/li>\n<li><strong>SQL qui n&#039;interagit jamais avec Unity Catalog.<\/strong> SQL de notebook export\u00e9 vers des fichiers, scripts dans un d\u00e9p\u00f4t Git, SQL g\u00e9n\u00e9r\u00e9 par des planificateurs externes ou des outils ETL, code sur des espaces de travail non encore mis \u00e0 niveau vers Unity Catalog.<\/li>\n<li><strong>Domaines multiplateformes.<\/strong> Les pipelines qui d\u00e9marrent dans SQL Server, effectuent des transformations dans Databricks et aboutissent dans Snowflake n\u00e9cessitent un graphe de tra\u00e7abilit\u00e9 unique pour ces trois environnements. SQLFlow int\u00e8gre des analyseurs syntaxiques sp\u00e9cifiques \u00e0 chaque dialecte pour 39 bases de donn\u00e9es\u00a0: Databricks et Snowflake. <a href=\"https:\/\/www.gudusoft.com\/fr\/spark-sql-data-lineage\/\">Spark SQL<\/a> parmi eux \u2014 ainsi, toute la cha\u00eene est analys\u00e9e avec un seul moteur.<\/li>\n<li><strong>Lign\u00e9e dans un catalogue que vous utilisez d\u00e9j\u00e0.<\/strong> Si votre organisation utilise DataHub, Microsoft Purview ou OpenMetadata comme standard plut\u00f4t que l&#039;interface utilisateur de Databricks, vous avez besoin d&#039;une tra\u00e7abilit\u00e9 permettant l&#039;exportation vers ces plateformes. SQLFlow inclut des adaptateurs d&#039;exportation pour ces trois syst\u00e8mes.<\/li><\/ul>\n\n\n\n<p>Ces deux approches sont compl\u00e9mentaires. Unity Catalog indique ce qui a \u00e9t\u00e9 ex\u00e9cut\u00e9\u00a0; l\u2019analyse statique SQL indique ce que fait le code, y compris le code qui n\u2019a pas encore \u00e9t\u00e9 ex\u00e9cut\u00e9.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Comment SQLFlow analyse le SQL de Databricks<\/h2>\n\n\n\n<p><a href=\"https:\/\/www.gudusoft.com\/fr\/outil-de-lignee-de-donnees-sql\/\">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>L&#039;analyse est enti\u00e8rement statique. SQLFlow lit le texte SQL et, \u00e9ventuellement, les m\u00e9tadonn\u00e9es du sch\u00e9ma\u00a0; il ne lit jamais les lignes de vos tables Delta. <a href=\"https:\/\/www.gudusoft.com\/fr\/sqlflow-on-premise-version\/\">\u00c9dition sur site<\/a> Le texte SQL lui-m\u00eame ne quitte jamais votre r\u00e9seau\u00a0: il est d\u00e9ploy\u00e9 sur Docker ou Kubernetes et s\u2019ex\u00e9cute de mani\u00e8re isol\u00e9e du r\u00e9seau. Pour chaque instruction, l\u2019analyseur syntaxique construit un mod\u00e8le s\u00e9mantique complet, r\u00e9solvant chaque r\u00e9f\u00e9rence de colonne via des CTE, des sous-requ\u00eates, des vues, etc. <code>S\u00c9LECTIONNER *<\/code> Apr\u00e8s l&#039;expansion, l&#039;analyseur de flux de donn\u00e9es extrait les relations source-cible au niveau de la granularit\u00e9 des colonnes.<\/p>\n\n\n\n<p>Vous pouvez l&#039;alimenter avec du SQL, quel que soit son format\u00a0: instructions coll\u00e9es, fichiers import\u00e9s, m\u00e9tadonn\u00e9es de base de donn\u00e9es via JDBC ou manifeste dbt pour les projets dbt ciblant Databricks. Le r\u00e9sultat est un diagramme interactif et explorable, ainsi que des donn\u00e9es de tra\u00e7abilit\u00e9 structur\u00e9es aux formats JSON, CSV, PNG ou r\u00e9ponse d&#039;une API REST.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Exemple\u00a0: lign\u00e9e au niveau des colonnes via une fusion Delta<\/h2>\n\n\n\n<p><code>FUSIONNER DANS<\/code> est le pilier des pipelines Delta Lake, et une instruction o\u00f9 la tra\u00e7abilit\u00e9 au niveau des tables est presque inutile, car une seule fusion lit, fait correspondre, met \u00e0 jour et ins\u00e8re en une seule op\u00e9ration. Prenons l&#039;exemple d&#039;une insertion\/mise \u00e0 jour de la couche de r\u00e9f\u00e9rence\u00a0:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>FUSIONNER DANS gold.customer_ltv AS t UTILISANT ( S\u00c9LECTIONNER o.customer_id, SUM(o.amount) AS lifetime_value, MAX(o.order_ts) AS last_order_ts DE silver.orders o O\u00d9 o.status = &#039;completed&#039; GROUPER PAR o.customer_id ) AS s SUR t.customer_id = s.customer_id LORSQUE CORRESPONDANCE ALORS METTRE \u00c0 JOUR D\u00c9FINIR t.lifetime_value = s.lifetime_value, t.last_order_ts = s.last_order_ts LORSQUE NON CORRESPONDANCE ALORS INS\u00c9RER (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 r\u00e9sout cela en relations pr\u00e9cises au niveau des colonnes. <code>valeur vie client gold.customer_ltv.lifetime_value<\/code> d\u00e9rive de <code>montant des commandes d&#039;argent<\/code> \u00e0 travers <code>SOMME()<\/code>, par le biais des deux <code>MISE \u00c0 JOUR<\/code> et le <code>INS\u00c9RER<\/code> bifurquer. <code>derni\u00e8re_commande_ts<\/code> d\u00e9rive de <code>argent.commandes.commande_ts<\/code> \u00e0 travers <code>MAX()<\/code>. L&#039;alias de la sous-requ\u00eate <code>s<\/code> est r\u00e9solu ; la lign\u00e9e pointe vers la table source r\u00e9elle, et non vers la table interm\u00e9diaire.<\/p>\n\n\n\n<p>Il est tout aussi important de savoir ce que SQLFlow classe comme <strong>lign\u00e9e indirecte<\/strong>: <code>statut des commandes d&#039;argent<\/code> n&#039;atteint jamais la cible, mais le <code>O\u00d9<\/code> Le filtre appliqu\u00e9 fa\u00e7onne chaque valeur fusionn\u00e9e, et <code>identifiant_client<\/code> conduit \u00e0 la fois le <code>GROUPER PAR<\/code> et la condition de correspondance. SQLFlow mod\u00e9lise le flux de donn\u00e9es direct et l&#039;influence indirecte comme des types de relations distincts et activables s\u00e9par\u00e9ment. La plupart des outils concurrents ne font pas cette distinction, et c&#039;est pr\u00e9cis\u00e9ment ce dont vous avez besoin lorsqu&#039;on vous demande \u00ab\u00a0est-ce que la modification du <code>statut<\/code> \u00ab\u00a0Rupture de vocabulaire concernant la valeur vie client\u00a0?\u00a0\u00bb La r\u00e9ponse honn\u00eate est oui, et seule une analyse de la lign\u00e9e prenant en compte l\u2019impact le d\u00e9montre.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Migration vers (ou depuis) Databricks<\/h2>\n\n\n\n<p>La migration est l&#039;une des raisons les plus fr\u00e9quentes pour lesquelles les \u00e9quipes analysent Databricks SQL en dehors de la plateforme. Unity Catalog ne peut pas vous aider \u00e0 planifier une migration, car la tra\u00e7abilit\u00e9 n\u00e9cessaire d\u00e9crit du code qui n&#039;a jamais \u00e9t\u00e9 ex\u00e9cut\u00e9 sur Databricks. Un workflow bas\u00e9 sur un analyseur syntaxique permet, en revanche\u00a0:<\/p>\n\n\n\n<ol><li><strong>Cartographier le domaine source.<\/strong> Ex\u00e9cutez votre code SQL existant (Oracle, Teradata, SQL Server, y compris les proc\u00e9dures stock\u00e9es et le code SQL dynamique qu&#039;elles contiennent) via SQLFlow pour obtenir le graphe de d\u00e9pendances r\u00e9el. Vous saurez ainsi quelles bases de donn\u00e9es migrer en priorit\u00e9 et quelles bases sont obsol\u00e8tes.<\/li>\n<li><strong>Validez la r\u00e9\u00e9criture.<\/strong> Analysez le code SQL Databricks r\u00e9\u00e9crit \u00e0 l&#039;aide de l&#039;analyseur syntaxique Databricks et comparez les graphes de tra\u00e7abilit\u00e9. Si les sources d&#039;une colonne cible ont chang\u00e9 entre la version Teradata et la version Delta, vous avez d\u00e9tect\u00e9 un bug de r\u00e9\u00e9criture avant sa mise en production.<\/li>\n<li><strong>V\u00e9rifiez qu&#039;aucun \u00e9l\u00e9ment n&#039;est orphelin.<\/strong> Apr\u00e8s la bascule, effectuez une analyse par lots des deux environnements \u2014 SQLFlow g\u00e8re des environnements de plus de 100 bases de donn\u00e9es et plus d&#039;un million de colonnes, avec des analyses incr\u00e9mentales dans un r\u00e9f\u00e9rentiel de lignage persistant.<\/li><\/ol>\n\n\n\n<p>Cette m\u00eame fonctionnalit\u00e9 interdialecte fonctionne en sens inverse ou lat\u00e9ralement\u00a0: si une partie de votre entrep\u00f4t migre vers Snowflake, <a href=\"https:\/\/www.gudusoft.com\/fr\/lignee-de-donnees-de-flocon-de-neige\/\">Flux de travail de lign\u00e9e Snowflake<\/a> Les deux plateformes utilisent le m\u00eame moteur, ce qui permet d&#039;obtenir un graphique comparable.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Exportation de la tra\u00e7abilit\u00e9 des donn\u00e9es Databricks vers DataHub, Purview ou OpenMetadata<\/h2>\n\n\n\n<p>Les plateformes privil\u00e9giant le catalogue sont d&#039;excellents syst\u00e8mes d&#039;enregistrement des m\u00e9tadonn\u00e9es, et de nombreuses organisations en imposent une pour l&#039;ensemble de leurs plateformes de donn\u00e9es. SQLFlow s&#039;int\u00e8gre comme moteur de tra\u00e7abilit\u00e9 sous-jacent\u00a0: il analyse le SQL, calcule la tra\u00e7abilit\u00e9 au niveau des colonnes et la tra\u00e7abilit\u00e9 indirecte, puis transmet le r\u00e9sultat via des adaptateurs d&#039;exportation d\u00e9di\u00e9s. <strong>DataHub, Microsoft Purview et OpenMetadata<\/strong>Les exportations JSON et CSV, ainsi qu&#039;une API REST, permettent de couvrir tous les besoins sp\u00e9cifiques.<\/p>\n\n\n\n<p>C&#039;est aussi la solution pratique au probl\u00e8me multiplateforme\u00a0: il est difficile de fusionner les lign\u00e9es produites par deux extracteurs diff\u00e9rents avec deux mod\u00e8les diff\u00e9rents en un seul graphe. Un seul analyseur syntaxique produisant un graphe unique pour les 39 dialectes, export\u00e9 vers le catalogue que vous utilisez d\u00e9j\u00e0, r\u00e9sout ce probl\u00e8me.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Fa\u00e7ons de le faire fonctionner<\/h2>\n\n\n\n<figure class=\"wp-block-table\"><table><thead><tr><th>Option<\/th><th>Id\u00e9al pour<\/th><th>Notes<\/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>Je le teste aujourd&#039;hui sur une vraie base de donn\u00e9es Databricks SQL.<\/td><td>Version gratuite dans le navigateur\u00a0; version premium \u00e0 49,99\u00a0\u20ac\/mois<\/td><\/tr>\n<tr><td>SQLFlow sur site<\/td><td>Environnements r\u00e9glement\u00e9s\u00a0; SQL doit rester interne<\/td><td>Docker\/Kubernetes, compatible avec un environnement isol\u00e9\u00a0; 1\u00a0TP3T500\/mois ou 1\u00a0TP3T4\u00a0800 en une seule fois par type de base de donn\u00e9es, installable sur deux serveurs<\/td><\/tr>\n<tr><td>API REST \/ CLI \/ Biblioth\u00e8que Java<\/td><td>Automatisation du tra\u00e7age dans l&#039;int\u00e9gration continue ou sur votre propre plateforme<\/td><td>M\u00eame moteur, sans interface graphique\u00a0; widget JavaScript int\u00e9grable avec une API de plus de 30 m\u00e9thodes pour le rendu de diagrammes dans votre produit<\/td><\/tr>\n<\/tbody><\/table><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\">Foire aux questions<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">SQLFlow remplace-t-il la lign\u00e9e d&#039;Unity Catalog\u00a0?<\/h3>\n\n\n<p>Non, il le compl\u00e8te. Unity Catalog capture automatiquement la tra\u00e7abilit\u00e9 des charges de travail qui y transitent. SQLFlow analyse statiquement le SQL, couvrant ainsi le code avant son ex\u00e9cution (migrations), le SQL ex\u00e9cut\u00e9 en dehors d&#039;Unity Catalog et les environnements s&#039;\u00e9tendant de Databricks \u00e0 d&#039;autres plateformes, puis exporte le r\u00e9sultat vers DataHub, Purview ou OpenMetadata.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">SQLFlow a-t-il besoin d&#039;acc\u00e9der \u00e0 mon espace de travail ou \u00e0 mes donn\u00e9es Databricks\u00a0?<\/h3>\n\n\n<p>Non. SQLFlow effectue une analyse statique du code SQL, en utilisant \u00e9ventuellement les m\u00e9tadonn\u00e9es du sch\u00e9ma pour r\u00e9soudre les r\u00e9f\u00e9rences. Il ne lit jamais les lignes de vos tables Delta. Avec l&#039;\u00e9dition sur site, m\u00eame le texte SQL reste au sein de votre r\u00e9seau.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">SQLFlow peut-il retracer la lign\u00e9e \u00e0 travers les instructions MERGE INTO\u00a0?<\/h3>\n\n\n<p>Oui. Pour un Delta <code>FUSIONNER DANS<\/code>SQLFlow r\u00e9sout le probl\u00e8me. <code>EN UTILISANT<\/code> la sous-requ\u00eate associe chaque colonne cible \u00e0 ses v\u00e9ritables colonnes sources \u00e0 travers les deux <code>MISE \u00c0 JOUR<\/code> et <code>INS\u00c9RER<\/code> branches, et classe les conditions de correspondance et les filtres comme lign\u00e9e indirecte (impact).<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Databricks est-il un dialecte distinct de Spark SQL dans SQLFlow\u00a0?<\/h3>\n\n\n<p>Oui. SQLFlow prend en charge 39 dialectes, dont Databricks et Spark SQL, chacun disposant de son propre analyseur syntaxique au sein de la famille Spark SQL. Choisissez Databricks pour les requ\u00eates SQL \u00e9crites avec Databricks\u00a0; il existe \u00e9galement un analyseur syntaxique d\u00e9di\u00e9. <a href=\"https:\/\/www.gudusoft.com\/fr\/spark-sql-data-lineage\/\">page de tra\u00e7abilit\u00e9 Spark SQL<\/a> pour les charges de travail Spark open-source.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Est-ce compatible avec les projets dbt sur Databricks\u00a0?<\/h3>\n\n\n<p>Oui. Importez le manifeste dbt et SQLFlow g\u00e9n\u00e8re une tra\u00e7abilit\u00e9 au niveau des colonnes de vos mod\u00e8les, en utilisant le dialecte Databricks pour analyser le SQL compil\u00e9.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Combien co\u00fbte SQLFlow\u00a0?<\/h3>\n\n\n<p>SQLFlow Cloud est gratuit au d\u00e9part\u00a0; la version Premium co\u00fbte 49,99\u00a0\u00a3\/mois. La version sur site co\u00fbte 500\u00a0\u00a3\/mois ou 4\u00a0800\u00a0\u00a3 (paiement unique) par type de base de donn\u00e9es s\u00e9lectionn\u00e9. Plus d\u2019informations sont disponibles sur le site web. <a href=\"https:\/\/www.gudusoft.com\/fr\/tarification\/\">page de tarification<\/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\">Retracez d\u00e8s maintenant votre lign\u00e9e Databricks<\/h2>\n\n\n<p>Collez une requ\u00eate Spark SQL ou Delta MERGE dans le visualiseur gratuit, ou contactez-nous pour analyser l&#039;ensemble de votre parc de migration.<\/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\">Essayez SQLFlow gratuitement<\/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\/fr\/contact\/\">Demander une d\u00e9monstration pour entreprises<\/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\/fr\/wp-json\/wp\/v2\/pages\/6753"}],"collection":[{"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/comments?post=6753"}],"version-history":[{"count":0,"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/pages\/6753\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/media?parent=6753"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}