{"id":6756,"date":"2026-07-12T02:06:52","date_gmt":"2026-07-12T10:06:52","guid":{"rendered":"https:\/\/www.gudusoft.com\/postgresql-data-lineage\/"},"modified":"2026-07-12T02:06:52","modified_gmt":"2026-07-12T10:06:52","slug":"postgresql-data-lineage","status":"publish","type":"page","link":"https:\/\/www.gudusoft.com\/pt\/linhagem-de-dados-postgresql\/","title":{"rendered":"Linhagem de dados do PostgreSQL: Linhagem em n\u00edvel de coluna a partir de views e SQL"},"content":{"rendered":"

linhagem de dados do PostgreSQL<\/strong> \u00e9 o mapa em n\u00edvel de coluna de como os dados se movem pelas suas views, CTEs e DMLs do PostgreSQL: quais colunas da tabela base alimentam cada coluna de view ou relat\u00f3rio e quais jun\u00e7\u00f5es, filtros, convers\u00f5es e agrega\u00e7\u00f5es transformam os dados ao longo do caminho. O pr\u00f3prio cat\u00e1logo do PostgreSQL informa que os objetos dependem uns dos outros \u2014 pg_depend<\/code> Os registros indicam que uma view faz refer\u00eancia a uma tabela, mas n\u00e3o dizem nada sobre como as colunas se transformam. Construir uma linhagem real significa analisar o pr\u00f3prio SQL, e \u00e9 exatamente isso que estamos fazendo. Gudu SQLFlow<\/strong> faz isso, com um analisador de dialeto PostgreSQL dedicado em vez de uma gram\u00e1tica ANSI gen\u00e9rica.<\/p>\n\n\n\n

\n\n

Experimente em 30 segundos:<\/strong> Cole qualquer consulta ou defini\u00e7\u00e3o de visualiza\u00e7\u00e3o do PostgreSQL no Visualizador de linhagem SQLFlow gratuito<\/a> e obtenha um diagrama de linhagem interativo em n\u00edvel de coluna. A vers\u00e3o em nuvem possui um plano gratuito.<\/p>\n\n<\/div><\/div>\n\n\n\n

Por que o pg_depend n\u00e3o consegue responder a perguntas sobre linhagem?<\/h2>\n\n\n\n

O PostgreSQL mant\u00e9m registros de depend\u00eancias meticulosos. pg_depend<\/code> e pg_rewrite<\/code> saiba que receita_regional<\/code> n\u00e3o pode ser descartado enquanto fizer refer\u00eancia a v_pedidos_enriquecidos<\/code>, e esquema_de_informa\u00e7\u00e3o<\/code> As visualiza\u00e7\u00f5es exp\u00f5em quais tabelas uma visualiza\u00e7\u00e3o acessa. Isso \u00e9 o rastreamento de depend\u00eancias em n\u00edvel de objeto, criado para GOTEJAR ... CASCATA<\/code> Seguran\u00e7a \u2014 n\u00e3o linhagem.<\/p>\n\n\n\n

O que o cat\u00e1logo n\u00e3o pode lhe dizer: quais colunas espec\u00edficas alimentam o sistema. receita<\/code>, se quantia<\/code> foi lan\u00e7ado ou agregado no caminho, seja status<\/code> filtra o resultado sem nunca aparecer nele, e mostra como o caminho completo se parece quando as visualiza\u00e7\u00f5es se acumulam em tr\u00eas ou quatro n\u00edveis de profundidade. Responder a perguntas como "de onde vem esse n\u00famero?" ou "o que acontece se eu remover essa coluna?" exige reconstruir a l\u00f3gica de transforma\u00e7\u00e3o a partir do texto SQL armazenado nas defini\u00e7\u00f5es de visualiza\u00e7\u00e3o \u2014 um problema de an\u00e1lise sint\u00e1tica, n\u00e3o uma consulta de cat\u00e1logo.<\/p>\n\n\n\n

Como o SQLFlow constr\u00f3i a linhagem de dados do PostgreSQL<\/h2>\n\n\n\n
  1. Ingerir SQL.<\/strong> Cole consultas, carregue arquivos de script, conecte-se ao PostgreSQL via JDBC para obter DDL e visualizar defini\u00e7\u00f5es diretamente ou importe um manifesto dbt para projetos dbt-on-Postgres.<\/li>\n
  2. Analisar com uma gram\u00e1tica espec\u00edfica do PostgreSQL.<\/strong> O SQLFlow \u00e9 constru\u00eddo sobre o Analisador SQL Geral (GSP)<\/a>, um front-end comercial para compilador SQL desenvolvido desde meados dos anos 2000 e validado com aproximadamente 13.600 conjuntos de testes por dialeto. Seu analisador sint\u00e1tico PostgreSQL lida com as constru\u00e7\u00f5es pr\u00f3prias do dialeto \u2014 CTEs grav\u00e1veis, INSERIR ... EM CASO DE CONFLITO<\/code>, o ::<\/code> Operador de convers\u00e3o de tipo, heran\u00e7a e particionamento de DDL \u2014 e suas expans\u00f5es de resolvedor sem\u00e2ntico SELECIONE *<\/code>, resolve refer\u00eancias de coluna por meio de CTEs, subconsultas e defini\u00e7\u00f5es de visualiza\u00e7\u00e3o e, em seguida, extrai relacionamentos de origem para destino em n\u00edvel de coluna.<\/li>\n
  3. Visualize e exporte.<\/strong> O resultado \u00e9 um diagrama interativo que voc\u00ea pode rastrear a montante e a jusante de qualquer coluna, export\u00e1vel como JSON, CSV ou PNG, ou consult\u00e1vel por meio de uma API REST.<\/li><\/ol>\n\n\n\n

    O PostgreSQL \u00e9 um dos 39 dialetos para os quais o SQLFlow fornece analisadores sint\u00e1ticos \u2014 incluindo os mecanismos da fam\u00edlia Postgres: Greenplum, Amazon Redshift e EDB Postgres, cada um com seu pr\u00f3prio analisador sint\u00e1tico, pois cada um divergiu do PostgreSQL principal de maneiras relevantes para um mecanismo de linhagem. A metodologia completa \u00e9 abordada no documento. Vis\u00e3o geral da ferramenta de linhagem de dados SQL<\/a>.<\/p>\n\n\n\n

    Rastreando uma cadeia de visualiza\u00e7\u00e3o aninhada at\u00e9 as tabelas base.<\/h2>\n\n\n\n

    A l\u00f3gica \u00e9 acumulada por meio de pilhas de visualiza\u00e7\u00e3o (view-on-view) no PostgreSQL, e \u00e9 nesse ponto que o rastreamento manual de linhagem falha. Considere uma cadeia de dois n\u00edveis:<\/p>\n\n\n\n

    CRIAR VIEW v_orders_enriched AS SELECT o.order_id, o.customer_id, o.amount::numeric(12,2) AS amount, c.region FROM orders o JOIN customers c ON c.customer_id = o.customer_id WHERE o.status = 'shipped'; CRIAR VIEW v_region_revenue AS SELECT region, SUM(amount) AS revenue FROM v_orders_enriched GROUP BY region;<\/code><\/pre>\n\n\n\n
    Pergunte ao SQLFlow onde v_region_revenue.revenue<\/code> vem de e resolve toda a cadeia: receita<\/code> \u00e9 SOMA()<\/code> sobre v_orders_enriched.amount<\/code>, que \u00e9 um num\u00e9rico(12,2)<\/code> elenco de pedidos.quantidade<\/code>O diagrama mostra cada etapa \u2014 tabela base, vis\u00e3o intermedi\u00e1ria, agregado \u2014 como um caminho explor\u00e1vel, n\u00e3o como um palpite superficial. Ele tamb\u00e9m revela o que uma leitura ing\u00eanua n\u00e3o percebe: pedidos.status<\/code> nunca aparece na sa\u00edda, mas cada valor de receita depende do ONDE o.status = 'enviado'<\/code> filtro. O SQLFlow registra isso como linhagem indireta (mais detalhes abaixo).<\/p>\n\n\n\n
    A mesma resolu\u00e7\u00e3o funciona em qualquer profundidade. Em um esquema real onde as visualiza\u00e7\u00f5es se empilham em cinco n\u00edveis de profundidade e metade delas usa SELECIONE *<\/code>O SQLFlow expande os asteriscos com base nas defini\u00e7\u00f5es reais das tabelas obtidas via JDBC, de modo que a linhagem permane\u00e7a precisa em n\u00edvel de coluna, mesmo quando o texto SQL n\u00e3o nomeia as colunas.<\/p>\n\n\n\n
    Constru\u00e7\u00f5es do PostgreSQL que quebram analisadores sint\u00e1ticos gen\u00e9ricos<\/h2>\n\n\n\n
    Ferramentas que tratam o PostgreSQL como "aproximadamente ANSI SQL" falham justamente nas instru\u00e7\u00f5es que carregam o maior fluxo de dados. Todas essas instru\u00e7\u00f5es s\u00e3o tratadas pelo analisador de dialeto PostgreSQL do SQLFlow:<\/p>\n\n\n\n
    \n
    Construir<\/th>Por que isso \u00e9 importante para a linhagem<\/th><\/tr><\/thead>
    CTEs grav\u00e1veis (COM ... INSERIR\/ATUALIZAR\/EXCLUIR ... RETORNANDO<\/code>)<\/td>Uma \u00fanica instru\u00e7\u00e3o l\u00ea e escreve: a sa\u00edda DML da CTE alimenta a consulta externa. A linhagem deve conectar a tabela modificada, a RETORNANDO<\/code> colunas e o objetivo final em um gr\u00e1fico.<\/td><\/tr>\n
    INSERIR ... EM CASO DE CONFLITO, ATUALIZAR<\/code><\/td>As opera\u00e7\u00f5es de upsert encaminham os dados por dois caminhos \u2014 o caminho de inser\u00e7\u00e3o e o caminho de atualiza\u00e7\u00e3o atrav\u00e9s do EXCLU\u00cdDO<\/code> pseudo-tabela. Ambas s\u00e3o fluxos de colunas reais para a tabela de destino.<\/td><\/tr>\n
    Heran\u00e7a de tabelas e particionamento declarativo<\/td>Consultas em uma tabela pai leem implicitamente suas tabelas filhas. O SQLFlow analisa o DDL de heran\u00e7a e particionamento para que a linhagem seja anexada corretamente no n\u00edvel pai, em vez de fragmentada por parti\u00e7\u00e3o.<\/td><\/tr>\n
    CTEs encadeadas e visualiza\u00e7\u00f5es aninhadas<\/td>As refer\u00eancias de coluna devem ser resolvidas em todas as camadas intermedi\u00e1rias, incluindo as CTEs que fazem refer\u00eancia a CTEs anteriores, at\u00e9 chegar \u00e0s tabelas base f\u00edsicas.<\/td><\/tr>\n
    ::<\/code> colunas de elenco e express\u00e3o<\/td>Cada coluna de sa\u00edda \u00e9 mapeada para suas fontes por meio das fun\u00e7\u00f5es e convers\u00f5es aplicadas, para que voc\u00ea possa ver n\u00e3o apenas onde<\/em> um valor veio de mas O que aconteceu com ele?<\/em>.<\/td><\/tr>\n<\/tbody><\/table><\/figure>\n\n\n\n
    Linhagem direta versus indireta: as colunas de filtro que voc\u00ea perderia se n\u00e3o as visse.<\/h2>\n\n\n\n
    O SQLFlow distingue linhagem direta<\/strong> \u2014 valores de coluna que fluem fisicamente para uma sa\u00edda \u2014 de linhagem indireta (de impacto)<\/strong> \u2014 colunas usadas em ONDE<\/code> cl\u00e1usulas, JUNTAR<\/code> condi\u00e7\u00f5es e AGRUPAR POR<\/code> teclas que moldam o resultado sem chegar at\u00e9 ele. No exemplo acima, pedidos.quantidade<\/code> \u00e9 linhagem direta para receita<\/code>; pedidos.status<\/code> e ambos id_do_cliente<\/code> As chaves de jun\u00e7\u00e3o s\u00e3o indiretas.<\/p>\n\n\n\n
    A distin\u00e7\u00e3o pode ser alterada no diagrama e modifica decis\u00f5es reais. Se voc\u00ea planeja alterar o dom\u00ednio de pedidos.status<\/code>A linhagem direta indica que nada depende dela; a linhagem indireta mostra todos os relat\u00f3rios de receita que filtra silenciosamente. A maioria das ferramentas de linhagem n\u00e3o modela esse tipo de relacionamento.<\/p>\n\n\n\n
    De uma \u00fanica consulta a um ambiente PostgreSQL completo.<\/h2>\n\n\n\n
    Para uma \u00fanica cadeia de visualiza\u00e7\u00e3o complexa, o n\u00edvel gratuito do SQLFlow Cloud \u00e9 suficiente: colar, analisar, detalhar. Al\u00e9m disso:<\/p>\n\n\n\n