数据血缘是什么？出数据事故时你怎么用它定影响面？

一句话：数据血缘是「这张表/这个字段从哪来、被谁用」的依赖图。出事时它用来定影响面，不是用来写周报。

先把目录和血缘拆开。 资产目录回答「这张表是什么、口径谁负责」；血缘回答「它依赖谁、谁依赖它」。没有依赖方向，你只能猜该叫谁、该停哪条作业。

粒度决定能不能用。
- 表级：作业读了哪些表、写了哪些表。适合「上游挂了谁会空、谁会晚」。
- 字段级：这个度量经过哪些变换、被哪些报表/特征直接用。适合「改了折扣口径，GMV 和补贴率会不会一起漂」。
- 列级再往下是表达式/SQL 片段，排歧义时才下钻，日常告警先停在字段。

面试我会主动说：表级血缘够定爆炸半径，不够判断「改一列会不会炸」。口径事故必须看字段级。

出事怎么用，按双向走。 假设 ADS 的支付 GMV 今天掉了 30%：
1. 向上：GMV 字段从 DWS 哪列来，DWS 从 DWD 哪张事实来，事实从 ODS/CDC 哪条链路来。每跳看变换：过滤、去重、汇率、退款是否计入。对一下分区水位和主键行数，定位是源断了、过滤条件变了，还是汇率维没到。
2. 向下：哪些看板、周报、实验指标、特征、对账作业读这张 ADS。按刷新窗口排序：实时大盘先口头熔断，T+1 报表可以等根因；对账和资金相关先标红。
3. 定动作：能修上游就修并重跑受影响分区；修不了就降级下游（缓存昨日本数、摘看板、停依赖它的告警），不要让错误数字继续往外流。

一张「谁读谁」的查询就能把下游拉出来：

-- 表级：从产出表反查直接下游作业
SELECT downstream_job, downstream_table, edge_type
FROM lineage_edge
WHERE upstream_table = 'ads_pay_gmv_d'
  AND as_of_dt = CURRENT_DATE;

-- 字段级：改了 discount_amt，看谁直接用
SELECT downstream_table, downstream_column, transform_expr
FROM lineage_column_edge
WHERE upstream_table = 'dwd_pay_txn'
  AND upstream_column = 'discount_amt';

血缘从哪来。 可靠来源是「解析过的作业 SQL / Spark plan / 调度配置」，不是人肉填的 Wiki。Hive/Spark 的 INPUT/OUTPUT、Airflow 的 inlets/outlets、仓内的 information_schema 都能抽边。人肉边当补充（API、导出到 Excel 这种解析不到的），不能当主图。

口述收尾：先说「目录管定义、血缘管依赖」，再主动提字段级和过期血缘。面试官要的是你会画影响面，不是会背一个平台名字。