HiveSQL字段级血缘追踪实现突破 3类核心表达式精准溯源

在数据治理精细化需求驱动下，HiveSQL字段级血缘追踪技术取得实质性进展。开源项目Hermes-SQL通过深度解析ANTLR生成的抽象语法树（AST），系统性解决字段溯源中的关键挑战：首先，针对ANTLR将`t1.id`拆为多个节点的问题，采用向上追溯至`PrecedenceFieldExpressionContext`并调用`getText()`方法，确保物理字段引用完整性；其次，构建作用域映射表`Scope.columnToTableMap`，动态识别裸字段歧义——当多表含同名列时标记`isAmbiguous=true`并告警，有效防范因遗漏别名导致的数据错乱；第三，对函数嵌套如`UPPER(SUBSTR(t1.name,1,5))`采用递归下探策略，在`extractColumnCandidates`中仅提取含`tableOrColumn()`的`atomExpression`节点，遇`subQueryExpression`即阻断递归，防止跨查询污染。项目聚焦物理字段、函数调用与子查询三类核心表达式，其余类型预留扩展接口。工程落地后，某金融客户因字段歧义引发的月度报表偏差下降87%，显著提升影响分析与问题排查效率。当前局限在于无法穿透UDF及动态SQL，后续拟结合执行计划或LLM增强语义理解能力。