现代大型企业的大数据架构越来越复杂，大数据的采集、加工、使用以及废止链路环节明显增多，导致了企业对数据来源和影响的分析难度加大。一些企业开始尝试建立一套反映元数据间血缘关系的可视化地图，用来梳理数据的使用链路，以方便业务查询和开发管理。
　　元数据是描述数据的数据，如数据库的配置、表编目信息等。元数据的血缘关系描述的是一种层次结构，即目标数据来源于哪些源数据，又生成了哪些子数据，例如数据A生成了数据B、C，数据B、C又分别生成了数据D、E和F、G等等以此类推。
　　元数据的血缘关系通常从由对数据库进行操作的SQL文本中提取，解析文本中的血缘关系就需要解析相关的SQL语法。目前市面上提供的解决方案大致分为三类：第一类是大型企业服务软件，缺点是需要花高价购买，且不易维护；第二类是利用企业大数据框架提供的接口函数构建解析过程，缺点是需要从数据库底层读取数据，造成对数据库资源的占用并影响数据的安全性；第三类是使用开源的语法解析工具搭配自定义的解析规则进行解析，缺点是接触不到数据库数据，导致解析颗粒度只能达到表层级或者伪字段层级，并且需要制定一定程度的SQL写法标准，同时解析器的开源特性可能造成安全隐患。
　　综合上述问题，本文基于目前应用广泛的大数据框架Hadoop中数据库使用的Hive SQL语言语法规则，利用了有穷状态自动机和上下文无关文法的基本原理，设计了一种面向元数据血缘关系的映射技术，它不依赖于开源的语法解析工具，从底层进行设计和开发，包括：（1）设计了一种基于Hive SQL语法的面向血缘关系的词法解析器；（2）设计了一种基于Hive SQL语法的面向血缘关系的语法解析器。具体情况如下：
　　（1）所设计的词法解析器包含了三个模块，第一个模块完成了注释的过滤；第二个模块完成了单词的切分，并针对Hive SQL语言的特性，分别对连续性关键字、非连续性关键字、转义字符和括号进行了特殊处理；第三个模块对部分与血缘关系相关的复杂语法进行了拆分和重组，使之变为单一的语法结构。相较于普通的词法解析方法，本文设计的词法解析器的主要特点是：根据Hive SQL的实际生产环境下的使用习惯，对输入文本进行了一定程度的组合和改动，大大减轻了后期语法解析器的设计难度。
　　（2）所设计的语法解析器对血缘关系相关的语法进行解析。一方面设计了顶层的解析架构，提取了生成类语法的血缘关系，删除了删除类语法的血缘关系，并对血缘关系进行了溯源整理；另一方面为了辅助血缘关系的提取，设计了多个小型且能复用的解析器，配合从数据库导出的表结构数据，实现了对‘目标表.目标字段’-＞‘源表.源字段’标准血缘关系结构的解析。相较于普通的语法解析方法，本文设计的语法解析器的主要特点是：不仅解析出了血缘关系的语法结构，而且设计了多个解析器对血缘关系的关键信息进行了提取、映射和补充，可以适用于生产环境下写法不规范、语法复杂的脚本，并在不占用数据库资源的情况下使解析的颗粒度达到了字段层级别。
　　本文提出的面向元数据血缘关系的映射技术所实现的解析器，具有不占用数据库资源、适用复杂和不规范语法、解析颗粒度达到字段层级别三大特点。对某银行实际生产环境中的1000多个脚本进行了解析处理，生成了十万多条血缘关系。目前已将该解析器部署到某银行的元数据血缘关系可视化系统中，达到了系统的预期要求。