元数据管理与数据治理平台：Apache Atlas 高级搜索 Advanced Search

发布于：2025-08-12 ⋅ 阅读:(18) ⋅ 点赞:(0)

文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。

Apache Atlas
Apache Atlas 框架是一套可扩展的核心基础治理服务，使企业能够有效、高效地满足 Hadoop 中的合规性要求，并支持与整个企业数据生态系统集成。这将通过使用规范和取证模型，以及技术和运营审计以及由业务分类元数据丰富的沿袭，在 Hadoop 中提供真正的可视性。它还使任何元数据使用者能够互操作，而无需彼此独立的接口——元数据存储是通用的。通过利用 Apache Ranger 来维护元数据的准确性，以防止在运行时对数据进行未经授权的访问。安全性基于角色 (RBAC) 和属性 (ABAC)。

高级搜索

Advanced Search

背景

Atlas 中的高级搜索也被称为基于 DSL 的搜索。

领域特定搜索（DSL）是一种使用简单结构的语言，帮助用户在 Atlas 数据仓库中进行导航。其语法松散地模仿了关系数据库世界中流行的结构化查询语言（SQL）。

DSL 的优势：

  • 抽象实现层的数据库结构，避免必须了解底层图数据库构造的必要性。
  • 为用户提供一个抽象层，使其仅通过了解其数据集中的类型及其关系即可检索数据。
  • 提供指定所需输出的方式。
  • 语法中已考虑使用分类。
  • 提供对结果进行分组和聚合的方法。

我们将在后续示例中使用快速入门数据集。该数据集足够全面，可用于演示该语言的各种功能。

有关语法的详细信息，请参阅 GitHub 上的 Atlas DSL 语法（Antlr G4 格式）。

使用高级搜索

在 Atlas UI 中，选择左侧搜索窗格中的“高级”。

请注意 搜索查询 框下方的 收藏搜索 窗格。与 基本搜索 类似，也可以保存 高级搜索。

领域特定语言简介

DSL 使用熟悉的类 SQL 语法。

在高层级上，查询具有 from-where-select 格式。可以添加额外的关键字如 groupby、orderby、limit 来影响输出。我们将在下面看到这些示例。

From 子句

指定 from 子句是强制性的。使用 from 关键字本身是可选的。from 子句中指定的值充当其余查询获取输入的源或起点。

示例：检索类型为 DB 的所有实体：

DB
from DB

在没有 where 进行源过滤的情况下，from 子句获取的数据集是数据库中所有内容。根据数据库中数据的大小，有可能使服务器不堪重负。因此，查询处理器会添加一个带默认值的 limit 子句。有关详细信息，请参见 limit 子句部分。

Where 子句

where 子句允许对数据集进行过滤。这是通过在 where 子句中使用条件来实现的。

条件是一个标识符，后跟一个运算符，再后跟一个字面量。字面量必须用单引号或双引号括起来。例如，name = “Sales”。标识符可以是 from 子句中指定类型的属性名称或别名。

示例：检索类型为 Table 且名称为 time_dim 的实体：

from Table where name = 'time_dim'

可以通过使用 and、or 运算符组合多个条件。

示例：检索类型为 Table 且名称为 time_dim 或 customer_dim 的实体：

from Table where name = 'time_dim' or name = 'customer_dim'

基于值列表的过滤通过将值指定在方括号中完成。值数组是用方括号括起来的值列表。这是为标识符指定 OR 子句的简单方法。

请注意，对同一属性使用多个 OR 子句可能效率低下。另一种方法是使用值数组，如下例所示。

示例：上述示例中的查询可以使用值数组编写，如下所示。

from Table where name = ["customer_dim", "time_dim"]

使用 LIKE 运算符的条件允许使用通配符 ‘*’ 或 ‘?’ 进行过滤。

示例：检索类型为 Table 且名称以 ‘_dim’ 结尾的实体：

from Table where name LIKE '*_dim'

也可以使用其他形式的正则表达式。

示例：检索名称以 R 开头，后跟任意 3 个字符，再后跟 rt，再后跟至少 1 个字符，再后跟 0 个或任意数量字符的 DB。

DB where name like "R???rt?*"

示例：查找 Table 中的所有列。

Column where table.name="sales_fact"

示例：查找列对应的所有 Table。

Table where columns.name="sales"

示例：检索所有被标记为 Dimension 分类且其属性 priority 为 ‘high’ 的类型为 Table 的实体

Table where Dimension.priority = "high"

使用日期字面量

查询中使用的日期需要使用 ISO 8601 格式指定。

此格式的日期遵循以下表示法：

  • yyyy-MM-ddTHH:mm:ss.SSSZ。即，年-月-日，后跟以小时-分钟-秒-毫秒表示的时间。日期和时间需要用 ‘T’ 分隔。以 ‘Z’ 结尾。
  • yyyy-MM-dd。即，年-月-日。

示例：日期表示 2017 年 12 月 11 日凌晨 2:35。

2017-12-11T02:35:0.0Z

示例：检索类型为 Table 且在 2017 年和 2018 年之间创建的实体。

from Table where createTime < '2018-01-01' and createTime > '2017-01-01'
使用布尔字面量

可以在查询中使用类型为 boolean 的实体属性。

示例：检索类型为 hdfs_path 且属性 isFile 设置为 true 且名称为 Invoice 的实体。

from hdfs_path where isFile = true or name = "Invoice"

布尔字面量的有效值为 ‘true’ 和 ‘false’。

属性的存在性

has 关键字可以与 where 子句一起使用或不使用。它用于检查实体中是否存在某个属性。

示例：检索类型为 Table 且具有属性 locationUri 的实体。

Table has locationUri
from Table where Table has locationUri

Select 子句

如果您注意到网页上显示的输出，它会以表格形式显示，每行对应一个实体，列是该实体的属性。select 子句允许选择感兴趣的实体属性。

示例：检索类型为 Table 的实体并选择一些属性：

from Table select owner, name, qualifiedName

示例：检索特定表的类型为 Table 的实体并选择一些属性。

from Table where name = 'customer_dim' select owner, name, qualifiedName

为了显示更有意义的列标题，可以使用 ‘as’ 子句添加别名。

示例：将列标题显示为 ‘Owner’、‘Name’ 和 ‘FullName’。

from Table select owner as Owner, name as Name, qualifiedName as FullName
关于 Select 子句的注意事项

鉴于使用 select 子句的复杂性，使用 select 子句时需要记住以下规则：

  • 适用于所有 immediate 属性。
  • 适用于 immediate 属性以及在 immediate 属性上的聚合。
  • 不能混合使用 referred 属性和 immediate 属性。

示例：检索类型为 Table 且名称为 ‘Sales’ 的实体，并显示 referred 实体 DB 的 ‘name’ 和 ‘owner’ 属性。

Table where name = 'abcd' select DB.name, DB.owner

当前实现不允许以下内容：

Table where name = 'abcd' select DB.name, Table.name

基于分类的过滤

为了根据分类检索实体，查询会使用 is 或 isa 关键字。

示例：检索所有被标记为 Dimension 分类的类型为 Table 的实体。

from Table isa Dimension

由于 from 是可选的，且 is（或 isa）是等效的，因此以下查询产生相同的结果：

Table is Dimension

is 和 isa 子句也可以在 where 条件中使用，例如：

from Table where Table isa Dimension

要搜索具有特定分类的所有实体，只需使用该分类的名称。

示例：检索所有具有 Dimension 分类的实体。

Dimension

要搜索具有特定分类及其属性的所有实体，请在 where 子句中添加过滤器。

示例：检索所有被标记为 Dimension 分类且其属性 priority 为 ‘high’ 的实体

Dimension where Dimension.priority = "high"

非原始属性过滤

到目前为止的讨论中，我们查看了 where 子句中的原始类型。本节将查看使用非原始类型的属性。

基于关系的过滤

在此模型中，DB 被建模为知道其包含的所有 Table。另一方面，Table 知道 DB 的存在，但不知道系统中所有其他 Table 实例。每个 Table 维护对其所属 DB 的引用。

类似的结构存在于 hive 数据模型中。

示例：检索属于名为 ‘Sales’ 的数据库的所有 Table 实例：

Table where db.name = "Sales"

示例：检索属于名为 ‘Sales’ 的数据库且其列名称以 ‘customer’ 开头的所有 Table 实例：

Table where db.name = "Sales" and columns.name like "customer*"

实体 Column 的建模方式类似。每个 Table 实体都有指向对应于表中每个列的 Column 实体实例的外向边。

示例：检索给定 Table 的所有 Column 实体。

Table where name = "time_dim" select columns

显示每个 Column 实体类型的属性。

基于术语的过滤

为了根据术语检索实体，查询会使用 hasTerm 关键字。

要搜索具有特定术语的实体，用户需要添加完全限定名称，即 {termName}@{glossaryName}。如果用户仅添加术语名称，则无论术语位于哪个词汇表中，都将返回具有特定术语名称的所有实体。

示例：要检索类型为 Table 且具有术语 savingsAccount@Banking 的所有实体，以下是可能的方式。

from Table hasTerm "savingsAccount@Banking"
Table hasTerm "savingsAccount@Banking"
Table hasTerm "savingsAccount"
Table where Table hasTerm "savingsAccount@Banking"

示例：要检索类型为 Table 且具有术语 savingsAccount@Banking 且名称为 ‘customer’ 的所有实体。

from Table hasTerm "savingsAccount@Banking" and name = "customer"

示例：要检索类型为 Table 且具有术语 savingsAccount@Banking 或被标记为 ‘Dimension’ 分类且其列名称以 ‘customer’ 开头的所有实体。

from Table hasTerm "savingsAccount@Banking" or Table isA Dimension and (columns.name like "customer*")

Limit 和 Offset 子句

查询通常会返回大量结果。为了限制查询结果，使用 limit 和 offset 子句。

示例：仅检索结果集中的 5 个实体。

Column limit 5

offset 子句在偏移值之后检索结果。

示例：在跳过前 10 个结果后，仅检索结果集中的 5 个实体。

Column limit 5 offset 10

limit 和 offset 子句通常一起指定。

如果查询中未指定 limit 子句，则会向查询添加一个带默认限制（通常为 100）的 limit 子句。这可以防止查询无意中获取大量结果。

offset 子句在用户界面中显示结果时很有用，其中结果集中只显示少量结果，并且当用户前进到下一页时会获取更多结果。

结果排序

_orderby* 子句允许对结果进行排序。结果默认按升序排序。仅 immediate 属性可用于此子句。

可以通过以下方式更改排序：

  • ASC 按升序排序。这是默认的。如果 orderby 子句后未指定排序。
  • DESC 按降序排序。需要在 orderby 子句后明确指定。

示例：使用 name 属性按升序检索类型为 Column 的实体。

from Column orderby name
from Column orderby name asc

示例：与上述相同的结果，但按降序排序。

from Column orderby name desc

示例：检索类型为 Column 的实体，这些实体按名称过滤并与 ‘savingsAccount@Banking’ 术语关联，按 name 属性升序排序。

from Column hasTerm "savingsAccount@Banking" and name = "customer_id" orderby name asc

聚合函数

让我们看看聚合函数：

  • sum：在结果集中累加（求和）指定属性的值。
  • min：在结果集中查找指定属性的最小值。
  • max：在结果集中查找指定属性的最大值。
  • count：查找由 group by 子句指定的项目数量。

这些仅适用于 immediate 属性。

其他示例见“结果分组”部分。

count 关键字

显示结果集中的项目数量。

示例：了解类型为 Column 的实体数量。

Column select count()

示例：与上述相同，带别名。

Column select count() as Cols

示例：查找数据库中的表数量。

Table where db.name = "Reporting" select count()

示例：查找与特定类型 ‘Table’ 关联的术语数量。

Table hasTerm "savingsAccount@Banking" select count() as terms

max 关键字

使用此关键字可以检索实体属性的最大值。

示例：获取 Table 实体的 createTime 属性的最近创建值。

Table select max(createTime)

min 关键字

使用此关键字可以检索实体属性的最小值。

示例：获取 Table 实体的 createTime 属性的最早创建值。

Table select min(createTime)

结果分组

_groupby* 子句使用指定属性对结果中的结果进行分组。

示例：检索类型为 Table 的实体，使得属于某个所有者的表在一起（按所有者分组）。

Table groupby(owner)

虽然 groupby 可以在没有 select 的情况下工作，但如果在 select 子句中使用聚合函数，则必须使用 groupby 子句，因为聚合函数对组进行操作。

示例：检索类型为 Table 的实体，以便我们知道最近创建的实体。

Table groupby(createTime) select owner, name, max(createTime)

示例：检索类型为 Table 的实体，以便我们知道最早的实体。

Table groupby(createTime) select owner, name, min(createTime)

示例：了解每个所有者拥有的实体数量。

Table groupby(owner) select owner, count()

使用系统属性

Atlas 中定义的每种类型都会默认获得一些属性。这些属性有助于实体内部记账。所有系统属性都以 ‘__’（双下划线）为前缀。这有助于将它们与其他属性区分开来。
以下是系统属性：

  • __guid Atlas 中的每个实体都会分配一个全局唯一标识符（简称 GUID）。
  • __modifiedBy 最后修改实体的用户的名称。
  • __createdBy 创建实体的用户的名称。
  • __state 实体的当前状态。详见下文。
  • __timestamp 实体创建时的 timestamp（以整数表示的日期）。
  • __modificationTimestamp 实体最后修改时的 timestamp（以整数表示的日期）。

实体状态

Atlas 中的实体可以处于以下状态：

  • ACTIVE 这是实体可用且在系统中使用时的状态。默认情况下可以通过搜索检索它。
  • DELETED 当实体被删除时，其状态将标记为 DELETED。处于此状态的实体不会出现在搜索结果中。需要显式请求才能检索此实体。

在查询中使用系统属性

示例：检索所有已删除的实体。

Asset where __state = "DELETED"

示例：检索实体 GUID。

Table select __guid

示例：检索多个系统属性。

hive_db select __timestamp, __modificationTimestamp, __state, __createdBy

高级搜索 REST API

这些操作的相关模型：

V2 API

使用 DSL 搜索获取结果

示例 参见下面的示例部分。
URL api/atlas/v2/search/dsl
方法 GET
URL 参数 query：符合 DSL 语法的查询。
typeName：要检索的实体的类型名称。
classification：与类型或查询关联的分类。
limit：结果集中的最大项目数。
offset：结果集中项目的起始索引。
数据参数 无
成功响应 JSON 将对应于 AtlasSearchResult。
错误响应 系统内处理的错误将以 AtlasBaseException 的形式返回。
方法签名 @GET
@Path(“/dsl”)
@Consumes(Servlets.JSON_MEDIA_TYPE)
@Produces(Servlets.JSON_MEDIA_TYPE)

示例

curl -X GET -u admin:admin -H "Content-Type: application/json" "http://localhost:21000/api/atlas/v2/search/dsl?typeName=Table"
curl -X GET -u admin:admin -H "Content-Type: application/json" "http://localhost:21000/api/atlas/v2/search/dsl?typeName=Column&classification=PII"
curl -X GET -u admin:admin -H "Content-Type: application/json" "http://localhost:21000/api/atlas/v2/search/dsl?typeName=Table&classification=Dimension&limit=10&offset=2"
curl -X GET -u admin:admin -H "Content-Type: application/json" "http://localhost:21000/api/atlas/v2/search/dsl?query=Table%20isa%20Dimension"
curl -X GET -u admin:admin -H "Content-Type: application/json" "http://localhost:21000/api/atlas/v2/search/dsl?query=Table%20isa%20Dimension&limit=5&offset=2"

实现方法

Atlas 中 DSL 的实现所遵循的一般方法可以列举为以下步骤：

  • 解析器解析传入查询的语法。
  • 对于成功解析的查询，生成抽象语法树。
  • 使用 visitor 模式“遍历”语法树。
  • 树中的每个“访问”都会在 Gremlin 管道中添加一个步骤。
  • 完成后，生成的脚本将使用 Gremlin 脚本引擎执行。
  • 查询生成的结果（如果有）将被处理并打包到 AtlasSearchResult 结构中。

Master 与早期版本之间的差异

以下子句不再受支持：

  • path
  • loop

资源

风险提示与免责声明
本文内容基于公开信息研究整理，不构成任何形式的投资建议。历史表现不应作为未来收益保证，市场存在不可预见的波动风险。投资者需结合自身财务状况及风险承受能力独立决策，并自行承担交易结果。作者及发布方不对任何依据本文操作导致的损失承担法律责任。市场有风险，投资须谨慎。

网站公告

今日签到

点亮在社区的每一天
去签到

热门文章

最新发布