DataHub：一款开源元数据管理平台，支持数据发现、治理与血缘追踪
DataHub 是面向现代数据栈的元数据管理平台，用于帮助企业收集、管理、发现、理解和使用数据资产。项目采用 Java、JavaScript、Python 等技术开发，遵循 Apache 2.0 开源协议，源码托管于 GitHub：
https://github.com/datahub-project/datahub
功能特性
元数据提取：支持推送（Push）和拉取（Pull）两种模式，从各种数据源获取元数据。集成了 Kafka、Pulsar、Airflow、MySQL、PostgreSQL、SQL Server、Oracle、Snowflake、Hive、BigQuery、Redshift、Databricks、Looker、Tableau、PowerBI 等常见数据系统。
数据发现：支持通过关键词、过滤条件或高级运算符，在所有集成的数据资产中执行搜索。也可以通过可配置的层次结构浏览数据资产，例如按业务功能或物理部署方式查看。
数据治理：提供策略管理功能，实现细粒度的访问控制，可定义谁对哪些数据资源执行何种操作。同时支持通过标签（Tag）、术语表（Glossary）和域（Domain）等工具进行数据治理。
所有权管理：快速将数据资产的所有权分配给特定用户或用户组，并支持多种所有权类型。
数据血缘：跨平台、数据集和数据管道追踪数据的端到端旅程，并通过线性血缘图等可视化工具展示。
数据质量控制：通过元数据测试、断言、数据新鲜度检查和数据契约提高数据质量。
API 集成：提供丰富的 API 和 SDK，方便将数据流集成到各种应用中。
MCP 服务器：实现了模型上下文协议（Model Context Protocol），支持 LLM 和 AI 代理查询 DataHub 元数据，用于查找相关资产、遍历沿袭等操作。
在线体验
免费在线环境，可直接通过浏览器访问，无需注册：
下载安装
本地部署 DataHub 需要准备 Python 以及 Docker、Docker Compose。首先安装 DataHub 命令行工具：
python3 -m pip install --upgrade pip wheel setuptools
python3 -m pip install --upgrade acryl-datahub
datahub version
随后执行部署命令：
datahub docker quickstart
服务启动后，在浏览器中访问：
http://localhost:9002/
默认用户名和密码均为 datahub。
可通过以下命令导入示例数据：
datahub docker ingest-sample-data
总结
DataHub 是一个功能全面且架构现代的元数据管理平台，适合需要管理复杂数据栈、并希望提升数据发现、治理和协作效率的企业。