运行分析工具

分析内容包括：

• - 数据库完整schema（所有表和字段）
• 数据资产目录（表统计、引擎分布、自动标签）
• 血缘分析（表关系、列相似性）

输出文件（保存在 output/ 目录）：

1. 1. schema{database}{timestamp}.json - 完整的数据库schema
2. catalog{database}{timestamp}.json - 数据资产目录
3. lineage{database}{timestamp}.json - 血缘分析报告

💻 程序化使用

使用分析器模块

python
#!/usr/bin/env python3

/// script

dependencies = [

mcp>=1.0.0,

]

///

import asyncio
import sys
import os

添加bytehouse-mcp skill的路径

from dataassetanalyzer import DataAssetAnalyzer

async def main():
analyzer = DataAssetAnalyzer()
await analyzer.connect()

# 分析数据库
result = await analyzer.analyze_database(default)

# result 包含:
# - schema: 完整的数据库schema
# - catalog: 数据资产目录
# - lineage: 血缘分析
# - files: 生成的文件路径

asyncio.run(main())

📊 输出文件说明

1. Schema文件 (schema_*.json)

包含数据库的完整结构：

json
{
database: default,
analyzed_at: 2026-03-12T19:50:00,
tables: [
{
name: conversation_feedback,
comment: ,
engine: Distributed,
columns: [
{
name: session_id,
type: String,
comment:
}
],
createtablequery: CREATE TABLE ...
}
]
}

2. 数据资产目录 (catalog_*.json)

包含数据资产的统计信息：

json
{
database: default,
generated_at: 2026-03-12T19:50:00,
summary: {
total_tables: 8,
total_columns: 45,
engines: {
Distributed: 4,
HaMergeTree: 3,
MergeTree: 1
}
},
tables: [
{
name: conversation_feedback,
comment: ,
engine: Distributed,
column_count: 10,
columns: [...],
tags: [distributed, user-feedback]
}
]
}

3. 血缘分析 (lineage_*.json)

包含表关系和列相似性：

json
{
database: default,
generated_at: 2026-03-12T19:50:00,
table_relationships: [
{
sourcetable: conversationfeedback,
relationships: [
{
type: distributedtolocal,
targettable: conversationfeedback_local,
description: Distributed表指向Local表
}
]
}
],
column_similarities: [
{
columnname: sessionid,
column_type: String,
foundintables: [
conversation_feedback,
conversationfeedbacklocal
]
}
]
}

🏷️ 自动标签生成

分析器会根据表名和引擎自动生成标签：

📚 更多信息

详细使用说明请参考 bytehouse-mcp skill